Comment utiliser OCR PDF
- 1
Ajoutez le PDF numérisé
Déposez un fichier issu d’un scanner ou d’une application de numérisation pour smartphone ; l’outil vérifie combien de pages contiennent déjà du texte sélectionnable.
- 2
Choisissez les langues
L’anglais est présélectionné et la langue de votre navigateur est suggérée ; ajoutez jusqu’à quatre langues réellement présentes dans le document.
- 3
Réglez la précision et les pages
Le mode Optimale lit les pages à 300 DPI et le mode Plus rapide à 200 DPI. Limitez le traitement à une plage de pages et choisissez d’ignorer les pages qui contiennent déjà du texte.
- 4
Téléchargez les résultats
Enregistrez le PDF avec texte recherchable, ou téléchargez tout le texte reconnu dans un fichier .txt, avec un repère avant chaque page.
Limites et Pro
Gratuit : PDF jusqu’à 50 Mo, OCR sur 200 pages maximum par traitement, et jusqu’à 4 langues de reconnaissance à la fois parmi 47 disponibles.
Pro porte la limite à 5 000 pages par traitement et à des fichiers de 4 Go ; la vitesse de reconnaissance dépend toujours du processeur de votre appareil. Découvrir Pro
À propos de OCR PDF
Le résultat est votre PDF d’origine auquel une couche de texte invisible est ajoutée sur chaque page numérisée. La numérisation elle-même n’est ni recompressée ni redessinée : elle garde exactement le même aspect, mais chaque mot reconnu se trouve désormais à sa place sur la page. Ctrl+F le retrouve, un cliqué-glissé le sélectionne, et le copier-coller produit du vrai texte. Les pages sont rendues à 300 DPI (200 en mode Plus rapide) puis lues par Tesseract, le moteur d’OCR open source, exécuté en WebAssembly dans votre navigateur, avec plusieurs pages traitées en parallèle et une ligne d’état pour chacune.
Les pages numérisées de travers ou à l’envers sont détectées et lues dans le bon sens. Les pages qui contiennent déjà du texte sélectionnable peuvent être ignorées, afin que les documents mixtes ne soient pas traités deux fois. La couche de texte est enregistrée en Unicode : les résultats en cyrillique, grec, arabe, hébreu, hindi, thaï, chinois, japonais et coréen peuvent donc être recherchés et copiés comme l’alphabet latin. Un export en texte brut rassemble tout ce qui a été reconnu, page par page.
Usages courants : rendre consultables des courriers et contrats archivés, extraire les montants d’une facture numérisée, préparer un scan avant sa conversion en Word, ou fournir un texte audible aux utilisateurs de lecteurs d’écran.
La précision dépend de la numérisation. Un texte imprimé net à 300 DPI est généralement lu presque parfaitement ; l’écriture manuscrite, les photos peu contrastées, les polices décoratives, les caractères minuscules et les pages photographiées sous un angle prononcé donnent plus d’erreurs. Les pages très inclinées ne sont pas redressées, et le moteur lit les mots plutôt que la mise en page : colonnes et tableaux ressortent donc en simples lignes de texte dans l’export.
Confidentialité
Les pages numérisées sont rendues et reconnues dans cet onglet de navigateur par Tesseract compilé en WebAssembly ; ni le PDF ni le texte reconnu ne sont envoyés à un serveur. Le moteur et les fichiers de langue que vous choisissez, de 2 à 15 Mo chacun, sont téléchargés une seule fois depuis un CDN public, puis conservés dans le cache de votre navigateur.
Fonctionnalités
Recherche et copie
Les mots reconnus sont placés sur la numérisation : la recherche, la sélection et la copie fonctionnent dans Acrobat, Aperçu, Chrome et d’autres lecteurs.
Qualité du scan intacte
Seule une couche invisible est ajoutée : tampons, signatures et photos gardent leur netteté d’origine, et la taille du fichier augmente à peine.
47 langues
De l’anglais, l’espagnol et l’allemand à l’arabe, l’hindi, le chinois, le japonais et le coréen, combinables jusqu’à quatre à la fois.
Pages pivotées
Une page de travers ou à l’envers est testée dans chaque orientation, et la meilleure lecture est conservée.
Documents mixtes
Les pages qui ont déjà une couche de texte sont laissées telles quelles, ce qui fait gagner du temps sur les PDF numérisés en partie seulement.