Corriger un mauvais texte OCR dans un PDF
Certains PDF ont l'air corrects mais se comportent mal : la recherche ne trouve rien ou de mauvais mots, et le texte copié n'a aucun sens. Souvent, le fichier est passé par un logiciel d'OCR peu performant lors de la numérisation, ou les polices du PDF n'ont pas les informations qui associent les formes aux lettres. OCR PDF peut remplacer l'ancienne couche de texte ou relire les pages à partir de leurs images.
Comment corriger le texte d'un PDF
- Identifiez votre problème Sélectionnez quelques mots et collez-les dans un éditeur de texte. Des mots faux mais lisibles indiquent un mauvais OCR ; des symboles aléatoires, un problème de police.
- Envoyez le PDF dans OCR PDF Ouvrez OCR PDF avec le bouton ci-dessus et choisissez le fichier.
- Choisissez le mode Pour une ancienne couche OCR de mauvaise qualité, gardez « Automatique » : il remplace ce texte caché. Pour un charabia dû aux polices, choisissez « Forcer », qui relit chaque page à partir de son image.
- Vérifiez le résultat Téléchargez le PDF, recherchez quelques mots et copiez un paragraphe pour vérifier le nouveau texte.
Deux causes, deux solutions
Ancienne couche OCR remplacée
« Automatique » détecte le texte caché ajouté par un précédent logiciel d'OCR, le supprime et reconnaît de nouveau la page avec un moteur actuel.
Vrai texte conservé
Le texte saisi dans le document n'est pas modifié en mode « Automatique » ; seuls le contenu des images et l'ancien texte OCR sont refaits.
Polices défectueuses
Si la copie donne des symboles comme « ÿþ » ou des carrés, la police n'a pas de table de caractères correcte. « Forcer » transforme chaque page en image et la reconnaît entièrement.
Ce que coûte « Forcer »
Avec « Forcer », le vrai texte devient partie intégrante de l'image de la page et est remplacé par du texte reconnu : les liens et le texte original sélectionnable sont perdus. Ne l'utilisez qu'en cas de besoin.
Meilleure source, meilleur texte
Des numérisations pâles, bruitées ou de travers donnent un mauvais OCR dans n'importe quel logiciel. Nettoyez la numérisation d'abord, puis lancez l'OCR.
Les bonnes langues
Choisissez toutes les langues présentes dans le document. Une langue manquante est l'une des causes les plus fréquentes de mots OCR erronés.
Bon à savoir
- L'OCR n'est jamais parfait. Même un bon résultat peut confondre 0 et O, 1 et l, ou rn et m – vérifiez les noms, les nombres et les montants.
- Si la copie est bloquée plutôt qu'erronée, le PDF comporte des restrictions d'autorisation – utilisez plutôt Déverrouiller un PDF.
Corriger un mauvais OCR – questions fréquentes
Pourquoi le texte copié de mon PDF ressemble-t-il à du charabia ?
Soit le texte OCR caché est de mauvaise qualité, soit les polices du PDF n'associent pas les formes à de vraies lettres. Relancer l'OCR règle le premier cas ; le mode « Forcer », le second.
La page change-t-elle d'aspect après un nouvel OCR ?
En mode « Automatique », non – seul le texte invisible change. En mode « Forcer », les pages sont conservées en tant qu'images : l'aspect est le même, mais le texte n'est plus l'original.
Peut-on corriger un mot erroné à la main ?
Non. OCR PDF reconnaît de nouveau les pages ; il ne propose pas de correction manuelle du texte.
Pourquoi la recherche est-elle toujours erronée après l'OCR ?
Vérifiez les langues et la qualité de la numérisation. Une faible résolution, une forte compression et l'écriture manuscrite entraînent des erreurs.
Est-ce gratuit ?
Oui. C'est gratuit, sans inscription ni filigrane, et les fichiers sont supprimés après le traitement.
Remplacez le mauvais texte de votre PDF
Envoyez le PDF dans OCR PDF, choisissez le mode et obtenez un texte que vous pouvez rechercher et copier.
Corriger le texte de mon PDF