Rendre un scan cherchable sans l’envoyer nulle part

Comment ça marche

Un document scanné n’est qu’une suite d’images : le texte s’y voit, mais il ne se cherche pas, ne se copie pas et ne se lit pas à voix haute. L’outil dessine chaque page, y reconnaît les mots, puis pose par-dessus une couche de texte invisible, mot par mot, à l’endroit exact où chaque mot est dessiné. Le document garde son aspect au pixel près, et devient cherchable.

La reconnaissance est faite par Tesseract, le moteur libre de référence, installé dans votre navigateur le temps du travail. Le moteur et la langue choisie se téléchargent au premier usage, de 4 à 7 Mo selon la langue, puis restent en cache.

Ce que la reconnaissance lit bien, et moins bien

Un texte imprimé, scanné droit et net, se lit presque sans faute. La lecture fine, à 300 points par pouce, aide pour les petits caractères et les notes de bas de page. Un scan penché, flou ou très contrasté donne des erreurs, comme dans tous les logiciels d’OCR.

L’écriture manuscrite n’est pas reconnue. Les tableaux sont lus ligne par ligne : le texte y devient cherchable, mais la structure en colonnes n’est pas reconstruite.

Pourquoi cocher la bonne langue

Le moteur s’appuie sur un modèle propre à chaque langue, qui connaît ses lettres accentuées et ses mots courants. Un texte français lu avec le modèle anglais perd ses accents. Pour un document qui mélange deux langues, cochez les deux : la lecture est un peu plus lente.

Questions fréquentes

Mon fichier est-il envoyé quelque part ? Non. Vous pouvez le vérifier vous-même, en trente secondes : voici la marche à suivre.

Le document change-t-il d’aspect ? Non. Les pages gardent leur image d’origine, sans recompression. La couche de texte ajoutée est invisible : elle sert à chercher, à sélectionner et à copier.

Et les pages qui ont déjà du texte ? Elles sont laissées telles quelles, pour ne pas doubler chaque mot à la recherche. Une case permet de les lire quand même, par exemple si leur texte est illisible.

Combien de temps faut-il ? Quelques secondes par page sur un ordinateur récent, un peu plus sur un téléphone. La lecture fine prend environ deux fois plus de temps que la lecture rapide.

Et les PDF protégés par mot de passe ? Un PDF qui s’ouvre sans mot de passe mais interdit l’impression ou la copie est accepté tel quel. S’il faut un mot de passe pour l’ouvrir, passez d’abord par déverrouiller un PDF, si vous le connaissez.