Fichiers · Outil

OCR et extraction de texte PDF

Extrayez le texte d’un PDF ou reconnaissez celui des pages numérisées. Choisissez un fichier, traitez-le localement et téléchargez une nouvelle copie.

Fonctionne dans votre navigateur. Aucun envoi.

Les PDF contenant du texte ne nécessitent pas d’OCR.

À propos de cet outil

OCR et extraction de texte PDF en toute simplicité.

Extrayez le texte d’un PDF ou reconnaissez celui des pages numérisées. Le fichier reste sur votre appareil ; le navigateur et l’appareil ont leurs limites.

Guide

Utiliser OCR et extraction de texte PDF

Cette page extrait le texte d’un PDF. Si une page contient déjà du texte sélectionnable, la page le copie directement. Si une page n’est qu’une image, comme dans un scan, la page lance la reconnaissance optique de caractères, ou OCR, pour lire les lettres de l’image. Vous choisissez la langue du texte imprimé et les pages à lire, appuyez sur un bouton, puis copiez le texte. Le PDF est ouvert et lu sur votre propre appareil. Le résultat est du texte brut uniquement. La page ne crée pas de nouveau PDF consultable, ne conserve pas la mise en page et ne lit pas bien l’écriture manuscrite.

Comment l’utiliser

  1. Appuyez sur la case de fichier sous Choisir un PDF numérisé et choisissez un PDF sur votre appareil.
  2. Ouvrez Langue du texte et choisissez la langue imprimée sur les pages. Une seule langue peut être utilisée à chaque exécution, et cela ne compte que pour les pages qui sont des images.
  3. Dans Pages à analyser, laissez le mot tout, ou saisissez des pages comme 1-3,5. Les numéros doivent être compris entre 1 et la dernière page du fichier.
  4. Appuyez sur Extraire le texte / OCR. Une barre de progression apparaît et la ligne d’état compte les pages, par exemple Lecture de la page 1 sur 3. Une page numérisée nécessite d’abord le téléchargement d’un fichier de langue, donc la première exécution peut être plus longue.
  5. Lisez la case Texte extrait. Chaque page commence par une ligne comme --- Page 1 ---, et les pages sont séparées par une ligne vide.
  6. Appuyez sur Copier le texte pour le coller dans votre propre éditeur, ou sur Télécharger le TXT pour enregistrer le texte dans un fichier brut. Appuyez sur Effacer pour recommencer.

Exemples détaillés

Un PDF qui contient déjà du texte sélectionnable

Vous saisissez
PDF
1 page avec des lignes de texte : Notes de réunion du club de jardinage / La prochaine réunion a lieu mardi soir
Langue
Anglais
Pages
tout
Vous obtenez
Texte
--- Page 1 --- Notes de réunion du club de jardinage La prochaine réunion a lieu mardi soir

Le texte a été pris directement dans le fichier, sans OCR. Les deux lignes ont été jointes par un espace, donc les sauts de ligne sont perdus sur les pages qui utilisent leur propre texte.

Non calculé avec l’outil. À prendre comme une illustration.

Une page numérisée lue par OCR

Vous saisissez
PDF
1 page qui n’est qu’une image des mots Facture 2026 / Total dû 45 euros
Langue
Anglais
Pages
tout
Vous obtenez
Texte
--- Page 1 --- Facture 2026 Total dû 45 euros

Aucun texte n’a pu être sélectionné, la page a donc été dessinée comme une image et lue par OCR. Cette image de test était propre, avec de gros caractères. Les vrais scans sont plus désordonnés, vérifiez donc toujours le résultat.

Non calculé avec l’outil. À prendre comme une illustration.

Un fichier qui mêle pages numérisées et vrai texte

Vous saisissez
PDF
3 pages : une image de texte, une page avec du vrai texte, une image de texte
Langue
Anglais
Pages
tout
Vous obtenez
Texte
--- Page 1 --- Facture 2026 Total dû 45 euros --- Page 2 --- Cette page contient un vrai texte sélectionnable --- Page 3 --- Bonjour monde numérisé Deuxième ligne ici

La page 2 avait son propre texte, elle a donc été copiée directement. Les pages 1 et 3 ont été lues par OCR. Le résultat conserve l’ordre d’origine des pages.

Non calculé avec l’outil. À prendre comme une illustration.

