OCR PDF : reconnaissance de texte
Transformez un document scanné en PDF consultable, ou extrayez son texte brut, avec un moteur OCR qui tourne entièrement sur votre appareil. La plupart des outils OCR gratuits envoient votre scan sur un serveur pour le lire : pas celui-ci.
Déposez votre fichier ici ou cliquez pour le choisir
Votre fichier ne quitte pas votre appareil. Il n'est pas copié sur un serveur, ni mis en cache, ni supprimé au bout d'une heure. Chaque outil de ce site fonctionne en JavaScript, directement dans l'onglet que vous avez ouvert. Vous pouvez le vérifier : appuyez sur F12, ouvrez l'onglet « Réseau » (« Network » dans Chrome et Edge) et lancez l'outil. Aucune requête n'emporte votre fichier.
Mode d'emploi, étape par étape
- 1
Choisissez le PDF
Déposez le PDF scanné dans l'outil, ou cliquez pour le choisir. Le scan reste sur votre appareil.
- 2
Choisissez le résultat
Répondez à « Que voulez-vous faire du texte reconnu ? » : « En faire un PDF consultable » ou « Extraire uniquement le texte (.txt) ».
- 3
Lancez l'OCR
Cliquez sur « Lancer l'OCR » et patientez pendant la lecture de chaque page : plus de pages signifie plus de temps, puisque votre appareil fait le travail.
- 4
Téléchargez
Téléchargez le résultat : un PDF consultable ou un fichier .txt, selon votre choix.
Limites, en clair
- L'outil est nettement plus lent qu'un service OCR côté serveur, puisque c'est votre appareil, et non une ferme de serveurs, qui fait la reconnaissance : les scans longs ou de nombreuses pages peuvent prendre du temps.
- La précision dépend de la qualité du scan : le texte imprimé net, droit et en haute résolution est bien lu, tandis que l'écriture manuscrite, les pages de travers ou les photos de téléphone en basse résolution donnent plus d'erreurs. C'est une limite de la technologie OCR en général, pas un dysfonctionnement de l'outil.
- Au premier lancement, le moteur OCR et les données de langue (quelques mégaoctets) sont téléchargés avant que le traitement puisse commencer. Ensuite, ils sont mis en cache dans votre navigateur pour un usage plus rapide.
- Un PDF protégé par mot de passe doit d'abord être déverrouillé, car le rendu des pages pour la reconnaissance exige d'ouvrir directement le fichier.
- Avec « Extraire uniquement le texte (.txt) », vous obtenez un simple fichier texte sans la mise en page d'origine.
OCR PDF : ce que la reconnaissance ne lit pas bien, à vérifier
- Écriture manuscrite. Ce moteur est entraîné sur du texte imprimé. Une écriture cursive ou des notes manuscrites produiront une sortie illisible ou manquante, et non une transcription approximative.
- Pages inclinées ou pivotées. Une page numérisée même légèrement de travers se lit moins bien qu'une page droite : faites-la d'abord pivoter avec Pivoter PDF si un scan est arrivé couché.
- Photos à faible résolution ou à faible contraste. Une photo prise au téléphone en biais, avec une mauvaise lumière ou très compressée perd le détail des caractères dont l'OCR a besoin : un scan à plat se lit beaucoup plus précisément.
- Langues autres que l'anglais. Cet outil ne charge actuellement que le modèle de langue anglais. Un texte dans une autre langue sera mal reconnu, voire pas du tout.
- Tableaux complexes et mises en page à plusieurs colonnes. L'OCR lit bien le texte de gauche à droite et de haut en bas, mais la structure d'un tableau (quelle cellule appartient à quelle ligne) n'est pas conservée : attendez-vous à récupérer les mots, pas la mise en page.
- Texte filigrané ou à faible contraste. Un texte qui chevauche un filigrane, un tampon ou une couleur de fond claire est plus difficile à séparer de la page qu'un texte noir net sur fond blanc.