PDF numérique vs PDF numérisé
Un PDF numérique (exporté depuis Word, un site web ou un logiciel de comptabilité) contient directement les caractères et leur position. Vous pouvez sélectionner et copier le texte, et n'importe quel outil de résumé peut le lire.
Un PDF numérisé (provenant d'un scanner, d'un photocopieur ou d'une application mobile) contient uniquement des images. Il n'y a aucun caractère, juste des pixels qui ressemblent à des lettres. Le copier-coller ne donne rien et un outil de résumé qui lit seulement la couche de texte verra un document vide.
Certains PDF sont hybrides : une image numérisée avec une couche de texte OCR invisible ajoutée par le logiciel du scanner. Ils se comportent comme des PDF numériques, avec la précision de l'OCR utilisée.
Comment vérifier si votre PDF est numérisé
- Essayez de sélectionner un mot. Si toute la page se met en surbrillance comme une photo, ou si rien ne se sélectionne, le document est numérisé.
- Recherchez un mot visible (Ctrl/Cmd + F). Aucun résultat ? Il est numérisé.
- Zoomez fortement : le texte numérisé devient flou ou pixelisé ; le texte numérique reste net.
Fonctionnement de l'OCR (en bref)
Le logiciel d'OCR nettoie l'image de la page (redressement, contraste), repère les lignes de texte, segmente les caractères ou les mots, puis les reconnaît à l'aide d'un modèle entraîné pour chaque langue. Les moteurs modernes comme Tesseract utilisent des réseaux de neurones qui reconnaissent des lignes entières, ce qui améliore la précision, mais la qualité du document d'origine reste primordiale.
Obtenir une OCR précise
- Résolution : 300 ppp pour les petits caractères, 200 ppp suffisent pour du texte normal. En dessous de 150 ppp, les erreurs se multiplient.
- Pages à plat et droites : utilisez un scanner à plat ou une application mobile qui redresse et rogne les pages ; évitez les pages de livres courbées.
- Contraste : du noir sur fond blanc est l'idéal ; les tickets de caisse thermiques effacés et les fonds colorés posent problème.
- Langue : l'OCR s'appuie sur des modèles linguistiques — les documents en français, anglais, allemand, espagnol, italien ou portugais sont les mieux reconnus par notre outil.
- Pas d'écriture manuscrite : les notes manuscrites sont rarement reconnues de manière fiable.
Résumer un PDF numérisé en une seule étape
- Importez le PDF numérisédans l'outil résumé de PDF numérisé ou directement sur la page d'accueil.
- Patientez pendant l'OCRla progression indique « PDF numérisé : OCR en cours » ; comptez quelques secondes par page.
- Choisissez le formatRésumé, Points clés, Poser des questions ou le texte reconnu au format .txt.
- Vérifiez les détails critiquescomparez les noms, les montants et les dates avec l'image d'origine.
Erreurs d'OCR courantes à surveiller
- 0 et O, 1 et l et I, 5 et S, 8 et B dans les chiffres et les codes.
- Points décimaux oubliés ou séparateurs de milliers manquants dans les montants.
- Colonnes fusionnées dans les mises en page à plusieurs colonnes.
- En-têtes, tampons et signatures lus comme des caractères aléatoires.
Un résumé généré à partir d'un texte OCR hérite de ces erreurs, d'où l'importance des références de pages et d'une vérification rapide des chiffres clés.
Questions fréquentes
Puis-je résumer la photo d'un document ?
Oui, si elle est enregistrée au format PDF et que la page est bien à plat, nette et bien éclairée. Les applications de scan qui recadrent et aplatissent donnent de bien meilleurs résultats que de simples photos.
Pourquoi l'OCR prend-il plus de temps ?
Chaque page doit être analysée comme une image. Comptez environ 2 à 4 secondes par page, contre une lecture quasi instantanée pour les PDF numériques.
Y a-t-il une limite de pages pour les PDF numérisés ?
Sur l'outil gratuit, l'OCR prend en charge les 40 premières pages d'un PDF numérisé. Les PDF numériques peuvent atteindre 300 pages.
Puis-je récupérer le texte issu de l'OCR ?
Oui, utilisez l'onglet Extraire le texte ou l'outil PDF vers texte et téléchargez le fichier .txt.