Meilleur outil OCR – Convertissez facilement le texte d'une image en texte modifiable

Ce que fait l'outil OCR

Le flux de travail comporte trois étapes : le téléversement, la reconnaissance et la révision. La zone de téléversement accepte les fichiers image par navigation ou par glisser-déposer. Un sélecteur de langue permet de choisir une ou plusieurs langues de reconnaissance. Un commutateur optionnel active un éditeur de recadrage et de zoom pour isoler la zone de texte.

Lorsque vous cliquez sur Lancer l'OCR, Tesseract.js charge les données de langue sélectionnées et traite l'image. Le résultat s'affiche dans un éditeur de texte, accompagné d'un score de confiance. Vous pouvez modifier le texte avant de le télécharger, ce qui est important car l'OCR est rarement parfait.

Le menu des formats de sortie propose Text (.txt), PDF (.pdf) et Word (.doc). Les exports TXT et Word sont générés dans le navigateur. L'export PDF envoie le texte reconnu au serveur afin qu'il soit rendu.

Comment extraire du texte

1. Téléversez une image. Une photo nette, droite et bien éclairée donne de meilleurs résultats qu'une photo inclinée ou dans l'ombre.
2. Sélectionnez la ou les langues présentes dans l'image. Choisir une langue sans rapport avec le contenu réduit la précision.
3. Activez l'option de recadrage si l'image contient des éléments superflus en arrière-plan, et cadrez la zone de texte.
4. Cliquez sur Lancer l'OCR et attendez la fin du téléchargement des données de langue et de la reconnaissance.
5. Lisez le score de confiance et relisez le texte pour repérer les erreurs.
6. Corrigez les noms, les nombres et la ponctuation avant l'export.
7. Choisissez TXT, PDF ou Word et téléchargez le résultat.

La première exécution peut prendre plus de temps, car le navigateur doit télécharger les données de langue. Les exécutions suivantes peuvent réutiliser les données en cache si le navigateur l'autorise.

Langues et écritures

La liste de 15 langues couvre plusieurs écritures indiennes ainsi que l'anglais, le français, l'allemand et l'espagnol. Vous pouvez sélectionner plusieurs langues lorsqu'un document mélange les écritures, mais chaque langue supplémentaire augmente le temps de traitement et la consommation de mémoire.

L'outil ne propose pas de données de langue pour le chinois, le japonais ou le coréen. Pour ces écritures, utilisez un service OCR dédié doté du modèle approprié. Il ne traduit pas non plus le texte ; il renvoie les caractères qu'il reconnaît dans la langue d'origine.

Pour le texte manuscrit, la précision est bien plus faible que pour le texte imprimé. Un numérisation propre d'une page imprimée constitue le meilleur cas de figure. Une photo d'une écriture manuscrite, une police stylisée ou une capture d'écran de faible résolution peuvent produire des résultats peu fiables.

Améliorer la précision

Commencez par l'image dont la résolution est la plus élevée. Recadrez sur la zone de texte, gardez la page bien droite et évitez les reflets ou les ombres marquées. Si l'image est tournée, utilisez la rotation de l'éditeur de recadrage ou redressez-la dans un logiciel photo avant le téléversement.

Choisissez la bonne langue. Si un document est principalement en anglais avec quelques noms dans une autre écriture, essayez d'abord l'anglais et corrigez les noms manuellement. Mélanger les langues peut perturber le modèle si une écriture prédomine.

Relisez les nombres, les dates et les codes caractère par caractère. L'OCR confond souvent 0 et O, 1 et l, 5 et S, ainsi que d'autres formes similaires. Un score de confiance est un indicateur, pas une garantie.

Formats de sortie

Le format texte est l'export le plus sûr. Il préserve les caractères reconnus et fonctionne dans n'importe quel éditeur. Le PDF crée un document simple à partir du texte ; il ne préserve pas la mise en page d'origine de l'image et ne rend pas le PDF interrogeable comme le ferait un PDF numérisé avec une couche OCR.

L'option Word produit un document HTML avec une extension .doc, et non un véritable fichier DOCX. Word peut généralement l'ouvrir, mais la mise en forme complexe n'est pas conservée. Pour obtenir un document propre et modifiable, collez le texte dans votre traitement de texte et appliquez-y les styles.

