OCR d'un PDF scanné : lire le texte de chaque page

Mode d'emploi

Choisissez le PDF scanné avec Choisir un fichier. Son nombre de pages apparaît sous le nom.
Laissez Pages vide pour lire les 20 premières pages, ou saisissez des pages comme 1-3, 8. Au plus 20 pages sont lues en une seule fois.
Choisissez la Langue du texte, puis appuyez sur Lire le texte. Chaque page apparaît sous son titre au fur et à mesure ; Annuler arrête la lecture à tout moment.
Vérifiez les pages signalées comme incertaines par rapport au scan, puis appuyez sur Copier, ou sur Télécharger pour garder un fichier .txt.

Comment les pages sont lues

Chaque page est dessinée à partir du PDF à 300 ppp (points par pouce), et une très grande page est dessinée plus petite pour rester dans la mémoire du navigateur. L'image est lue par Tesseract, le moteur OCR libre, qui tourne dans un worker web pour que la page reste réactive. Le moteur repère les lignes de texte, puis lit chaque caractère avec un réseau de neurones entraîné sur du texte imprimé dans la langue choisie. Les fichiers de langue sont les modèles rapides de tessdata_fast.

Ce qui fait bien lire un scan

Un texte net, droit et sombre sur une page unie se lit le mieux, à partir d'un scan de 200 ppp ou plus. Une page penchée, pâle ou ombrée se lit moins bien, et c'est aussi le cas des caractères très petits, comme les notes de bas de page. L'écriture manuscrite et les polices décoratives ne sont pas lues de façon fiable, car le moteur est conçu pour le texte imprimé. Une page sans texte, comme une page blanche ou un dessin, est signalée comme n'en contenant aucun.

Le lecteur couvre les onze langues de la liste ; un texte dans une autre langue doit être comparé au scan avant toute utilisation.

Les limites d'une lecture

Une lecture porte sur 20 pages au plus. Le démarrage du moteur peut prendre 2 minutes, puis chaque page 1 minute ; une lecture plus longue est arrêtée, et les pages lues restent dans la zone de texte. La confiance que le moteur donne à chaque page est sa propre estimation pour ses mots : une page en dessous de 60 est marquée pour une vérification. C'est un repère, pas une preuve que chaque mot est juste. Un PDF qui contient déjà du texte n'a pas besoin d'OCR : PDF en texte lit ce texte tel qu'il est stocké.

Votre fichier reste sur votre appareil

Le PDF est ouvert et dessiné dans votre navigateur par pdf.js, une bibliothèque libre, et le moteur lit les images dans un worker. Rien n'est envoyé, et rien n'est conservé dans votre navigateur ni sur notre serveur. La zone de texte est vide à nouveau quand vous quittez la page.

Exemple : une lettre scannée de 3 pages

Une lettre de 3 pages scannée en images n'a aucun texte que PDF en texte puisse lire. Choisissez le fichier ici et laissez Pages vide : les trois pages sont lues, et la zone affiche --- Page 1 ---, puis le texte de la page 1, puis --- Page 2 --- et ainsi de suite.

Pour ne lire que la deuxième et la troisième page, saisissez 2-3 dans Pages. Ces deux pages apparaissent sous leur propre titre, et la lecture est plus courte.

Questions fréquentes

Pourquoi un mot sort-il avec une mauvaise lettre ?

Le moteur lit la forme de chaque lettre : une ligne petite, pâle, floue ou penchée peut donner une lettre changée. Comparez la page avec le scan. Si beaucoup de mots sont faux, scannez de nouveau la page plus droite et à une résolution plus élevée.

Combien de pages puis-je lire d'un coup ?

20 pages au plus en une seule lecture. Pour un fichier plus long, lisez-le par parties : après la première lecture, saisissez 21-40 dans Pages, ou coupez d'abord le fichier avec Diviser un PDF.

Que se passe-t-il quand une lecture s'arrête tôt ?

Une lecture s'arrête à sa limite de temps, quand vous appuyez sur Annuler, ou quand le moteur échoue. Les pages déjà lues restent dans la zone sous leur titre, et le message indique combien de pages ont été lues.

Peut-il lire un PDF qui contient déjà du texte ?

Il travaille sur les images des pages, donc il convient à un scan. Un PDF qui contient déjà du texte est lu plus fidèlement par PDF en texte, qui prend le texte stocké tel quel.

Mon PDF scanné est-il envoyé ou conservé ?

Non. Le PDF est lu dans votre navigateur et n'est jamais envoyé. Rien n'est conservé dans votre navigateur ni sur notre serveur, et le texte disparaît quand vous quittez la page.

Pourquoi une page est-elle signalée pour une vérification ?

Le moteur donne à chaque page une confiance moyenne pour les mots qu'il a lus. Une page en dessous de 60 signifie que le lecteur a hésité sur de nombreux mots. Un chiffre élevé est bon signe, mais il ne prouve pas que chaque mot est juste.

Sources

Chiffres et texte vérifiés pour la dernière fois le mercredi 11 novembre 2026.