Vous ouvrez un PDF, vous tapez Ctrl + F pour chercher un mot, et rien ne se passe. Vous essayez de copier une phrase, et c’est toute la page qui se sélectionne comme une image. Ce PDF a été scanné : il ne contient pas de texte, seulement des photos de pages. Pour en tirer du texte, il faut passer par l’OCR.
Définition : la reconnaissance optique de caractères
OCR signifie Optical Character Recognition, en français reconnaissance optique de caractères. C’est une technologie qui analyse l’image d’un document, repère les formes des lettres et les transforme en texte numérique : des caractères que l’ordinateur peut chercher, copier et modifier.
Pour un humain, lire un « A » sur une feuille est immédiat. Pour un ordinateur, une page scannée n’est qu’une grille de millions de points de couleur. L’OCR fait le lien entre les deux.
Comment fonctionne l’OCR, étape par étape
- Préparation de l’image. Le logiciel redresse la page si elle est penchée, augmente le contraste, retire les taches et le grain.
- Analyse de la mise en page. Il repère les blocs : colonnes, paragraphes, tableaux, images. C’est ce qui permet de lire dans le bon ordre un journal sur trois colonnes.
- Découpage en lignes, en mots, puis en caractères.
- Reconnaissance. Chaque forme est comparée à des modèles de lettres. Les outils modernes s’appuient sur des modèles d’apprentissage automatique entraînés sur des millions de documents.
- Correction par le contexte. Un dictionnaire de la langue aide à trancher entre deux lectures possibles : « c1ient » devient « client ».
Le résultat peut prendre deux formes : un PDF « cherchable », où le texte reconnu est placé de façon invisible sous l’image d’origine, ou un document modifiable (Word, texte brut) qui ne garde que le texte.
À quoi sert l’OCR au quotidien ?
- Chercher dans des archives scannées. Retrouver une facture par son numéro dans un dossier de 200 pages.
- Copier un passage d’un livre, d’un article ou d’un courrier scanné, sans le retaper.
- Modifier un document dont on n’a que la version papier. L’OCR est l’étape qui précède la conversion d’un PDF en Word. Notre article convertir un PDF en Word sans perdre la mise en page explique comment la combiner avec une conversion.
- Récupérer des chiffres. Un relevé ou un tableau scanné peut ensuite passer dans Excel.
- L’accessibilité. Un lecteur d’écran pour personnes malvoyantes ne peut rien lire sur une image. Avec l’OCR, le document devient lisible à voix haute.
Les limites de l’OCR
L’OCR moderne est très fiable sur un document imprimé propre, mais il n’est pas infaillible.
| Document | Fiabilité attendue |
|---|---|
| Texte imprimé, scan net, police courante | Excellente |
| Photo de document prise au smartphone | Bonne si la photo est nette et bien éclairée |
| Tableaux complexes, colonnes multiples | Correcte, à vérifier |
| Vieux documents, encre pâle, papier jauni | Variable |
| Écriture manuscrite | Faible avec les outils généralistes |
Les erreurs typiques : confusion entre « l » et « 1 », entre « O » et « 0 », accents perdus, mots coupés en fin de ligne. Relisez toujours les chiffres (montants, numéros de compte, dates) : une erreur y passe inaperçue alors qu’elle change tout.
Obtenir un bon résultat : 6 conseils
- Scannez en 300 points par pouce. En dessous, les petits caractères deviennent flous ; au-dessus, le fichier grossit sans gain de précision.
- Privilégiez un bon contraste : texte noir sur fond blanc, sans ombre portée.
- Mettez la page droite. Une page à l’envers ou couchée produit du texte incohérent. Corrigez-la d’abord : voir mon PDF s’affiche à l’envers.
- Photographiez à plat, en lumière du jour, sans flash. Les applications de scan corrigent la perspective : voir scanner un document avec son téléphone.
- Évitez de compresser avant l’OCR. Une compression forte abîme les contours des lettres. Faites l’OCR d’abord, et compressez ensuite si nécessaire.
- Vérifiez la langue du document. La correction par le contexte fonctionne mieux quand la langue est bien identifiée.
PDF cherchable ou document Word : quel résultat choisir ?
L’OCR peut produire deux types de fichiers, qui ne servent pas à la même chose.
| PDF cherchable | Document Word ou texte | |
|---|---|---|
| Aspect | Identique au scan d’origine | Mise en page reconstituée, parfois simplifiée |
| Texte | Sélectionnable et cherchable, mais pas modifiable directement | Entièrement modifiable |
| Erreurs de reconnaissance | Invisibles à la lecture, gênantes seulement pour la recherche | Visibles dans le texte, à corriger |
| Usage idéal | Archives, dossiers à consulter, documents à citer | Documents à reprendre, corriger ou réutiliser |
Pour archiver des factures ou des courriers et pouvoir les retrouver par un mot-clé, le PDF cherchable est la meilleure option : le document reste fidèle à l’original. Pour réécrire un texte, visez Word.
Les langues et les caractères spéciaux
La qualité de l’OCR dépend aussi de la langue du document. Les outils reconnaissent très bien les langues à alphabet latin comme le français et l’anglais, mais les accents restent une source d’erreurs fréquente : « é » lu comme « e », « œ » coupé en deux lettres. Relisez les mots accentués des noms propres et des adresses.
Les écritures non latines (arabe, chinois, cyrillique) demandent un moteur entraîné pour ces langues. L’arabe ajoute une difficulté : les lettres changent de forme selon leur position dans le mot, et le texte se lit de droite à gauche. Un document mêlant français et arabe donne souvent de meilleurs résultats si chaque partie est traitée avec la bonne langue.
L’OCR et la confidentialité
Pour être lu, un document doit être analysé, donc transmis à l’outil qui fait la reconnaissance. Pour un document sensible (relevé bancaire, dossier médical, pièce d’identité), vérifiez la politique de conservation du service. Sur PDF-Time, les fichiers sont supprimés automatiquement après le traitement. Si seules quelques pages vous intéressent, extrayez-les avant la reconnaissance : moins de données transmises, et un traitement plus rapide.
Comment savoir si un PDF a besoin d’un OCR ?
Ouvrez-le et essayez de sélectionner un mot avec la souris.
- Si le mot se surligne seul, le PDF contient déjà du texte : pas besoin d’OCR.
- Si c’est un rectangle autour de toute la page qui se sélectionne, ou rien du tout, c’est une image : l’OCR est nécessaire.
Faire un OCR en ligne
L’outil OCR PDF transforme un PDF scanné en texte sélectionnable et modifiable, directement dans le navigateur. Importez le fichier, lancez la reconnaissance, téléchargez le résultat.
Pour aller plus loin sur les autres traitements possibles, consultez le guide pratique du PDF.
Questions fréquentes
L’OCR est-il gratuit ?
Oui, de nombreux outils proposent l’OCR gratuitement, dont PDF-Time. Google Drive le fait aussi : ouvrez un PDF scanné avec Google Docs, et le texte reconnu apparaît sous l’image.
L’OCR reconnaît-il l’écriture manuscrite ?
Mal, avec les outils généralistes. Une écriture très lisible, en lettres détachées, donne parfois des résultats corrects, mais il faut s’attendre à beaucoup de corrections.
L’OCR modifie-t-il mon document original ?
Non. Il produit un nouveau fichier ; le scan d’origine reste intact.