Rendre un PDF scanné consultable avec l'OCR

Ouvrez le PDF et essayez de sélectionner un seul mot. Si c'est impossible et que la recherche ne trouve rien, la page n'est qu'une image : le scanner a pris une photo, pas du texte. Cela arrive surtout avec les contrats signés, les factures anciennes et tout ce qui passe par un copieur de bureau ou par l'appareil photo du téléphone. Si la sélection fonctionne, il y a bien une couche de texte et l'outil PDF vers texte vous suffira. Ce n'est que lorsque cette couche manque qu'il faut d'abord lire le texte dans l'image — c'est à cela que sert cet outil.

Une fois la reconnaissance terminée, le texte s'affiche à l'écran : copiez-le ou enregistrez-le en .txt, pratique pour reprendre un passage dans un devis ou un dossier. Si vous choisissez le PDF consultable, le scan garde exactement son apparence et le texte vient se poser par-dessus, en couche invisible. La recherche fonctionne, la sélection aussi, et l'exemplaire signé n'est en rien modifié. Cette couche couvre la page sans se caler au millimètre sur chaque mot : chercher et copier marchent bien, pointer un mot à la souris non. Le fichier reste aussi lourd que le scan ; trop lourd pour un e-mail, envoyez-le par lien de téléchargement.

Le résultat dépend de ce que vous fournissez. Un document scanné bien droit à 300 dpi se lit presque sans faute ; une photo prise de travers, avec une ombre sur la moitié de la page, produit le plus d'erreurs. Chaque page est réduite avant la reconnaissance : les notes de bas de page en petits caractères et les tampons disparaissent en premier. Les colonnes se retrouvent l'une après l'autre et les tableaux reviennent sous forme de texte aligné par des espaces ; relisez donc vous-même les montants et les références avant de les reprendre. Chaque page part en image vers la reconnaissance et n'est pas conservée ensuite : aucune copie de votre contrat ne reste stockée.