La mauvaise langue fait perdre les accents

Vous saisissez
PDF
1 page numérisée affichant Camión rápido / El niño está aquí
Langue a
Anglais
Langue b
Español
Vous obtenez
Anglais
Camion rapido El nino esta aqui
Español
Camión rápido El niño está aquí

Avec le modèle anglais, les accents ont disparu. Les lettres fausses exactes peuvent changer selon l’image et la police. Avec le modèle espagnol, le texte est sorti correctement. Choisissez la langue qui correspond à la page imprimée.

Non calculé avec l’outil. À prendre comme une illustration.

Choisir des pages avec une plage

Vous saisissez
PDF
4 pages
Pages
3, 1-2
Vous obtenez
Pages lues
1, 2, 3
Page ignorée
4

Les numéros sont classés et les doublons fusionnés. La page 4 n’est pas lue. Un numéro hors du fichier, comme 0-2 ou 2-9 pour un fichier de 4 pages, donne le message Choisissez des numéros de page de 1 à 4.

Calculé avec le code même de l’outil.

Un fichier de plus de 120 pages

Vous saisissez
PDF
121 pages
Pages
1-3
Vous obtenez
Statut
Par sécurité, cet outil prend en charge jusqu’à 120 pages à la fois. Utilisez la plage de pages pour traiter une section plus petite.

Le nombre de pages du fichier entier est vérifié avant l’utilisation de la plage. Un fichier de 121 pages est donc refusé même si vous demandez trois pages. Un fichier de 120 pages avec la plage 119-120 a fonctionné.

Calculé avec le code même de l’outil.

Quand c’est utile

  • Copier les mots d’une lettre numérisée, d’un formulaire ou d’une page imprimée dans un e-mail ou un document.
  • Obtenez le texte d’un article ou d’un chapitre de livre numérisé pour pouvoir y chercher des mots ou le citer.
  • Extrayez le texte d’un PDF qui ne permet pas de sélectionner les mots à la souris.
  • Transformez quelques pages d’un contrat ou d’un rapport numérisé en texte lisible sur un petit écran.
  • Lisez un document distribué numérisé dans l’une des 16 langues proposées sur la page.
  • Lisez un seul chapitre d’un long livre numérisé en saisissant sa plage de pages.

Limites à garder en tête

  • Les langues de l’OCR sont l’anglais, l’espagnol, le français, l’allemand, le portugais, l’arabe, le chinois simplifié, le japonais, le coréen, l’hindi, le bengali, le russe, l’ourdou, le turc, le vietnamien et l’indonésien. Une seule peut être choisie par exécution, et la page ne peut pas détecter la langue elle-même.
  • Le fichier entier peut avoir au plus 120 pages, même si vous en demandez moins avec une plage de pages. Pour un fichier plus long, découpez-le d’abord avec un outil PDF.
  • Une page n’est traitée comme du vrai texte que si elle contient plus de 20 caractères sélectionnables. Toute autre page est dessinée comme une image et lue par OCR, même si quelques caractères isolés y figurent.
  • Les pages sont dessinées jusqu’à 1.7 fois leur taille et sur au plus environ 1,800 pixels de large avant la lecture, donc les très petits caractères, l’encre pâle, les colonnes, les tableaux et l’écriture manuscrite sont souvent mal lus.
  • Le résultat est du texte brut uniquement. La mise en page, les images, les tableaux et les polices ne sont pas conservés, les pages à base de texte ressortent sans sauts de ligne, et aucun PDF consultable n’est créé.
  • Appuyer sur Annuler arrête la lecture après la page en cours. Le texte des pages déjà lues est conservé, et vous pouvez appuyer de nouveau sur Extraire.

Conseils

  • Essayez d’abord une ou deux pages en saisissant une plage comme 1-2. Vérifiez la langue et la qualité, puis lancez le fichier entier.
  • Choisissez la langue du texte imprimé, et non la langue de votre écran. Un mauvais choix fait perdre les accents et fait mal lire les lettres.
  • Utilisez un scan droit, net et bien éclairé. Les pages de travers, floues ou ombrées donnent un moins bon texte.
  • Comparez le résultat avec la page, surtout pour les nombres, les dates, les noms et les montants, où un seul chiffre erroné compte.
  • Divisez un long fichier en parties de moins de 120 pages et traitez les parties l’une après l’autre.
  • Gardez cet onglet ouvert jusqu’à la fin de l’analyse, car les longs fichiers peuvent prendre du temps sur un appareil lent.

Sources

Questions fréquentes

À propos de OCR et extraction de texte PDF.

