Aller au contenu principal
PPDF123

Appliquer l'OCR à un PDF numérisé

OCR de PDF lit un PDF numérisé ou composé d'images et renvoie soit un PDF recherchable avec une couche de texte cachée, soit son texte dans un fichier Markdown. Le fichier d'origine reste inchangé.

Déposez des fichiers ici, ou cliquez pour les choisir

Formats acceptés : PDF · jusqu'à 500.0 MB par fichier · jusqu'à 20 fichiers à la fois

Vous pouvez aussi coller un fichier avec Ctrl/Cmd+V ou depuis le menu du presse-papiers.

OCR de PDF lit un PDF numérisé ou composé d'images et le renvoie sous deux formes. Le PDF recherchable donne les mêmes pages avec une couche de texte invisible : vous pouvez rechercher, sélectionner et copier le texte. Le Markdown donne le texte dans un fichier .md pour des notes, des dépôts et des pipelines. Le fichier d'origine n'est jamais modifié.

Le PDF recherchable est produit avec Tesseract. Chaque page est rendue à 300 dpi, reconnue dans la langue choisie, puis réécrite sous forme d'image de page avec le texte reconnu caché derrière. Le nombre de pages reste le même. Comme chaque page est refaite, une page qui contenait déjà du vrai texte devient une image dotée d'une couche de texte, et la taille du fichier peut beaucoup différer de l'original. Choisissez l'une des 12 langues du formulaire ; l'API en accepte aussi jusqu'à quatre reliées par un signe plus, comme eng+fra. Au plus 50 pages sont traitées par requête.

La sortie Markdown utilise un autre moteur, qui combine le texte natif du PDF et la reconnaissance optique sur les pages d'images. Forcer l'OCR (`ocrType=force-ocr`, valeur par défaut du portail) reconnaît de nouveau chaque page, tandis que Normal utilise le texte existant quand le fichier en contient et reconnaît les pages uniquement composées d'images. Ce moteur n'a pas de réglage de langue, et la liste des langues ne s'y applique pas.

Dans les deux modes, la précision dépend de la qualité de la numérisation, du contraste et de l'inclinaison. Recadrez et redressez les photos prises au téléphone avant l'envoi quand c'est possible : une photo de page en trapèze gaspille la reconnaissance sur l'arrière-plan. L'OCR reconnaît des caractères ; il ne traduit ni ne corrige le texte, et il ne nettoie ni ne redresse la numérisation elle-même.

L'écriture manuscrite, les polices décoratives et les télécopies basse résolution sont les entrées les plus difficiles. Quand un caractère est ambigu, comme un 1 face à un l ou un 0 face à un O, le moteur retient la lecture la plus probable et poursuit, et aucun des deux modes ne renvoie de score de confiance. Vérifiez par sondage les noms et les chiffres qui doivent être exacts. En Markdown, les tableaux deviennent des barres verticales et une cellule fusionnée peut perdre sa ligne ; les pages à plusieurs colonnes sont lues dans l'ordre que le moteur déduit.

N'appliquez pas l'OCR à des documents que vous n'avez pas le droit de numériser ou de rediffuser. Les traitements s'exécutent côté serveur : téléchargez donc le résultat rapidement. Nous ne conservons pas de bibliothèque OCR de vos fichiers. Les fichiers protégés par mot de passe sont déverrouillés pour vous sur cette page dès que vous saisissez le mot de passe ; les appelants de l'API doivent d'abord exécuter Déverrouiller.

Fonctions

  • PDF recherchable avec couche de texte cachée, ou texte Markdown
  • PDF recherchable : Tesseract à 300 dpi dans 12 langues, jusqu'à 50 pages
  • Markdown : texte natif plus reconnaissance sur les pages d'images ; mode Forcer ou Normal
  • Le PDF d'origine reste inchangé
  • API anonyme sur /api/v1/misc/ocr-pdf avec outputFormat et languages

Quand utiliser cet outil

  • Rendre recherchable une pile de contrats numérisés dans une archive documentaire
  • Copier un paragraphe d'une page photographiée ou numérisée
  • Fournir des scans à des agents ou des pipelines qui attendent du Markdown
  • Rendre recherchables des reçus photographiés dans une application de notes

Comment appliquer l'OCR à un PDF numérisé ?

