Transformer un PDF en texte gratuit — OCR en ligne, sans compte, sans téléversement

OCR stands for Optical Character Recognition. In a PDF context, OCR turns image-based pages — scans, faxes, photos, rasterized exports — into pages with a real text layer underneath the picture. The visible content stays exactly the same. The difference is that Ctrl+F finds words across the document, you can select and copy text, screen readers can read it, and any PDF→Word / PDF→Excel / PDF→Text tool can extract data from it.

Deux types de PDFs dans la pratique

1. 1

   Ouvrir l'outil OCR

   Visit pdfedit.com/ocr-pdf in any modern browser. No install, no signup, no extension required — the page works offline once it's loaded.

2. 2

   Déposez votre PDF scanné

   Drag any PDF onto the dropzone above, or click Sélectionner un PDF to browse. The file loads into your browser memory only — there is no server upload step at any point in the workflow.

3. 3

   Choisir la langue du document

   Choisissez la langue que Tesseract doit reconnaître : français, anglais, espagnol, allemand, italien, portugais, russe, arabe, chinois, japonais, coréen, hindi et 20+ autres. Pour les documents multilingues, choisissez la langue dominante — Tesseract gère raisonnablement bien les petites quantités d'autres alphabets.

4. 4

   Cliquer sur Lancer l'OCR

   Chaque page est rendue à haute résolution, reconnue par Tesseract et réassemblée en un PDF cherchable avec une couche de texte invisible. Le résultat est identique à la source — même image de page, même mise en page, mêmes signatures et tampons. La seule différence est le texte sélectionnable et copiable en dessous.

5. 5

   Télécharger et vérifier

   The searchable PDF saves to your device. Open it in any PDF reader and try Ctrl+F on a word from the document — it should jump straight to the right page. Job done.

Adobe Acrobat (et certains autres outils OCR) proposent deux modes de sortie. Nous utilisons l'image cherchable par défaut car c'est le choix le plus sûr pour la plupart des documents. Voici la différence :

1. 1. Scannez à 300 DPI ou plus.

   Tesseract a été entraîné sur des scans à 300 DPI. Les résolutions plus basses perdent les détails des caractères et la précision chute rapidement en dessous de 200 DPI. La plupart des scanners grand public sont réglés par défaut à 300 DPI ; les applis de scan sur téléphone s'ajustent généralement automatiquement.

2. 2. Assurez-vous que les pages sont droites.

   Les pages inclinées (plus de ~5° hors d'équerre) perturbent le détecteur de lignes. La plupart des applis de scan modernes redressent automatiquement ; si la vôtre ne le fait pas, faites pivoter avant l'OCR.

3. 3. Choisissez le bon pack de langue.

   "English" and "Spanish" are different models — using the wrong one for a French document will produce gibberish. For genuinely mixed-language documents, combine packs (the language picker accepts e.g. eng+spa).

4. 4. Les scans propres battent les scans élaborés.

   Le texte noir sur fond blanc propre donne une précision OCR de près de 99 %. Le papier jauni, les photos granuleuses ou le texte sur fond coloré réduit la précision. Si vous le pouvez, scannez en niveaux de gris ou en noir et blanc pur plutôt qu'en couleur.

5. 5. Utilisez une échelle de rendu plus élevée (3× / 288 DPI) pour les petits caractères.

   Si votre source comporte du petit texte — tickets de caisse, notes de bas de page, impression juridique dense — augmentez l'échelle de rendu à 3× avant l'OCR. Plus lent par page, mais récupère les détails que Tesseract manquerait autrement.

6. 6. L'écriture manuscrite nécessite un autre outil.

   Tesseract est optimisé pour le texte imprimé et peu fiable sur l'écriture manuscrite. Pour l'OCR manuscrit, Google Cloud Vision Handwriting et Microsoft Read sont les options de référence (toutes deux payantes).