Comment convertir un PDF scanné en Word avec l'OCR

Repérer les pages qui nécessitent l'OCR

Essayez de sélectionner une phrase ou de rechercher un mot caractéristique. Si cela ne fonctionne pas, la page est peut-être une image. Certains documents mélangent scans et pages numériques : OCR PDF peut ignorer celles qui contiennent déjà du texte. Gardez le scan original pour contrôler la reconnaissance ensuite.

Préparer le scan et choisir les langues

Utilisez des pages droites, bien éclairées, sans ombres ni bords coupés. Dans OCR PDF, choisissez la langue imprimée sur la page, pas uniquement celle de l'interface. Sélectionnez les deux langues d'un document bilingue, mais évitez les langues inutiles. Le réglage 300 ppp aide pour les petits caractères, avec davantage de temps et de mémoire ; 200 ppp peut convenir au texte plus grand.

Alphabet latin : PDF recherchable puis Word

Pour les langues latines prises en charge, notamment français, anglais et espagnol, choisissez la sortie PDF recherchable. Lancez l'OCR, téléchargez ce PDF, puis ouvrez PDF en Word et convertissez ce nouveau fichier en .docx.

• Vérifiez qu'un mot est sélectionnable dans le résultat OCR.
• Convertissez le PDF recherchable, pas le scan original composé d'images.
• Ouvrez le document Word et corrigez texte et coupures de paragraphes.

Arabe et russe : utiliser le fichier texte

L'OCR du site reconnaît l'arabe et le russe, mais ne crée pas de couche PDF recherchable pour ces écritures. Téléchargez le .txt reconnu, ouvrez-le en UTF-8 et collez-le dans Word ou un autre traitement de texte. Réglez le sens d'écriture, reconstruisez les titres et enregistrez en .docx.

N'envoyez pas le PDF original composé d'images à PDF en Word en espérant y retrouver les mots reconnus. Le parcours par fichier texte demande une édition manuelle : ce n'est pas une conversion automatique d'un PDF arabe en DOCX conservant sa mise en page.

Relire avant d'utiliser le document

Comparez noms, dates, montants et négations avec le scan. L'OCR peut confondre 0 et O ou omettre une ponctuation peu visible. Les colonnes et tableaux peuvent être lus dans le mauvais ordre : contrôlez-les séparément. PDF en Word reconstruit le texte, pas les polices exactes, images, tableaux ou mises en page complexes.

L'OCR et PDF en Word fonctionnent dans le navigateur, sans envoi du document. L'OCR télécharge son moteur et ses langues depuis un CDN public, qui voit les informations ordinaires de requête mais pas vos pages. Sur téléphone, commencez par un échantillon court : les longs scans peuvent dépasser la mémoire disponible.