pdfMB

OCR PDF

Rendez un PDF scanné consultable et copiez son texte. Les pages restent exactement identiques, et votre fichier reste sur cet appareil.

  • Aucun envoiVotre fichier reste sur cet appareil.
  • Données de langue téléchargées une foisSeules les données de lecture de vos langues sont téléchargées, puis conservées sur cet appareil.
  • Gratuit, sans inscriptionPas de compte, pas de limite quotidienne.

Ce qui arrive à votre fichier

Tout ce qui suit se passe dans votre navigateur, sur votre propre appareil. Votre PDF ou vos photos ne sont jamais envoyés en ligne : personne d’autre, pas même nous, ne peut les voir.

  1. Le lecteur de texte est Tesseract, un moteur d’OCR gratuit et open source, qui tourne dans votre navigateur. Il est chargé depuis pdfMB lui-même, et non depuis le serveur d’une autre entreprise.
  2. La première fois que vous utilisez une langue, ses données (entre 0,5 et 3 MB) sont téléchargées depuis pdfMB et conservées par votre navigateur. C’est le seul téléchargement : votre fichier ne va nulle part.
  3. Chaque page est dessinée sous forme d’image à 300 dpi, puis lue ligne par ligne. Les pages qui contiennent déjà du vrai texte sont ignorées, sauf si vous demandez à les lire.
  4. Les mots trouvés sont ajoutés à la page sous forme de texte invisible, placé sur les mêmes mots de l’image. La recherche, la sélection et la copie fonctionnent alors dans n’importe quel lecteur PDF.
  5. Rien sur les pages n’est redessiné ni recompressé. Le nouveau texte est ajouté à la fin du fichier, et le fichier d’origine reste à l’intérieur sans aucun changement, octet pour octet.
  6. Les photos sont placées dans le PDF telles quelles (les photos JPEG ne sont pas recompressées), et le texte est ajouté par-dessus.
En bref
  1. Choisissez un PDF ou des photos
  2. Vérifiez les langues
  3. Appuyez sur « Lire »
  4. Téléchargez ou copiez le texte

Comment rendre un PDF scanné consultable

  1. Choisissez un PDF, ou une ou plusieurs photos de pages.
  2. Vérifiez les langues. La langue de cette page et l’anglais sont déjà choisis ; ajoutez toute autre langue présente dans le document.
  3. Appuyez sur « Lire ». Les pages sont lues une par une, et vous voyez quelle page est en cours de lecture.
  4. Téléchargez le PDF consultable, ou copiez le texte et enregistrez-le dans un fichier .txt.

Conseils pour un bon résultat

  • Scannez en 300 dpi si votre scanner le permet. À plus basse résolution, les petits caractères sont difficiles à lire.
  • Photographiez les pages bien à plat, de face et sous une bonne lumière, sans ombre sur le texte. L’outil Scanner en PDF redresse les pages pour vous.
  • Remettez d’abord à l’endroit les pages couchées ou à l’envers, avec Faire pivoter un PDF.
  • Ne choisissez que les langues vraiment présentes dans le document. Les langues en trop ralentissent la lecture et peuvent ajouter des erreurs.
  • L’écriture manuscrite, les très petits caractères et les polices décoratives sont mal lus : vérifiez le texte avant de vous y fier.

Dans quels cas l’utiliser

Contrats et courriers scannés

Retrouvez un nom, une date ou un montant dans un long document scanné avec Ctrl+F, au lieu de lire chaque page.

Vieux papiers et archives

Rendez vos dossiers de pages scannées consultables, pour que votre ordinateur retrouve un document grâce aux mots qu’il contient.

Photos d’affiches et de tickets

Copiez le texte d’une photo d’affiche, de menu ou de ticket de caisse et collez-le dans un message ou un traducteur.

Documents en plusieurs langues

Choisissez deux langues ou plus, par exemple le français et l’anglais ou le chinois et l’anglais, et elles sont lues sur la même page.

Ce que l’outil ne peut pas faire

  • L’OCR fait des erreurs, surtout avec les photos floues, les petits caractères, les tableaux et l’écriture manuscrite. Vérifiez toujours les noms, chiffres et montants importants.
  • Le texte est lu en lignes horizontales. Le chinois ou le japonais écrits verticalement, ainsi que les pages couchées, ne sont pas lus correctement.
  • La mise en page n’est pas reconstruite. Vous obtenez du texte consultable sur la page d’origine, pas un document Word modifiable.
  • Lors de nos tests, certaines langues sont lues avec moins de précision que d’autres. Elles sont signalées par « précision moindre » dans la liste des langues.
  • Les données d’une langue sont téléchargées la première fois que vous l’utilisez (la taille est affichée avant de commencer) : cette première fois, il faut donc une connexion internet.
  • La lecture se fait sur votre appareil : elle est plus lente sur les téléphones anciens, et les documents très longs peuvent épuiser la mémoire d’un téléphone. Divisez-les d’abord en plusieurs parties.
  • Les PDF protégés par un mot de passe, et ceux dont le propriétaire a bloqué les modifications, ne peuvent pas être lus.

Questions sur l’OCR

Qu’est-ce que l’OCR ?

L’OCR (reconnaissance optique de caractères) consiste à lire les lettres d’une image et à les transformer en vrai texte. Un PDF scanné ne contient que des images de pages : on ne peut ni y faire de recherche ni en copier le texte tant qu’il n’est pas passé par l’OCR.

Mon PDF va-t-il changer d’aspect ?

Non. Le texte est ajouté sous forme de calque invisible, donc les pages restent exactement identiques. Lors de nos tests, les pages sont identiques pixel pour pixel avant et après.

Mon document est-il envoyé en ligne ?

Non. Le lecteur de texte tourne dans votre navigateur. La seule chose téléchargée, ce sont les données de langue, depuis pdfMB. Votre fichier n’est jamais envoyé nulle part.

Quelles langues peut-il lire ?

Les 32 langues de ce site, dont le français, l’anglais, le thaï, le chinois (simplifié et traditionnel), le japonais, le coréen, l’arabe, l’hébreu, l’hindi, le bengali, le birman, le russe et le vietnamien. Choisissez-en plusieurs si le document mélange les langues.

Quelle est sa précision ?

Sur des pages imprimées nettes, la plupart des langues reconnaissent presque tous les caractères. Les photos, les petits caractères et certaines écritures sont plus difficiles. Nous avons testé chaque langue et signalé les plus faibles par « précision moindre ».

Pourquoi certaines pages sont-elles ignorées ?

Les pages qui contiennent déjà du vrai texte, comme celles créées dans Word, n’ont pas besoin d’OCR : elles restent donc telles quelles. Cochez « Lire aussi les pages qui contiennent déjà du texte » pour les lire quand même.

Puis-je récupérer seulement le texte ?

Oui. Après la lecture, le texte s’affiche sous le bouton de téléchargement. Appuyez sur « Copier le texte », ou sur « Télécharger le .txt » pour l’enregistrer dans un simple fichier texte.