Appliquez l’OCR à vos PDF numérisés
Cet outil exécute Tesseract.js, un moteur OCR open source, entièrement dans votre navigateur. Chaque page PDF est transformée en image haute résolution, puis convertie en texte. Très gourmand en processeur et en mémoire ; confidentialité totale.
Mode d'emploi
- Choisissez un PDF numérisé
- Cliquez sur Lancer l’OCR (le moteur se télécharge à la première utilisation)
- Patientez : 5–20 s par page
- Copier le texte ou le télécharger au format .txt
Questions fréquentes
Cela rend-il mon PDF lui-même consultable, ou me donne-t-il simplement le texte à part ?
Uniquement le texte, séparément. Le résultat est du texte brut que vous copiez ou téléchargez sous forme de fichier .txt, et non un PDF modifié auquel on aurait rajouté une couche de texte consultable. Si vous avez spécifiquement besoin d'un PDF consultable, vous devrez combiner vous-même le texte extrait avec le fichier d'origine.
Cela fonctionne-t-il pour des langues autres que l'anglais ?
La langue par défaut est l'anglais ; la précision pour d'autres langues dépend de la capacité du modèle de Tesseract, entraîné en anglais, à gérer cet alphabet, ce qui est généralement médiocre pour les alphabets non latins.
La précision de l’OCR dépend de la qualité du scan. Des numérisations nettes de plus de 300 dpi, avec du texte noir sur fond blanc, donnent une précision supérieure à 95 % ; les pages délavées, de travers ou manuscrites sont peu fiables.