Nettoyer puis OCRiser un PDF scanné
Supprimer les pages blanches, améliorer les couleurs, lancer l’OCR puis télécharger le PDF recherchable.
À quoi sert ce modèle ?
Supprimer les pages blanches, améliorer les couleurs, lancer l’OCR puis télécharger le PDF recherchable.
Le modèle rend un document scanné propre et recherchable : suppression des pages blanches, renforcement du contraste, puis reconnaissance du texte (OCR) qui ajoute une couche de texte invisible sous l’image. Vous pouvez ensuite chercher, copier ou faire indexer le contenu.
Étapes du Pipeline
Ce modèle enchaîne automatiquement 5 étapes dans le Workspace. Vous gardez la main sur chaque réglage avant l’exécution.
- 1Importer un PDF
- 2Supprimer les pages blanches
- 3Ajuster contraste et couleurs
- 4OCR PDF
- 5Télécharger le PDF
Pourquoi les étapes sont dans cet ordre
Les pages blanches sont retirées avant l’OCR pour ne pas analyser des pages vides. Le contraste est renforcé avant la reconnaissance, car un texte plus net est mieux lu.
Quand utiliser ce modèle ?
- Rendre consultables des factures ou contrats scannés pour les retrouver par mot-clé.
- Copier un passage d’un document papier numérisé sans le retaper.
- Préparer des archives scannées avant leur classement.
Traitement local dans votre navigateur
Lorsque les modules utilisés sont compatibles avec le traitement local, vos fichiers restent sur votre appareil pendant l’exécution.
Réglages à vérifier
- Langue de l’OCR : français par défaut, anglais, espagnol, allemand, italien, portugais ou français + anglais.
- Résolution d’analyse : échelle 1,8 par défaut (environ 130 ppp) ; augmentez-la pour de petits caractères.
- Contraste : renforcé d’un réglage fixe (+20), sans option dans ce modèle.
Exemple
- Au départ
- Facture scannée de 3 pages, sans texte sélectionnable.
- À l’arrivée
- PDF de 3 pages dans lequel on peut chercher « Total TTC » ou le numéro de facture.
Limites à connaître
- La reconnaissance peut se tromper sur un scan flou, incliné ou manuscrit : vérifiez les montants et les noms.
- Choisissez la bonne langue : un document anglais analysé en français donne plus d’erreurs.
- L’OCR est la partie la plus longue : comptez plusieurs secondes par page dans le navigateur.