Qu’est-ce que l’OCR et comment fonctionne-t-il ?
La reconnaissance optique de caractères (OCR) repère le texte dans une image ou une page numérisée et produit un texte que les logiciels peuvent rechercher, copier ou traiter. Le résultat reste une reconnaissance, pas une transcription garantie ni une compréhension du document.
Ce que fait l’OCR
Une page numérisée peut sembler composée de texte pour une personne, alors que l’ordinateur ne voit que des pixels. L’OCR analyse l’image, repère les zones de texte et estime les caractères et les mots. Selon le logiciel, il peut aussi fournir la position des lignes ou une partie de la mise en page.
L’OCR ne sert pas à tous les PDF : beaucoup de PDF numériques contiennent déjà du texte sélectionnable. Il est surtout utile pour les photos et les images sans couche de texte.
Comment la reconnaissance fonctionne
Un processus courant prépare l’image, localise le texte, reconnaît les caractères ou les mots, puis organise le résultat en lignes ou en structures. Certains services récents détectent aussi la mise en page ou plusieurs langues ; les fonctions varient selon le produit et sa version.
Le résultat peut être du texte brut, un PDF consultable ou des données structurées. L’OCR ne vérifie pas à lui seul l’exactitude d’un montant, d’un nom ou d’une phrase.
Améliorer la numérisation
Utilisez une image nette, bien éclairée, mise au point et aussi droite que possible. La documentation de Tesseract indique que son moteur fonctionne mieux à partir de 300 dpi ; il s’agit d’un conseil pour ce moteur, pas d’une exigence universelle. Respectez les spécifications du destinataire.
Gardez l’original et vérifiez les nombres, dates, noms, accents, colonnes, tableaux, écritures manuscrites et annotations pâles. Le moteur peut confondre des caractères similaires ou réordonner une mise en page complexe.
Confidentialité et documents
Avant d’envoyer un document à un service OCR en ligne, consultez les conditions actuelles du fournisseur sur la confidentialité, la conservation et l’accès. Une page peut contenir des données personnelles ou financières. Pour un document sensible, envisagez un traitement local autorisé et suivez les règles de l’organisme responsable.
Les outils PDF de ConverteArq ne proposent pas encore l’OCR. Notre guide associé explique comment préparer des photos de documents avec un téléphone ; cet article ne promet pas d’extraction sur le site.
Guide associé
Pour obtenir une image source plus nette, consultez numériser des documents avec un téléphone.
Questions fréquentes
L’OCR comprend-il un document ?
L’OCR reconnaît du texte et peut renvoyer des informations de mise en page. Cela ne signifie pas qu’il vérifie les faits ou interprète de façon fiable une portée juridique ou financière.
Faut-il toujours 300 dpi ?
Non. Il n’existe pas de réglage universel. Tesseract conseille au moins 300 dpi pour son moteur ; le destinataire ou un autre logiciel peut avoir d’autres exigences.
L’OCR peut-il lire l’écriture manuscrite ?
Certains produits la prennent en charge, mais les résultats dépendent de la langue, de l’écriture, de l’image et du modèle. Vérifiez toujours le résultat sur l’original.
Documentation officielle
Qu’est-ce que l’OCR et comment fonctionne-t-il ? — Português (Brasil)