OCR gratuit : extraire le texte d'une image ou d'un PDF scanné
Cette page rassemble les deux façons d'utiliser la reconnaissance optique de caractères (OCR) sur Warizma : à partir d'une photo ou d'un scan image, ou à partir d'un PDF déjà scanné. Dans les deux cas, le même moteur transforme une image de texte en texte réellement exploitable — copiable, modifiable, cherchable — plutôt qu'un simple dessin de lettres.
Pourquoi deux outils pour la même technologie
Une photo de livre prise au téléphone et un PDF scanné par un photocopieur ne posent pas exactement les mêmes questions : la première soulève des problèmes de cadrage, d'inclinaison et d'éclairage propres à la prise de vue à main levée, quand le second est souvent déjà bien aligné mais peut contenir plusieurs dizaines de pages, ou déjà être "secrètement" cherchable si un logiciel a incorporé une couche de texte. Séparer les deux intentions de recherche en deux pages permet à chacune d'expliquer ce qui lui est propre, tout en partageant le même moteur de reconnaissance en coulisses.
Ce qui détermine la qualité du résultat
Contrairement à une idée reçue, la qualité d'un OCR dépend d'abord de l'image envoyée, pas du moteur de reconnaissance lui-même : un document bien à plat, bien éclairé et net donnera un excellent résultat même avec un moteur ordinaire, alors qu'une photo floue et de travers mettra en échec le meilleur des moteurs. C'est pourquoi cet outil applique un prétraitement automatique — redressement, débruitage, mise à l'échelle — avant de lancer la reconnaissance, et signale les pages où le résultat reste peu fiable plutôt que de livrer un texte silencieusement incorrect.
Trois formats de sortie
Chaque traitement produit le texte brut (copiable directement), un document Word (un paragraphe par bloc de texte détecté) et un PDF cherchable qui conserve l'apparence de l'image d'origine tout en permettant de sélectionner et de copier son contenu — utile pour archiver un document tout en le gardant indexable par un lecteur PDF. Le fichier envoyé est supprimé automatiquement 30 minutes après le traitement, jamais journalisé ni réutilisé.