Rendez un PDF scanné consultable par OCR dans le navigateur, avec une couche de texte invisible sous les pages originales, sans aucun envoi.
Traitement en local sur votre appareil ...
0%
Vos fichiers n’ont jamais quitté votre appareil
Non. Tout s’exécute dans votre navigateur - votre fichier ne quitte jamais votre appareil. Comment le vérifier
Un PDF scanné n'est en substance qu'une pile d'images: vous voyez le texte, mais vous ne pouvez ni le sélectionner, ni le rechercher, ni le copier. L'OCR (reconnaissance optique de caractères) lit les lettres dans l'image et les place sous forme de couche de texte invisible exactement sur les pages. L'apparence reste identique, mais le PDF devient consultable et le texte sélectionnable, ce qu'attendent les administrations, les archives et les moteurs de recherche en texte intégral.
Choisissez comme sortie un PDF consultable (pages originales plus couche de texte) ou du texte brut au format TXT. Sélectionnez la langue du document dans la liste, plus de 100 langues du français, de l'anglais et de l'allemand au russe, à l'arabe et au hindi, en passant par le japonais, le coréen et le chinois, chacune dans son propre nom, afin que les caractères soient correctement reconnus. Tout s'exécute dans le navigateur via WebAssembly: le même moteur Tesseract libre que l'outil "Image en texte", appliqué page par page à tout le PDF. Lors de la première utilisation, le navigateur télécharge le moteur et le modèle de langue choisi une seule fois (quelques Mo, même origine); l'outil fonctionne ensuite hors ligne.
L'outil est destiné aux PDF scannés ou constitués uniquement d'images. La reconnaissance dépend fortement de la qualité du scan: des pages nettes, droites et très contrastées donnent d'excellents résultats; les pages penchées ou floues donnent de bien moins bons résultats; l'écriture manuscrite n'est pas reconnue de manière fiable. Dans le PDF consultable, chaque page est réintégrée sous forme d'image, ce qui préserve la mise en page mais peut augmenter la taille du fichier. Un PDF contenant déjà du texte réel n'a pas besoin d'OCR. Vérifiez le résultat pour les chiffres et les noms propres.
| Formats d'entrée | |
|---|---|
| Format de sortie | |
| Traitement par lots | Oui |
| Traitement | En local dans le navigateur (WebAssembly) |
| Téléversement de fichiers | Aucun |
Limites: Pour les PDF SCANNÉS ou PDF images: les rend consultables par OCR (couche de texte invisible) ou retourne le texte brut. Reconnaît le texte IMPRIMÉ dans plus de 100 langues et de nombreuses écritures; écriture manuscrite non fiable. Remarque: la couche de texte invisible dans le PDF consultable utilise une police Latin-1, les caractères non latins (p. ex. CJK, arabe, cyrillique) n'y sont donc pas intégrés; pour ces écritures, utilisez la sortie "Texte seul (TXT)" pour obtenir le texte intégralement reconnu. Dans le PDF consultable, chaque page est réintégrée comme image, la mise en page est préservée mais le fichier peut grossir; un PDF avec du vrai texte n'a pas besoin d'OCR. La reconnaissance n'est pas parfaite: vérifiez en particulier les chiffres et les noms propres. Le moteur et le modèle de langue sont téléchargés une seule fois (quelques Mo, même origine), puis l'outil est utilisable hors ligne. Les PDF volumineux peuvent demander du temps et de la mémoire selon le nombre de pages et l'appareil.
Non. Le rendu et la reconnaissance s'effectuent entièrement en local dans le navigateur (WebAssembly); le PDF ne quitte jamais votre appareil, ce qui est l'avantage décisif pour les contrats et le courrier officiel.
La page ressemble au scan, mais une couche de texte invisible est placée dessous. Cela vous permet de faire des recherches dans le PDF, de sélectionner et de copier du texte, sans que l'apparence visuelle change.
Oui. Chaque page est intégrée sous forme d'image de la page originale, avec la couche de texte invisible alignée dessus avec précision. L'apparence ne change pas, bien que le fichier puisse légèrement grossir.
D'autres langues oui: plus de 100 disponibles, dont l'arabe, le russe, le hindi, le japonais, le coréen et le chinois. L'écriture manuscrite n'est pas reconnue de façon fiable, uniquement le texte imprimé. Pour les écritures non latines, utilisez la sortie "Texte seul (TXT)", car la couche de texte du PDF consultable est limitée au Latin-1.