Puis-je copier le texte d’un PDF numérisé ?

Oui. Choisissez le fichier et la langue, et appuyez sur Extraire le texte / OCR. Les pages qui ne sont que des images sont lues par OCR, et le texte apparaît dans la zone pour être copié. La reconnaissance peut faire des erreurs, donc vérifiez le résultat par rapport à la page.

Mon PDF est-il envoyé à un serveur ?

Non. Le PDF est ouvert et lu dans votre navigateur. Le moteur d’OCR et le fichier de langue sont chargés depuis les propres fichiers de ce même site la première fois qu’ils sont nécessaires. Le contenu de votre PDF n’est envoyé nulle part.

Quelles langues peut-il lire ?

Il en propose 16 : anglais, espagnol, français, allemand, portugais, arabe, chinois simplifié, japonais, coréen, hindi, bengali, russe, ourdou, turc, vietnamien et indonésien. Vous en choisissez une pour chaque exécution, donc une page contenant deux langues est mieux traitée en exécutions séparées.

Pourquoi dois-je choisir une langue ?

Le moteur de lecture utilise un fichier de langue pour savoir quelles lettres et quels mots attendre. Un mauvais choix donne de mauvais résultats, comme des accents perdus. La langue ne compte que pour les pages numérisées, car le vrai texte est copié tel quel.

Pourquoi la première exécution a-t-elle été lente ?

À la première page numérisée, le navigateur doit télécharger le moteur d’OCR, quelques mégaoctets, et le fichier de langue, qui pèse environ 0.4 à 2 MB selon les langues proposées. La page indique que votre navigateur garde le fichier, donc les exécutions suivantes sont plus rapides tant que le cache n’est pas vidé.

Comment l’outil décide-t-il qu’une page nécessite l’OCR ?

Il essaie d’abord de lire le texte stocké dans chaque page. Si une page contient plus de 20 caractères de texte sélectionnable, ce texte est utilisé. Sinon, la page est dessinée comme une image et lue par OCR. Si toutes les pages ont du texte, aucun OCR ne s’exécute et aucun fichier de langue n’est chargé.

Crée-t-il un PDF dans lequel on peut rechercher ?

Non. Il vous donne du texte brut à copier, et votre PDF d’origine n’est pas modifié. Si vous avez besoin d’un PDF avec une couche de texte cachée, il vous faut un autre outil.

Pourquoi certaines pages ressortent-elles sur une seule longue ligne ?

Les pages qui ont déjà leur propre texte sont lues élément par élément et réunies avec des espaces, leurs sauts de ligne ne sont donc pas conservés. Les pages lues par OCR gardent les sauts de ligne que le lecteur a trouvés dans l’image.

Quelle est la précision du résultat ?

Cela dépend du scan. Une impression nette, grande et droite dans la bonne langue se lit bien. Les petits caractères, l’encre pâle, l’écriture manuscrite, les colonnes et les tableaux sont plus souvent erronés. Relisez toujours les noms, les dates et les nombres avant d’utiliser le texte.

Y a-t-il une limite au nombre de pages ou à la taille du fichier ?

Le fichier peut compter au maximum 120 pages au total. Le code de la page ne fixe aucune limite de taille en mégaoctets, mais les gros fichiers demandent plus de mémoire sur votre appareil et prennent plus de temps, car les pages sont lues l’une après l’autre.

Comment enregistrer le texte dans un fichier ?

Appuyez sur Télécharger le TXT pour enregistrer un fichier de texte brut, ou sur Copier le texte et collez-le dans un éditeur. La case Texte extrait est en lecture seule, vous ne pouvez donc pas y modifier le texte. Chaque page commence par une ligne comme --- Page 1 ---, que vous pouvez supprimer dans votre éditeur.

Peut-il lire l’écriture manuscrite ou des tableaux ?

Pas de façon fiable. Le moteur de lecture est conçu pour le texte imprimé. L’écriture manuscrite est souvent mal lue, et les tableaux ressortent en lignes de texte brut sans leurs lignes ni colonnes. Utilisez le résultat comme un brouillon que vous corrigez à la main.

Comment utiliser « OCR et extraction de texte PDF » ?

Extrayez le texte d’un PDF ou reconnaissez celui des pages numérisées. Choisissez un fichier, traitez-le localement et téléchargez une nouvelle copie.

Mes données sont-elles envoyées à un serveur ?

Non. Le traitement s’effectue dans votre navigateur et vos données ne sont pas envoyées.