  1. Envoyez un PDF numérisé ou capturé avec l'appareil photo.
  2. Choisissez PDF recherchable ou Markdown. Pour un PDF recherchable, sélectionnez la langue du texte.
  3. Cliquez sur Traiter et téléchargez le résultat.
  4. Vérifiez par sondage les noms et les chiffres avant de vous y fier, et essayez de rechercher dans le PDF un mot dont vous savez qu'il s'y trouve.

Limites et cas limites

  • La précision varie avec la qualité de l'image ; l'écriture manuscrite et les polices stylisées sont mal reconnues
  • PDF recherchable : 50 pages au maximum, 300 dpi, une image par page
  • Le Markdown n'a ni réglage de langue, ni score de confiance, ni sortie page par page
  • Ni traduction, ni redressement, ni nettoyage de la numérisation
  • Les documents très volumineux prennent plus de temps

Exemples

  • Le scan en niveaux de gris d'un contrat de 20 pages devient un PDF dans lequel la recherche d'un numéro de clause trouve la page
  • Une page numérisée contenant une ligne de texte anglais renvoie un PDF dont cette ligne peut être copiée
  • Une photo prise de travers au téléphone peut devoir être refaite avant que l'OCR soit utile

Confidentialité de cet outil

Les fichiers sont envoyés via HTTPS, traités en mémoire ou dans un répertoire temporaire de courte durée sur nos serveurs, puis supprimés dès que votre résultat est prêt. Nous ne gardons aucune copie pour une consultation ultérieure, l'entraînement de modèles ou des profils publicitaires. Consultez la Politique de confidentialité pour les détails de conservation et les cookies AdSense.

Questions fréquentes

Puis-je obtenir un PDF recherchable ?
Oui. Choisissez PDF recherchable dans le formulaire. Chaque page est reconnue puis réécrite sous forme d'image avec une couche de texte cachée, ce qui permet de rechercher et de copier son texte.
Pourquoi le PDF recherchable ressemble-t-il à un scan et non à mon fichier d'origine ?
Chaque page est transformée en image avant la reconnaissance, y compris celles qui contenaient déjà du vrai texte. La couche de texte se trouve derrière l'image.
Quelles langues sont prises en charge ?
Le formulaire propose l'anglais, l'allemand, le français, l'espagnol, le portugais, l'italien, le russe, l'arabe, le chinois simplifié, le chinois traditionnel, le japonais et le coréen. Avec l'API, jusqu'à quatre codes peuvent être reliés par un signe plus, comme eng+fra.
Combien de pages puis-je traiter ?
Jusqu'à 50 pages pour un PDF recherchable. Un fichier plus long est refusé avec une erreur ; découpez-le d'abord.
La sortie Markdown utilise-t-elle le réglage de langue ?
Non. Le moteur Markdown n'a pas de paramètre de langue. La liste des langues ne concerne que les PDF recherchables.
L'OCR change-t-il l'apparence des pages ?
Non. Vous obtenez un nouveau fichier ; l'original reste inchangé. Un PDF recherchable affiche chaque page comme une image, comme le fait un scan.
L'OCR gère-t-il l'écriture manuscrite ?
Mal. Les deux moteurs visent des caractères imprimés. L'écriture cursive, les polices décoratives et les télécopies basse résolution ressortent souvent comme du bruit.
Ai-je besoin de Forcer l'OCR sur un PDF nativement numérique ?
En général, non. Pour le Markdown, Normal utilise le texte existant et saute le moteur de reconnaissance. Utilisez Forcer si cette couche est défectueuse.

Dernière mise à jour:

Appeler depuis le code

Chaque outil du site est un endpoint REST. L'usage anonyme n'exige ni compte ni clé API. Pour le navigateur, les développeurs et les agents IA.

curl -X POST "https://pdf123.xyz/api/v1/misc/ocr-pdf" \
  -F "[email protected]" \
  -F "outputFormat=markdown" \
  -F "ocrType=force-ocr" \
  -F "languages=eng" \
  -o output.pdf

Aussi disponible comme outil MCP pour les clients agents qui parlent le Model Context Protocol (JSON-RPC 2.0 via POST /mcp). Référence API complète

L'utiliser depuis un agent IA

Skill

Avec ce skill, Claude Code, Codex, Cursor et d'autres agents IA peuvent exécuter « OCR de PDF » pour vous : /skills/pdf123-ocr.md

Tous les skills pour agents

Les fichiers ne servent qu'à ce traitement, puis sont supprimés automatiquement.