Du pack de scans au texte : OCR puis compression du PDF que vous conservez
Un pack de scans, deux étapes : l’OCR PDF123 renvoie du Markdown, Compresser réduit le PDF d’origine par recompression des flux. Ordre et sorties diffèrent.

Un « pack de scans » est en général une pile d’images de pages réunies dans un seul PDF : volumineux sur le disque, vide pour la recherche et la copie. Sur ce site, les deux outils que l’on enchaîne ne produisent pas un PDF interrogeable magique. OCR renvoie du Markdown. Compresser réécrit le PDF que vous conservez.
Cette séparation, c’est tout l’enchaînement.
Ce que l’OCR vous donne réellement ici
POST /api/v1/misc/ocr-pdf lance la reconnaissance et télécharge un fichier .md (text/markdown) : le texte natif du PDF fusionné avec l’OCR des pages image. Il n’écrit pas de couche de texte cachée dans le PDF. Si vous attendiez une sélection et une recherche dans le même fichier, c’est une autre forme de produit (la sortie classique à la OCRmyPDF). Ce point de terminaison sert à produire du texte qu’un agent ou une chaîne de traitement peut lire.
Auto ou Force OCR :
- tout sauf
ocrType=force-ocr(y compris le libellé « Normal » du portail) correspond à Auto : réutiliser le texte existant là où il est présent, et lancer l’OCR sur les pages purement image ; force-ocrrelit chaque page, y compris celles qui possèdent déjà une couche de texte.
Le formulaire du portail n’offre aucun sélecteur de langue. Les champs hérités du style tessdata (languages, redressement, options de nettoyage et autres) sont ignorés par le chemin Rust ocr_pdf. Les modes Auto et Force, ainsi que les raisons des échecs de reconnaissance sur de mauvais scans, sont traités dans Comment l’OCR lit un PDF scanné.
L’OCR ne réduit pas le PDF. Le Markdown téléchargé est un second artefact, à côté du pack de scans d’origine.
Où Compresser intervient
Compresser (POST /api/v1/misc/compress-pdf) exécute la compression de flux qpdf : --compress-streams=y, recompression Flate et génération de flux d’objets. Il n’invente pas de couche de texte, ne réduit pas les polices et ne promet pas de sous-échantillonnage photographique. Sur un fichier riche en scans, il peut encore réduire l’espace occupé en tassant davantage les flux ; sur un fichier déjà serré, le gain peut être faible. Contexte sur les leviers flux et images : Ce qui se passe réellement quand on compresse un PDF.
Utilisez Compresser sur le PDF que vous archiverez ou enverrez par courriel. Utilisez la sortie Markdown de l’OCR quand vous avez besoin des mots. Compresser d’abord ne rend pas l’OCR plus précis ; lancer l’OCR d’abord ne réduit pas le PDF.
Un ordre pratique
- Si le lecteur n’ouvre pas le pack, commencez par Réparer ou Get Info.
- Passez le pack de scans à l’OCR pour obtenir du Markdown, et contrôlez quelques pages.
- Séparément, compressez une copie du PDF si la taille reste le problème.
- Conservez l’original intact lorsque votre politique l’exige.
Chiffrer un fichier exige toujours un Déverrouiller autorisé avant l’une ou l’autre étape. Les secrets relèvent de Sanitize / Auto Redact, pas de l’OCR. Un export de tableau qui renvoie 204 après un scan signifie qu’aucune colonne de texte n’a été trouvée : commencez par l’OCR Markdown, puis décidez si un tableur a même sa place (Export de tableau vide (204)).
Les sorties à suivre
Après une exécution typique, vous pouvez détenir trois artefacts : le pack de scans d’origine, un Markdown OCR .md et, éventuellement, une copie compressée du PDF. Étiquetez-les. Envoyer uniquement le Markdown fait perdre les images de pages ; envoyer uniquement le PDF compressé laisse toujours l’absence de couche sélectionnable issue de ce chemin OCR. Une chaîne de traitement qui a besoin à la fois des mots et d’un PDF plus léger doit conserver les deux sorties ou relancer un côté plus tard.
Force OCR sur un pack né numérique dont la couche de texte est cassée peut rester utile ; Auto sur un pack né numérique propre peut éviter complètement le moteur OCR. Aucun mode n’écrit le texte dans le PDF.
Ce que cet enchaînement n’est pas
Les packs de scans échouent lorsque les équipes supposent qu’un seul bouton extrait le texte et réduit les pixels comme le ferait une chaîne OCRmyPDF de bureau. Ici, le texte sort en Markdown ; le PDF reste un PDF, sauf si vous le compressez exprès. Aucune étape de ce site ne renvoie « le même PDF, désormais interrogeable et plus léger » en un seul appel.
Pour l’automatisation HTTP des mêmes opérations, voir Développeurs.