OCR PDF : comment reconnaître le texte d'un document scanné

Le problème du PDF scanné

Lorsque vous scannez un document avec votre smartphone ou un scanner bureautique, vous obtenez un fichier PDF composé exclusivement d'images. Il est impossible de sélectionner le texte pour le copier, de faire une recherche dans le document ou de l'annoter proprement.

Comment fonctionne l'OCR ?

L'Optical Character Recognition (reconnaissance optique de caractères) est un processus qui associe l'image d'une lettre à un caractère Unicode. Grâce à Tesseract.js, PurePDF exécute ce moteur directement dans votre navigateur avec une précision remarquable.

La garantie du local

Certains services envoient vos documents scannés (qui contiennent souvent des données très sensibles : passeports, contrats, actes notariés) à des serveurs distants pour traitement. Chez PurePDF, l'OCR s'exécute chez vous. Les images restent dans votre mémoire vive.

Questions fréquentes

Quelle est la précision de l'OCR ?

Sur des documents propres et droits, la précision dépasse 95%. L'écriture manuscrite reste en revanche difficile à interpréter pour les moteurs actuels.

Quelles langues sont supportées ?

Le français et l'anglais sont supportés nativement. De nombreuses autres langues peuvent être ajoutées selon les modèles disponibles.