Quand l’OCR est utile
Un contrat scanné, une vieille lettre ou un ticket de caisse photographié au téléphone n’est qu’une image dans un PDF : impossible d’y faire une recherche, d’en copier une phrase ou de le faire lire à voix haute par un lecteur d’écran. Après l’OCR, le fichier se comporte comme un document numérique ordinaire, tout en gardant l’apparence du papier d’origine.
Conseils pour un résultat optimal
- Numérisez en 300 DPI si votre scanner le permet ; 200 DPI est le minimum pour les petits caractères.
- Gardez les pages droites et éclairées de façon uniforme ; un scan de travers peut d’abord être redressé avec Redresser PDF. Les ombres et les plis sont la cause la plus fréquente de mots manqués.
- Choisissez la langue du document. Si l’anglais et le turc sont mélangés, « Anglais + turc » lit les deux.
Si le résultat n’est pas correct
- Des lettres sont erronées ou manquantes. Regardez le scan en taille réelle. Si vous-même avez du mal à le lire, l’OCR aussi ; numérisez à nouveau avec plus de lumière, la page bien à plat.
- Les lettres accentuées perdent leurs accents. Un « é » qui devient « e », ou un « ş » turc qui devient « s », signifie en général qu’une mauvaise langue a été choisie. Relancez l’OCR avec la langue correspondante.
- L’écriture manuscrite est ignorée. L’OCR est conçu pour le texte imprimé. Des capitales d’imprimerie soignées passent parfois, mais les signatures, les annotations dans la marge et l’écriture cursive ne sont pas reconnues de façon fiable.
- Les tableaux copiés perdent leurs colonnes. Les mots reconnus se trouvent exactement à leur place sur la page : la recherche fonctionne donc. En revanche, quand vous les copiez, les colonnes peuvent se mélanger ligne par ligne ; vérifiez les tableaux après la conversion en Word.
- Un long scan prend plusieurs minutes. La reconnaissance tourne sur votre propre processeur, page après page. Gardez l’onglet ouvert, ou extrayez d’abord les pages utiles et ne lancez l’OCR que sur celles-ci.
Vérifier le résultat en une minute
Inutile de lire tout le fichier pour savoir si la reconnaissance a fonctionné. Ouvrez le nouveau PDF, appuyez sur Ctrl+F (Cmd+F sur Mac), puis cherchez un mot dont vous savez qu’il figure sur une page : un nom, une entreprise, un titre. Si le lecteur le surligne au bon endroit, cette page possède un calque de texte fonctionnel. Si rien n’est trouvé, regardez la page en question : elle est généralement pâle, de travers ou photographiée de biais.
Faites particulièrement attention aux chiffres. Une lettre mal lue dans un mot se repère facilement grâce au contexte, mais pas un chiffre mal lu, et ce sont les caractères qui se ressemblent qui se confondent le plus souvent : le zéro et la lettre O, le un et le l minuscule, le cinq et le S, le huit et le B. Quand vous copiez un numéro de compte, un montant ou une date depuis un scan reconnu, comparez-le chiffre par chiffre avec l’image avant de l’utiliser.
Et ensuite ?
Si vous avez une photo ou une capture d’écran plutôt qu’un PDF, Image en texte vous donne directement les mots sous forme de texte.
Une fois le PDF consultable, vous pouvez le convertir en Word pour modifier le texte, extraire le texte brut, ou le compresser avant de l’envoyer par e-mail, car les scans sont souvent lourds.
Vous numérisez du papier sur un Mac ? Comment scanner un document en PDF sur un Mac explique comment utiliser l’appareil photo de votre iPhone et Transfert d’images, puis vous ramène ici pour la reconnaissance du texte.