OCR PDF
Transformez un PDF scanné en un PDF où l'on peut chercher, sélectionner et copier le texte. Les pages restent exactement les mêmes : les mots s'ajoutent par-dessus, dans une couche invisible. Tout se passe dans votre navigateur, votre scan ne quitte donc jamais cet appareil.
Déposez un PDF scanné ici
Votre fichier reste sur cet appareil. Rien n'est envoyé.
Comment faire l'OCR d'un PDF scanné pour le rendre cherchable
- Déposez le PDF scanné dans la zone ci-dessus, ou appuyez sur « Choisir un fichier PDF ». L'outil repère les pages qui sont des images et celles qui ont déjà du texte.
- Choisissez la langue dans laquelle le document est écrit. Sa taille s'affiche avant que le téléchargement commence.
- Appuyez sur « Rendre cherchable et télécharger » et patientez pendant la lecture de chaque page. « Arrêter » annule à tout moment.
- Ouvrez le PDF téléchargé et faites-y une recherche. « Télécharger le texte (.txt) » vous donne les mots seuls.
Ce que fait l'outil OCR PDF
Les scanners et les applications de scan sur téléphone enregistrent chaque page sous forme d'image. Le PDF a l'air d'un document mais se comporte comme une photo : impossible d'y chercher un mot, d'en sélectionner une phrase ou de se le faire lire à voix haute. Cet outil lit les mots de chaque image et les pose sur la page en texte invisible, si bien que le même fichier devient cherchable.
Ce qu'il fait
- Lit le texte imprimé des pages scannées et l'ajoute page par page, dans une couche invisible et cherchable
- Laisse chaque page exactement comme elle était : rien n'est redessiné ni recompressé
- Saute les pages qui ont déjà du texte, et vous dit lesquelles
- Lit seize langues, dont le chinois, le japonais, le coréen, le hindi et le népalais, chacune téléchargée depuis ce site seulement quand vous la choisissez
- Vous donne aussi le texte reconnu dans un fichier .txt
Ce qu'il ne fait pas
- Envoyer votre scan ; le moteur OCR tourne dans cet onglet du navigateur
- Lire l'écriture manuscrite
- Sauver un mauvais scan : un texte pâle, flou, minuscule ou de travers ressort avec des erreurs, et les pages difficiles sont signalées
- Reconstruire la mise en page en document modifiable ; PDF en Word peut ensuite sortir le texte du fichier cherchable
- Lire l'arabe ni les autres écritures de droite à gauche, pour l'instant
- Redresser les pages couchées ; passez d'abord par Pivoter PDF
Dernière mise à jour
Besoin d'envoyer ceci à quelqu'un ?
Notre site jumeau QRSansar héberge un document et vous donne un lien court et un QR code pour celui-ci. C'est pratique pour WhatsApp, une diapositive, une affiche ou un imprimé, et cela évite complètement les limites de taille des pièces jointes. Vous pouvez remplacer le fichier plus tard, le lien et le QR code continuent de fonctionner.
Autant être clair sur la différence : c'est un service d'hébergement, votre fichier y est donc téléversé. Tout ce qui se passe sur PDFsansar reste sur votre appareil ; le partage est la seule tâche qui ne le peut pas.
Partager un document sur QRSansar →Autres outils
Tous gratuits, et tous fonctionnent dans cet onglet sans rien envoyer.
OCR PDF: questions fréquentes
Mon scan est-il envoyé quelque part ?
Non. Le moteur OCR, Tesseract, tourne dans cet onglet du navigateur. À la première utilisation, le moteur et la langue choisie se téléchargent depuis ce site, et non depuis celui de quelqu'un d'autre, puis votre navigateur les garde. Le PDF lui-même est lu et réécrit sur cet appareil, et n'est envoyé nulle part.
Les pages vont-elles changer d'aspect ?
Non. Chaque page reste exactement comme elle était. Les mots s'ajoutent dans une couche invisible, placés là où ils apparaissent sur le scan : quand vous sélectionnez une phrase, la surbrillance tombe sur les mots imprimés. Rien n'est redessiné ni recompressé, et le fichier grossit de quelques kilo-octets par page.
Quelles langues sait-il lire ?
L'anglais, l'espagnol, le français, l'allemand, le portugais, l'italien, l'indonésien, le malais, le filipino, le swahili, le vietnamien, le hindi, le népalais, le chinois simplifié, le japonais et le coréen. Choisissez celle du document : chacune n'est téléchargée que si vous la choisissez, et sa taille s'affiche avant. L'arabe n'est pas encore proposé : il peut être lu, mais certains lecteurs PDF affichent le résultat à l'envers, et une recherche qui ne trouve pas les mots ne sert à rien.
Combien de temps cela prend-il ?
Quelques secondes par page sur un ordinateur. Mesuré sur une machine à 4 cœurs dans Chrome : 3 à 9 secondes par page en moyenne, un ticket de caisse du côté rapide, une pleine page de magazine en petits caractères du côté lent, et la page la plus chargée a pris 11 secondes. Un téléphone est plus lent. La première fois, le moteur OCR et la langue se téléchargent avant toute lecture, environ 4 Mo pour l'anglais, puis votre navigateur les garde. Vous pouvez laisser tourner l'outil dans un autre onglet, et « Arrêter » fonctionne à tout moment.
Est-ce que c'est fiable ?
Sur des pages imprimées propres, presque chaque mot est juste : sur deux pages de magazine et de rapport tirées d'un jeu de test OCR standard, 99 % des mots sont ressortis. Sur de vrais formulaires scannés en allemand, en espagnol, en français, en japonais et en chinois, de 91 à 96 %. Sur des tickets de caisse scannés, en petits caractères sur papier thermique, 79 %. Les erreurs se concentrent sur les noms, les chiffres et les petits caractères : vérifiez-les avant de vous y fier. Les pages difficiles à lire sont signalées à la fin.
Que deviennent les pages qui ont déjà du texte ?
Elles sont laissées exactement telles quelles, et la page vous dit lesquelles avant de commencer. Les relire superposerait une deuxième copie de chaque mot à la première. Si toutes les pages ont déjà du texte, l'outil le dit et ne fait rien.
Peut-il lire l'écriture manuscrite ?
Non. Tesseract est conçu pour le texte imprimé. L'écriture manuscrite donne du charabia ou rien du tout, et une page sans rien de lisible est signalée à la fin du travail.
Puis-je récupérer le texte seul ?
Oui. À la fin, un bouton vous donne le texte dans un fichier .txt, page après page, dans l'ordre. Les pages qui avaient déjà du texte y figurent telles quelles.