PDF vers Texte (OCR)
Passer d’un PDF scanné à du texte que vous pouvez modifier
Pour extraire le texte d’un PDF dont les pages sont des scans, l’OCR reconnaît les caractères dans les images et produit un texte copiable. Vous choisissez les pages, une indication de langue et une sortie TXT ou Markdown ; un document Word est également disponible. Le PDF d’origine reste inchangé. Lisez le résultat avant de réutiliser des noms, des montants ou des références.
Coût: Des options gratuites sont disponibles. Les options Pro ou l’utilisation au-delà du quota gratuit peuvent nécessiter des crédits ; consultez le guide ci-dessous.
Comment extraire le texte de vos pages
Importer le PDF
Cliquez sur Choisir un PDF ou déposez votre fichier sur l’aperçu. Un traitement accepte un PDF de 200 Mo maximum, scanné ou numérique. Les PDF déjà utilisés dans les autres outils se retrouvent dans Téléversements.
Définir les pages à lire
Parcourez l’aperçu et utilisez les positions de son compteur, comme
4 / 12. Dans Pages (optional), une sélection1-3,7lit les trois premières pages et la septième. Laisser ce champ vide sélectionne tout le document. Les numéros imprimés sur les pages peuvent être différents de ces positions.Choisir la langue du document
Langue du Document commence sur Auto-detect, adapté notamment aux pages qui mélangent plusieurs langues. Pour guider une seconde lecture de caractères ambigus, choisissez la langue principale, par exemple French pour un document en français.
Choisir TXT ou Markdown
Dans Format de sortie, Plain Text (.txt) est le choix initial. Markdown (.md) conserve davantage la structure des titres, des listes et des tableaux sous forme de balisage. Choisissez selon l’application dans laquelle vous réutiliserez le texte.
Vérifier les unités et lancer l’OCR
Le bloc de quota affiche Pages sélectionnées et unités, par exemple
12/12 · unités 2. Cliquez sur Extract text après avoir vérifié cette sélection. Gardez la page ouverte jusqu’au résultat ; la tâche dispose de 30 minutes maximum.Relire, copier ou télécharger
Relisez le panneau Extracted text. Copier place le texte dans le presse-papiers ; Download text télécharge
pdf-ocr.txtoupdf-ocr.mden UTF-8 ; DOCX fournit un fichier Word modifiable. Les résultats sont aussi enregistrés dans le gestionnaire de fichiers partagé.
Les trois réglages de reconnaissance
Les options se trouvent dans Réglages. Elles déterminent la reconnaissance et la sortie texte, sans modifier les pages du PDF source.
- Langue du Document : Auto-detect
- Le choix par défaut utilise GLM-OCR de Z.ai, qui détermine la langue et l’écriture automatiquement. Il ne reçoit pas d’indication manuelle de langue. Ce choix convient lorsque plusieurs langues apparaissent dans le même document.
- Langue du Document : langue précise
- Les choix affichés sont English, German, Spanish, French, Italian, Portuguese, Russian, Japanese, Chinese, Arabic et Hindi. Une sélection précise utilise Google Gemini avec une indication de langue, d’écriture et de sens de lecture. Elle aide à distinguer des caractères ambigus, sans traduire les passages écrits dans une autre langue.
- Format de sortie : Plain Text (.txt)
- Produit du texte avec des retours de ligne et des paragraphes, sans balisage Markdown. Les listes utilisent des lignes commençant par
-. Les tableaux reconnus deviennent des lignes avec des cellules séparées par des tabulations, utiles pour coller les données dans un tableur. Ce format convient aux courriels, aux formulaires ou aux recherches dans le texte. - Format de sortie : Markdown (.md)
- Garde une représentation structurée des titres, des listes, des mises en évidence et des tableaux. Utilisez-la dans une application de notes, un wiki ou un éditeur compatible Markdown. Un éditeur de texte simple affiche la syntaxe, comme les
#des titres, au lieu de la mettre en forme. - Pages (optional)
- Vide par défaut pour toutes les pages. Saisissez des positions et des intervalles fermés, séparés par des virgules :
5-10ou1-3,7. Les pages sélectionnées sont reconnues et comptées dans l’ordre du document ; une page répétée dans la liste ne compte qu’une fois. Les positions doivent exister. Écrivez5-40, avec les deux bornes, plutôt qu’un intervalle ouvert.
Comprendre le coût en unités OCR
Une unité couvre jusqu’à 10 pages sélectionnées, avec un arrondi supérieur pour chaque traitement. Une lettre de 1 page et un formulaire de 10 pages utilisent chacun 1 unité ; 11 pages utilisent 2 unités et 37 pages en utilisent 4. La sélection 1-3,7 représente 4 pages, soit 1 unité.
