PDF numérisé et PDF consultable : quelle est la différence ?
Vérifiez si les pages contiennent des images, une couche de texte ou les deux.
Introduction
Deux PDF peuvent avoir la même apparence et pourtant se comporter différemment. Dans l’un, vous pouvez sélectionner des mots et les rechercher. Dans l’autre, chaque page se comporte comme une photographie. La différence tient généralement à la présence d’informations textuelles utilisables dans le PDF.
Qu’est-ce qu’un PDF numérisé ?
Un PDF numérisé est souvent créé en scannant ou en photographiant des pages papier, puis en enregistrant les images dans un PDF. Les lettres visibles sont des pixels, pas nécessairement de véritables caractères de texte. Sans couche de texte, vous ne pouvez généralement ni rechercher ni copier directement les mots.
Qu’est-ce qu’un PDF consultable ?
Un PDF consultable contient du texte qu’un lecteur compatible peut rechercher. Il peut avoir été exporté directement depuis Word ou provenir d’une numérisation à laquelle l’OCR a ajouté une couche de texte. Une numérisation consultable peut conserver l’image originale de la page tout en ajoutant un texte reconnu invisible.
La possibilité de rechercher du texte ne garantit ni la précision de la reconnaissance, ni la facilité d’édition, ni l’accessibilité.
Principales différences
| Fonction | Numérisation contenant seulement des images | PDF consultable |
|---|---|---|
| Apparence | Images des pages | Pages numériques ou images numérisées |
| Recherche de mots | Généralement impossible | Généralement possible |
| Copie de texte | Nécessite l’OCR | Souvent possible |
| Erreurs de reconnaissance | Aucun texte reconnu | Possibles avec l’OCR |
| Mise en page modifiable | Pas directement | Pas nécessairement |
| Accessibilité | Limitée | Nécessite une structure supplémentaire |
Comment identifier votre PDF
Essayez d’abord de sélectionner un seul mot. Utilisez ensuite la fonction de recherche pour trouver une expression distinctive. Enfin, collez le texte copié dans un éditeur de texte brut et comparez-le à la page. Une recherche infructueuse peut aussi provenir d’un mauvais encodage : aucun test isolé ne suffit donc à conclure.
Comment rendre une numérisation consultable
Étape 1 : préparer les pages
Utilisez des numérisations nettes, correctement orientées et suffisamment contrastées. Évitez les bords coupés, les ombres et le flou de mouvement.
Étape 2 : choisir un logiciel OCR
Choisissez un outil qui prend explicitement en charge la reconnaissance optique de caractères et la langue du document. Tous les convertisseurs PDF ne proposent pas d’OCR.
PDFreevert ne propose actuellement pas d’OCR. Utilisez une application distincte prenant en charge l’OCR pour rendre consultables les numérisations contenant uniquement des images.
Étape 3 : reconnaître le texte
Lancez l’OCR. Selon l’outil, le résultat peut être un PDF consultable ou un document modifiable.
Étape 4 : vérifier la précision
Recherchez plusieurs expressions et copiez des passages représentatifs. Vérifiez attentivement les noms, les dates, les totaux et les identifiants : l’OCR peut confondre des caractères comme O et 0.
Étape 5 : conserver l’original
Conservez la numérisation originale comme référence, surtout lorsque la précision ou l’intégrité des documents est importante.
Quel type faut-il utiliser ?
Les PDF contenant uniquement des images peuvent suffire pour un simple partage visuel. Les PDF consultables sont plus utiles pour la recherche, les collections de documents et la récupération d’informations. Si vous devez modifier des paragraphes ou extraire des tableaux, une conversion et des vérifications supplémentaires peuvent être nécessaires.
Problèmes courants de l’OCR
Les pages à plusieurs colonnes peuvent produire un ordre de lecture incorrect. L’écriture manuscrite et les polices inhabituelles peuvent être mal reconnues. La couche de texte peut contenir des erreurs même si la numérisation visible semble parfaite. La recherche de texte ne remplace pas non plus les balises d’accessibilité et un ordre de lecture logique.
Questions fréquentes
Un PDF numérisé peut-il devenir consultable ?
Oui, en ajoutant du texte reconnu par OCR.
L’OCR modifie-t-il toujours l’apparence ?
Non. Certaines méthodes conservent les images originales des pages.
Un PDF consultable est-il entièrement modifiable ?
Non. L’édition nécessite souvent un éditeur PDF ou une conversion vers un autre format.
Pourquoi le texte copié contient-il des erreurs ?
La reconnaissance OCR ou la correspondance des caractères peut être incorrecte.
PDF/A rend-il automatiquement une numérisation consultable ?
Non. La conformité aux exigences d’archivage et l’OCR sont deux sujets distincts.
Conclusion
Une numérisation contenant uniquement des images conserve l’apparence de la page ; un PDF consultable fournit aussi des informations textuelles. Utilisez l’OCR lorsque la recherche ou l’extraction de texte est importante, puis vérifiez les résultats essentiels. Pour les autres opérations PDF, consultez PDFreevert.