Ajouter une couche de texte OCR à un PDF scanné
Importez un PDF scanné ou uniquement composé d'images, choisissez sa langue, et récupérez une copie qui semble exactement identique mais qui est désormais consultable, avec du texte sélectionnable et copiable - l'OCR fonctionne entièrement dans votre navigateur grâce à Tesseract.js. L'image originale de chaque page est conservée telle quelle tandis que le texte reconnu est dessiné par-dessus aux positions correspondantes mais rendu totalement invisible, donc l'apparence du fichier ne change jamais. Après traitement, l'outil réextrait le texte qu'il vient d'intégrer et indique combien de mots consultables il a trouvés, afin que vous puissiez confirmer que le résultat a bien fonctionné avant de vous y fier.
Questions fréquentes
Le PDF aura-t-il un aspect différent après coup ?
Non. L'image originale de chaque page est conservée exactement telle quelle - le texte reconnu est dessiné par-dessus aux positions correspondantes mais rendu totalement invisible, donc visuellement le fichier est inchangé. Il devient simplement consultable, sélectionnable et copiable en dessous.
Comment savoir si la couche de texte fonctionne réellement ?
Après traitement, cet outil réextrait le texte du fichier qu'il vient de créer, en utilisant la même extraction que l'outil PDF vers texte, et vous indique combien de mots consultables il a trouvés. Si ce nombre est 0, quelque chose dans le scan (très basse qualité, mauvaise langue, ou une page réellement vide) a probablement empêché l'OCR de le lire.
Quelle est la précision du texte reconnu ?
Cela dépend entièrement de la qualité du scan - des scans nets, en haute résolution et bien éclairés de texte imprimé sont très bien reconnus, tandis que des pages floues, de travers, en basse résolution ou manuscrites comporteront plus d'erreurs. Cet outil rend les documents consultables, il ne garantit pas une reconnaissance parfaite, donc ne vous fiez pas à ce que le texte caché soit correct à 100 %.
Quelles langues sont prises en charge ?
Choisissez la langue du document avant le traitement - le moteur OCR charge un modèle spécifique à la langue, donc le faire correspondre à la langue réelle de votre document donne des résultats nettement meilleurs que de le laisser sur la mauvaise langue.
Mon PDF est-il envoyé quelque part ?
Non. Le rendu, l'OCR et la reconstruction du PDF se déroulent tous localement dans votre navigateur grâce à pdf.js, Tesseract.js et pdf-lib - le fichier n'est jamais envoyé à un serveur.