Aller au contenu
  1. Accueil
  2. OCR de PDF

OCR de PDF

Un OCR de PDF qui transforme un document scanné en PDF cherchable dont vous pouvez copier le texte, avec en plus un fichier texte brut. Il fonctionne sur votre appareil, sans limite de pages.

Rien n’est envoyé Gratuit, sans compte Aucune limite de pages

Comment ça marche :

  • Extraire le texte : Utilise Tesseract OCR pour reconnaître le texte des images numérisées ou des PDF.
  • Sortie interrogeable : Crée un nouveau PDF avec une couche de texte invisible, rendant votre document entièrement consultable tout en préservant son apparence d'origine.
  • Filtrage des caractères : Utilisez les listes blanches pour filtrer les caractères indésirables et améliorer la précision pour des types de documents spécifiques (factures, formulaires, etc.).
  • Prise en charge multilingue : Sélectionnez plusieurs langues pour les documents contenant un contenu multilingue.

Cliquez pour sélectionner un fichier ou glissez-déposez

Vos fichiers restent sur votre appareil.

Comment faire l’OCR d’un PDF

  1. Ajoutez le PDF scanné

    De n’importe quelle longueur. Le fichier reste sur votre appareil.

  2. Choisissez les langues

    Cochez les langues imprimées dans le document. Vous voyez combien de données de langue seront téléchargées et combien de temps cela prendra à peu près.

  3. Lancez l’OCR

    La progression s’affiche page par page, et vous pouvez annuler à tout moment.

  4. Enregistrez le PDF ou le texte

    Téléchargez le PDF cherchable, le texte en fichier .txt, ou copiez le texte tout de suite.

Ce que vous obtenez

Search for "total": no results
Avant
Same page, now with text: search, select, copy
Après
Ce que contient le résultat de l’OCR
Vous obtenez Ce que c’est Pour quoi l’utiliser
PDF cherchable Vos pages d’origine avec un texte invisible placé sur les mots Recherche, copie, archives, envoi
Fichier texte (.txt) Tout le texte reconnu, page par page, sans mise en page Citations, notes, texte à coller dans d’autres applis

L’OCR, ou reconnaissance optique de caractères, lit les lettres dans l’image d’une page et les transforme en texte qu’un ordinateur peut chercher. Un PDF scanné n’est qu’une suite d’images : impossible d’y chercher un mot, de sélectionner une phrase ou de copier un chiffre. Après l’OCR, c’est possible. Cet outil le fait dans votre navigateur, sans limite de pages, et votre document n’est jamais envoyé.

Rendre un PDF scanné cherchable

Le résultat est identique à votre scan, car les pages d’origine sont conservées. Sous l’image, une couche invisible de mots reconnus est placée à l’endroit de chaque mot : la recherche surligne donc le bon endroit et la sélection prend les mots que vous voyez. Pour savoir si un PDF a déjà du texte, essayez de sélectionner une ligne : si c’est impossible, il lui faut un OCR.

Choisir les langues de l’OCR

La reconnaissance doit savoir quel alphabet et quels mots attendre : choisissez donc chaque langue imprimée dans le document, par exemple le français et l’anglais pour un formulaire bilingue. Plus de 100 langues sont disponibles, dont le chinois, le japonais, le coréen, l’arabe, l’hébreu et l’hindi. Chaque langue est téléchargée une fois, en général quelques mégaoctets, puis gardée par votre navigateur ; la taille s’affiche avant de commencer. Choisir des langues absentes du document rend la reconnaissance plus lente et moins précise.

Ce qui influe sur la précision de l’OCR

Sur un scan propre et droit de texte imprimé à 300 dpi, presque chaque mot est bien lu. La précision baisse avec les photos floues prises au téléphone, la basse résolution, les pages de travers ou gondolées, l’impression pâle, les fonds colorés, les polices inhabituelles et les tableaux aux lignes serrées. L’écriture manuscrite n’est en général pas reconnue. Augmenter la résolution dans les réglages avancés aide pour les petits caractères, au prix de plus de temps. Vérifiez toujours les noms et les chiffres importants.

Comment ça marche

Chaque page est dessinée comme une image dans votre navigateur et lue par Tesseract, un moteur d’OCR open source qui tourne sur votre appareil. Les mots trouvés et leur position sont écrits dans une copie de votre PDF sous forme de couche de texte invisible, et regroupés dans le fichier texte. Un ordinateur portable traite une page en quelques secondes ; un téléphone est plus lent. Les longs documents prennent plus de temps mais n’ont pas de limite, et l’estimation avant le début vous dit à quoi vous attendre.

À quoi ça sert, et quand ça ne marche pas

Contrats et lettres scannés, vieux livres et thèses, tickets et factures pour la comptabilité, polycopiés scolaires, documents d’archives, et tout ce que vous voudrez retrouver plus tard sur votre ordinateur.

  • La mise en page n’est pas reconstruite. Le PDF cherchable garde l’aspect d’origine ; le fichier texte est du texte brut. Pour modifier le document, utilisez ensuite PDF en Word.
  • L’écriture manuscrite n’est en général pas reconnue.
  • Les PDF qui contiennent déjà du texte n’ont pas besoin d’OCR ; pour récupérer leur texte, utilisez PDF en texte.
  • Sur un téléphone, gardez l’écran allumé et l’onglet ouvert pendant les longs traitements, sinon le navigateur les met en pause.

Questions et réponses

C’est quoi, l’OCR d’un PDF ?
C’est la reconnaissance de texte : les lettres des pages scannées sont lues et ajoutées au PDF comme du vrai texte, que vous pouvez chercher et copier.
Comment rendre un PDF cherchable ?
Ajoutez-le sur cette page, choisissez les langues du document et cliquez sur « Lancer l’OCR ». Téléchargez le PDF cherchable une fois terminé.
Comment savoir si mon PDF contient une couche de texte ?
Essayez de sélectionner une ligne de texte ou de chercher un mot visible. Si rien n’est sélectionné ni trouvé, les pages sont des images et il faut un OCR.
Pourquoi l’OCR n’a-t-il pas reconnu tout le texte ?
En général, le scan est flou, de travers ou en basse résolution, ou une langue manque dans votre choix. Essayez une résolution plus élevée et les bonnes langues.
L’OCR garde-t-il la mise en page ?
Le PDF cherchable est identique au scan. Le fichier texte contient les mots, sans mise en page.
L’OCR sait-il lire l’écriture manuscrite ?
En général, non. Il est fait pour le texte imprimé ; des majuscules bien nettes passent parfois.
Y a-t-il une limite de pages ?
Non. Les longs documents prennent simplement plus de temps, et l’estimation s’affiche avant de commencer.
Mon fichier est-il envoyé en ligne ?
Non. La reconnaissance se fait dans votre navigateur. Seules les données de langue sont téléchargées, une fois, et votre document ne quitte jamais votre appareil.

Mis à jour Fonctionne hors ligne une fois la page et les données de langue chargées