Le texte non latin peut s'afficher mal dans le PDF généré par le serveur en raison des limites des polices. Utilisez l'export TXT et créez le PDF dans une application disposant des polices appropriées si l'écriture est importante.

Limites et confidentialité

L'image est traitée localement pour l'OCR. Seul le texte extrait est envoyé au serveur pour la génération du PDF ; les exports TXT et Word ne téléversent pas le texte. La page ne crée pas de compte et ne conserve pas d'historique, mais le navigateur peut mettre les données de langue en cache.

La page ne fixe pas de limite explicite à la taille des images, mais les très grandes images sont lentes à décoder et à reconnaître. Une photo de haute résolution prise au smartphone peut prendre beaucoup de temps et consommer une mémoire considérable. Redimensionnez une image très lourde avant le téléversement si la page devient inutilisable.

L'outil n'est pas un système de gestion documentaire. Il n'enregistre pas vos résultats OCR, ne détecte pas les tableaux de manière fiable, ne préserve pas les colonnes et ne valide pas le texte. Considérez chaque résultat comme un brouillon devant faire l'objet d'une relecture humaine, en particulier pour les documents juridiques, médicaux ou financiers.

Préparer les numérisations et les captures d'écran

Une image plane et uniformément éclairée est plus facile à reconnaître qu'une photo prise en biais. Si vous numérisez, utilisez 300 DPI et un mode niveaux de gris ou couleur qui conserve un texte net. Si vous photographiez une page, remplissez le cadre avec le texte, évitez les ombres de votre main ou de votre téléphone et gardez l'appareil photo parallèle à la page.

Pour une capture d'écran, effectuez-la à un zoom de 100 pour cent plutôt qu'en vue réduite. Un texte minuscule qui semble lisible à l'écran peut représenter trop peu de pixels pour l'OCR. Recadrez pour éliminer les barres du navigateur, les barres latérales et les publicités, afin que le moteur se concentre sur le contenu.

Si l'image contient un tableau, l'OCR lira généralement le texte mais ne préservera pas les colonnes. Exportez le texte et reconstruisez le tableau dans un tableur ou un éditeur de documents. Ne supposez pas que l'ordre de lecture correspond à l'ordre visuel.

Vérification du résultat de l'OCR

Lisez le texte en le confrontant à l'image, et non de mémoire. Vérifiez en premier les noms propres, les nombres, les dates, les symboles monétaires et la ponctuation. Ce sont les éléments les plus susceptibles d'être erronés et les plus coûteux à laisser sans vérification. Un score de confiance proche du haut de l'échelle est rassurant, mais ne garantit pas chaque ligne.

Utilisez le查找 et remplacer... — non, utilisez la fonction rechercher et remplacer pour les erreurs répétées une fois un schéma identifié, par exemple une lettre systématiquement mal lue. Veillez à ne pas remplacer une occurrence correcte. Pour un document long, relisez page par page plutôt que de faire confiance à une seule passe.

Si le texte est destiné à un formulaire, copiez-le dans le formulaire et vérifiez les limites des champs. L'OCR peut insérer des sauts de ligne là où le formulaire attend une seule ligne. Uniformisez l'espacement avant de soumettre.

Flux de travail TXT, PDF et Word

Commencez par le TXT pour l'édition et l'archivage. C'est le format qui perd le moins d'information et le plus facile à rechercher. Si vous avez besoin d'un PDF, générez-le à partir du texte corrigé plutôt que de la sortie brute de l'OCR. Le PDF côté serveur est un simple rendu texte ; il ne préserve ni l'image source ni une mise en page complexe.

L'export Word est une commodité pour ouvrir le fichier dans un traitement de texte, et non une conversion DOCX fidèle. Appliquez les titres, les polices et les tableaux dans le traitement de texte après l'import. Vérifiez que les écritures non latines s'affichent correctement ; sinon, utilisez le fichier TXT et choisissez une police qui prend en charge cette écriture.

Conservez l'image d'origine à côté du texte si le document pourrait devoir être vérifié plus tard. L'OCR est une aide à la transcription, pas une copie certifiée.

Questions fréquentes