Aller au contenu principal
Bethemesh
PDF & documents

OCR PDF

Transformez les pages scannées en images, appliquez une reconnaissance OCR puis récupérez un PDF recherchable et le texte détecté.

  • Export
Automatiser

Intégrer ce widget

Personnalisez le rendu, vérifiez l’aperçu puis copiez le code.

Aperçu

Type de code d’intégration

Code à copier

Responsive et redimensionné automatiquement par Bethemesh.

Vos fichiers sont traités localement dans votre navigateur et ne sont jamais envoyés sur nos serveurs.

Déposez votre fichier ici

Taille recommandée : 100 Mo maximum

Le document reste dans votre navigateur. Le moteur OCR et les données linguistiques sont chargés à la demande.

Cet outil vous a-t-il été utile ?

Comment fonctionne cet outil ?

L’OCR (reconnaissance optique de caractères) lit le texte présent sur les images d’un PDF scanné ou photographié. L’outil produit deux résultats : un PDF recherchable, dans lequel vous pouvez sélectionner, copier et chercher des mots, et un fichier texte brut. Les pages sont analysées dans votre navigateur par le moteur open source Tesseract ; le document lui-même n’est envoyé nulle part.

Chaque page est d’abord dessinée en image à la qualité choisie : Rapide (échelle 1,4, environ 100 ppp), Équilibrée (1,8, environ 130 ppp) ou Haute (2,2, environ 158 ppp). Tesseract y repère les mots, leur position et leur orientation, avec la langue indiquée : français, anglais, espagnol, allemand, italien, portugais ou français et anglais combinés.

Le PDF recherchable reprend chaque page sous forme d’image, puis place les mots reconnus dans une couche de texte invisible exactement par-dessus. À l’écran, le document ressemble au scan d’origine ; dans le lecteur, la recherche et la sélection fonctionnent. Le fichier texte regroupe le texte reconnu, page par page, précédé de repères --- Page n ---.

Au premier lancement, le moteur Tesseract et les données de la langue choisie sont téléchargés depuis un réseau de diffusion (jsDelivr) : une connexion Internet est nécessaire. Vos pages, elles, restent sur l’appareil. La progression s’affiche en pourcentage pendant la reconnaissance.

Comment utiliser cet outil ?

  1. Importez le PDF scanné

    Choisissez le document dont le texte n’est pas sélectionnable.

  2. Réglez la langue et la qualité

    Indiquez la langue du document et choisissez Équilibrée, ou Haute pour de petits caractères.

  3. Lancez l’OCR et téléchargez

    À la fin, récupérez le PDF recherchable, le texte brut, ou les deux, à partir des boutons proposés.

Cas d'utilisation

Rendre un scan recherchable

Retrouvez un nom ou un montant dans un contrat ou une facture numérisés avec Ctrl+F.

Récupérer le texte d’une photo de document

Copiez le contenu d’un courrier photographié pour le citer ou le retravailler.

Préparer une conversion

Ajoutez une couche de texte avant de convertir le PDF en Markdown, HTML ou CSV.

Exemples

Une page A4 en qualité Équilibrée

La page est analysée sous forme d’image de 1 072 × 1 515 pixels (échelle 1,8). Dans le PDF obtenu, une recherche du numéro de facture surligne le bon endroit de l’image, car chaque mot reconnu est placé à sa position d’origine.

Entrée

Facture scannée d’une page A4, langue Français, qualité Équilibrée

Résultat

facture-ocr.pdf recherchable et facture-ocr.txt commençant par « --- Page 1 --- »

Conseils et bonnes pratiques

  • Un scan net, droit et bien contrasté donne de bien meilleurs résultats ; ajustez le contraste au préalable si la page est pâle.
  • Choisissez la vraie langue du document : les accents et les mots fréquents sont mieux reconnus.
  • Relisez les chiffres importants (montants, IBAN, dates) : l’OCR peut confondre 0 et O, 1 et l.
  • Supprimez d’abord les pages blanches d’un long scan pour gagner du temps.

Questions fréquentes

Mon PDF est-il envoyé sur un serveur ?

Non. Les pages sont rendues et reconnues dans votre navigateur. Seuls le moteur Tesseract et le fichier de langue sont téléchargés depuis jsDelivr au premier usage.

Le PDF recherchable garde-t-il le texte d’origine si mon document en avait déjà ?

Non. Chaque page est remplacée par son image et la nouvelle couche de texte provient de l’OCR. N’utilisez pas l’outil sur un PDF dont le texte est déjà sélectionnable.

Pourquoi le fichier obtenu est-il plus lourd ?

Parce que chaque page devient une image PNG à la résolution choisie. La qualité Rapide produit un fichier plus léger, au prix d’une reconnaissance moins fiable sur les petits caractères.

Quelles langues sont reconnues ?

Français, anglais, espagnol, allemand, italien et portugais, ainsi qu’une combinaison français + anglais pour les documents mixtes.

La reconnaissance est-elle exacte à 100 % ?

Non. Elle dépend de la netteté, de la police et de la mise en page ; les tableaux, l’écriture manuscrite et les scans flous produisent plus d’erreurs.

Combien de temps faut-il compter ?

Quelques secondes par page sur un ordinateur récent, davantage en qualité Haute ou sur mobile. La progression est indiquée en pourcentage.

Outils associés

Continuez avec ces outils

Des outils similaires ou complémentaires à celui-ci.

Fonctionne bien avec

PDF vers Markdown

Extrayez le texte sélectionnable d’un PDF et convertissez-le en Markdown localement, sans OCR ni envoi du document.

PDF & documentsUtiliser l’outil

À lire aussi

GuideBonnes pratiquesDébutant

Comment nettoyer puis OCRiser un PDF scanné

Nettoyez un PDF scanné avant OCR pour supprimer les pages inutiles et obtenir un document recherchable plus exploitable.

6 septembre 20263 min