Qu'est-ce qu'un PDF consultable
Un scanner, un copieur ou une application de numérisation sur téléphone enregistre chaque page comme une image. Vous pouvez la lire, mais Ctrl+F ne trouve rien et vous ne pouvez sélectionner aucun mot. L'OCR (reconnaissance optique de caractères) repère les lettres dans ces images et les transforme en vrai texte.
Cet outil ajoute le texte reconnu au PDF sous forme de couche invisible, placée exactement sur les mots imprimés. Les pages restent identiques, car l'image scannée n'est ni modifiée ni recompressée. Mais vous pouvez désormais chercher dans le document, sélectionner et copier des phrases, et laisser les outils de gestion documentaire et les moteurs de recherche l'indexer.
Documents et langues mixtes
Choisissez la langue dans laquelle le document est rédigé. S'il en mélange deux, par exemple un contrat en français avec des termes anglais, ajoutez la deuxième langue et les deux sont reconnues ensemble. Les lettres comme é, è, ç, œ, ü et ß sont conservées dans le PDF consultable et dans le fichier texte.
Les pages qui contiennent déjà du vrai texte, comme les pages créées sur ordinateur ou un PDF déjà passé par l'OCR, sont détectées automatiquement et laissées telles quelles. Leur texte figure tout de même dans le fichier TXT.
Pour obtenir de bons résultats
Des scans nets de texte imprimé à 200 ou 300 DPI donnent la meilleure précision. Avant la lecture, les pages sont dessinées à environ 300 DPI, les petits caractères sont donc agrandis. L'écriture manuscrite, les copies très pâles et le texte sur fond chargé sont difficiles pour tout OCR : vérifiez les noms et les chiffres avant de vous y fier.