OCR : reconnaître le texte d'un PDF ou d'une image

À propos de cet outil

Reconnaissez le texte de vos documents scannés, photos et PDF image grâce à Tesseract (open source), exécuté dans votre navigateur : choisissez la langue (français, anglais ou les deux), traitez page par page avec la prévisualisation en regard du texte, corrigez le résultat, puis copiez-le, téléchargez-le en TXT ou Markdown, ou créez un PDF recherchable qui conserve l'image d'origine avec une couche de texte invisible.

Comment utiliser cet outil

1. 1Déposez un PDF scanné ou une image (JPG, PNG, WebP) et choisissez la langue.
2. 2Lancez la reconnaissance : le moteur se télécharge une première fois puis chaque page est traitée (quelques secondes par page).
3. 3Relisez et corrigez le texte page par page, puis copiez-le, téléchargez-le en TXT/Markdown ou créez un PDF recherchable.

Limites à connaître

• Moteur Tesseract 5 (LSTM) exécuté dans le navigateur : plus lent qu'un service en ligne, mais totalement privé. Comptez 2 à 15 secondes par page selon l'appareil.
• Qualité dépendante du document : texte imprimé net, bien contrasté, à 200-300 dpi donne les meilleurs résultats. L'écriture manuscrite, les polices fantaisie et les photos floues sont mal reconnues.
• Les tableaux et mises en page en colonnes peuvent être mélangés ; les tampons et signatures produisent parfois des caractères parasites.
• Le PDF recherchable conserve l'image et ajoute une couche de texte invisible : la mise en forme n'est pas reconstruite. Les mots dont la confiance est faible sont ignorés.
• Jusqu'à 200 pages par document ; la mémoire du navigateur limite les très gros fichiers.

Formats acceptés

PDF, JPEG, PNG, WebP

Taille maximale

100 Mo

Questions fréquentes