OCR : extraire le texte d’une image numérisée
La reconnaissance optique de caractères (OCR) repère les caractères d’une photo ou d’une page numérisée et les transforme en texte que les logiciels peuvent rechercher ou copier. Le résultat est une prédiction logicielle, pas une transcription vérifiée. ConverteArq ne propose pas actuellement d’OCR ; ce guide en explique le fonctionnement et les limites.
À quoi sert l’OCR ?
L’OCR peut rendre un document numérisé consultable, copier le texte d’une photo ou préparer un contenu à modifier. Un PDF numérique contient parfois déjà du texte sélectionnable et ne nécessite alors pas d’OCR.
La reconnaissance ne confirme pas l’exactitude d’un nom, d’une date, d’un montant ou d’une consigne. Conservez le document source et comparez les passages importants avant d’utiliser le résultat.
Extraire le texte d’une image
Choisissez un service ou une application OCR et vérifiez les formats et les langues pris en charge. Envoyez une image nette ou un PDF numérisé dans les limites du fournisseur, sélectionnez la bonne langue si cette option existe, puis exportez ou copiez le texte reconnu. Les étapes et fonctions varient selon le produit et sa version.
Comparez le texte obtenu à l’original, en particulier les noms, dates, montants, accents, colonnes de tableaux, notes manuscrites et textes peu contrastés.
Préparer le scan et protéger le document
Utilisez une mise au point nette, un éclairage uniforme et des lignes de texte droites. Évitez les ombres, reflets, flous et lettres ou bords de tableau coupés. La documentation de Tesseract indique que son moteur fonctionne mieux à partir de 300 dpi ; il s’agit d’un conseil propre à Tesseract, pas d’une règle universelle pour tous les outils OCR ou appareils photo. Suivez les consignes de l’organisme destinataire.
Avant de téléverser un document, consultez les règles actuelles du fournisseur concernant le traitement, le stockage, la conservation et l’accès. Les documents d’identité, financiers, médicaux ou professionnels peuvent nécessiter une procédure locale approuvée.
Questions fréquentes
Tous les outils OCR exigent-ils 300 dpi ?
Non. Tesseract recommande au moins 300 dpi pour son propre moteur. D’autres logiciels, appareils et organismes destinataires peuvent avoir d’autres exigences.
L’OCR peut-il lire l’écriture manuscrite ?
Certains systèmes la prennent en charge, mais le résultat dépend de l’écriture, de la langue, de l’image, du modèle et du produit. Vérifiez avec l’original.
Un PDF consultable garantit-il un texte exact ?
Non. Le texte peut contenir des erreurs de reconnaissance ou d’ordre de lecture. Vérifiez les éléments importants dans le document source.
Références techniques
Guide associé
Pour obtenir une image source nette, consultez numériser des documents avec un téléphone.