L’arrondi s’effectue par tâche. Lire 20 pages en une fois utilise 2 unités ; deux tâches de 10 pages utilisent aussi 2 unités. En revanche, deux tâches de 5 pages utilisent 2 unités, contre 1 pour une seule tâche de 10 pages. Si vous fractionnez un grand document pour faciliter sa relecture, des groupes de 10 pages limitent l’effet de cet arrondi.
Les quotas gratuits sont calculés sur des fenêtres glissantes d’une heure et de 24 heures, par compte ou par adresse IP pour les visiteurs. La plus petite disponibilité restante s’applique. Avec un compte connecté, chaque unité supplémentaire au-delà du quota peut être couverte par 1 crédit. Vous pouvez aussi choisir moins de pages ou attendre que des usages antérieurs sortent de ces fenêtres.
Préparer des pages plus faciles à lire
La lisibilité du scan compte autant que le réglage de langue. La reconnaissance ne peut pas recréer avec certitude des détails absents de l’image.
Contrôler la netteté du scan
Pour numériser du texte imprimé, 300 dpi constitue un point de départ courant : vérifiez surtout que les petites lettres restent nettes. C’est un conseil de préparation du scan, pas une valeur requise dans cet outil ni une garantie de précision.
Remettre les pages dans le bon sens
Des lignes droites et lisibles facilitent la reconnaissance. Si certaines pages sont tournées sur le côté ou à l’envers, corrigez-les avec Faire pivoter un PDF avant l’extraction.
Choisir entre transcription et résumé
L’OCR récupère le texte, sans chercher à le condenser. Si vous souhaitez seulement les idées principales d’un long document, Résumé PDF répond à ce besoin distinct.
Entrées, sorties et traitement
- Entrée
- Un PDF scanné ou numérique
- Sorties
- Texte brut TXT ou Markdown MD en UTF-8, fichier Word DOCX et copie dans le presse-papiers
- Taille maximale
- 200 Mo par PDF
- Sélection
- Un PDF par tâche, toutes ses pages ou les positions choisies
- Unités OCR
- Une unité par tranche de 10 pages sélectionnées, arrondie au supérieur pour chaque tâche
- Traitement
- Sur nos serveurs avec reconnaissance par GLM-OCR de Z.ai ou Google Gemini. Durée maximale : 30 minutes.
- Filigrane ajouté
- Aucun
- Conservation
- Suppression automatique des imports et des résultats après 48 heures pour les visiteurs et 30 jours pour les comptes gratuits. Les offres payantes peuvent prolonger cette durée.
Questions sur le PDF vers texte OCR
Le PDF devient-il consultable par recherche de texte ?
L’outil fournit le texte séparément en TXT, Markdown ou Word. Il n’ajoute pas de couche texte au PDF et ne modifie pas le document original. Conservez ce dernier si vous souhaitez retrouver sa mise en page exacte.
Peut-on extraire le texte d’un PDF gratuitement ?
Oui, dans la limite du quota gratuit d’unités OCR et sans filigrane. Une unité couvre jusqu’à 10 pages sélectionnées, et le nombre d’unités est affiché avant le lancement. Au-delà, réduisez la sélection, attendez le renouvellement des disponibilités glissantes ou connectez-vous pour utiliser 1 crédit par unité supplémentaire.
Pourquoi faut-il relire les mots et les chiffres ?
Un scan flou, incliné ou peu contrasté peut provoquer des confusions entre 0 et O, 1 et l, ou rn et m. Comparez les noms, les dates, les montants et les références avec l’aperçu. Passer de Auto-detect à une langue précise change le moteur de GLM-OCR à Gemini ; passer d’une langue précise à une autre conserve Gemini. Chaque nouvelle lecture utilise à nouveau des unités.
Le PDF est-il transmis à un fournisseur externe ?
Oui. Nos serveurs transmettent le document à un service d’IA : Z.ai pour Auto-detect, Google Gemini pour une langue précise. En cas de limitation de requêtes chez Gemini, la même reconnaissance peut passer par OpenRouter. Les durées de conservation indiquées concernent les fichiers et résultats sur notre site, pas les politiques de conservation de ces fournisseurs.
Choisir French traduit-il le document en français ?
La langue sélectionnée est une indication pour la reconnaissance des caractères, pas une langue de traduction. Le texte est restitué dans sa langue d’origine, y compris lorsqu’une page contient plusieurs langues.
Quels documents préparer avant de lancer la reconnaissance ?
Le serveur doit pouvoir lire le nombre de pages. Si le PDF demande un mot de passe à l’ouverture, utilisez d’abord Déverrouiller un PDF avec un mot de passe connu. Sélectionnez des pages contenant du texte lisible : des pages blanches ou sans texte reconnaissable ne produisent pas de transcription.