Comment rendre un PDF numérisé interrogeable

Vous scannez un rapport de plusieurs pages et l'enregistrez au format PDF. Lorsque vous l'ouvrez et appuyez sur Ctrl+F (ou ⌘+F sur Mac), rien n'est trouvé - pas même un mot que vous voyez clairement sur la première page. Le document est une image, et les images ne contiennent pas de texte interrogeable.

Rendre un PDF numérisé interrogeable ajoute une couche de texte invisible derrière les images. C'est cette couche de texte que Ctrl+F, les systèmes de gestion documentaire et les moteurs de recherche lisent. L'apparence visuelle du document reste exactement la même.

Ce que fait l'OCR

Le logiciel de reconnaissance optique de caractères (OCR) analyse chaque pixel de chaque page et identifie les caractères, les mots et la structure de la mise en page. Il place ensuite ces caractères dans une couche cachée à la même position que le texte correspondant de l'image. Le résultat est un PDF dont l'apparence est identique au scan original, mais qui contient, en dessous, un texte réel, sélectionnable et interrogeable.

Comment rendre votre PDF interrogeable avec Pagivo

1. OuvrirAsk PDFsur Pagivo et connectez-vous si on vous le demande.
2. Téléchargez votre PDF numérisé.
3. Tapez une demande telle querendez ce PDF consultable avec OCR.
4. Cliquez surTraiter et télécharger. Pagivo exécute l'OCR sur les pages qui en ont besoin et renvoie le document avec une couche de texte consultable ajoutée.
5. Ouvrez le résultat dans n'importe quel visionneur PDF et appuyez sur Ctrl+F. Vos termes de recherche seront désormais trouvés.

Facteurs qui affectent la précision

L'OCR fonctionne mieux sur des documents propres et bien numérisés. Plusieurs facteurs affectent la précision de la couche de texte :

• Résolution de numérisation.300 DPI est le minimum pratique pour un OCR fiable. Les résolutions plus faibles produisent une reconnaissance de caractères peu fiable, en particulier pour les petits textes.
• Redressement de la page.Une page inclinée ou courbée perturbe la détection des limites des caractères. Les scanners à plat produisent systématiquement de meilleurs résultats que les caméras de téléphone pour cette raison.
• Clarté de la police.Les polices imprimées standard sont reconnues avec une très haute précision. Les polices décoratives, les textes très petits (moins de 8 pt équivalent à 300 DPI) et les numérisations fortement compressées produisent plus d'erreurs de reconnaissance.
• Écriture manuscrite.La plupart des moteurs OCR sont entraînés sur du texte imprimé. Attendez-vous à une précision plus faible ou à un résultat pour la plupart inutilisable sur les pages manuscrites.

Lorsque vous avez besoin de modifier le contenu, et pas seulement de le rechercher

L'OCR crée un PDF avec recherche intégrée - le texte est réel mais la page ressemble toujours à un scan. Si vous devez modifier le contenu (corriger un nom, changer une date, reformater un tableau), vous devez convertir le PDF vers un format modifiable. Le flux de travail recommandé est : exécuter d'abord l'OCR pour créer un PDF avec recherche intégrée, puis convertir ce PDF en Word à l'aide dePDF en Wordpour obtenir la meilleure qualité de conversion.

Utiliser Google Drive comme alternative gratuite

Google Drive dispose d'un OCR intégré sans frais. Téléversez le PDF dans Google Drive, cliquez dessus avec le bouton droit et choisissezOuvrir avec Google DocsGoogle exécute l'OCR et ouvre le résultat sous forme de document modifiable. La mise en page ne sera pas conservée, mais le texte sera extrait. Cela fonctionne bien pour les documents courts où vous n'avez besoin que du contenu textuel, pas de la mise en page d'origine.