Copiez un court passage de plusieurs pages dans un éditeur de texte brut. Un résultat lisible suggère une couche de texte ; une sortie vide ou incohérente demande un diagnostic avant l’OCR.
Distinguer trois types de page
Une page créée numériquement peut contenir du texte directement extractible. Un scan peut être une simple image. Un scan déjà traité par OCR peut sembler identique tout en contenant du texte reconnu invisible. OCRmyPDF explique l’ajout de cette couche interrogeable.
La sélection ne garantit pas l’exactitude. L’OCR caché peut contenir des erreurs ; un encodage de police personnalisé peut donner du texte incohérent malgré une page nette. Testez un paragraphe, un nombre et, si nécessaire, un nom dans une autre langue.
Choisir la méthode page par page
- Copiez au début, au milieu et à la fin. Incluez scans et annexes dans les documents mixtes.
- Si le texte est lisible, vérifiez d’abord l’extraction directe : caractères manquants et ordre. Évitez de reconnaître à nouveau une couche utilisable.
- Pour les pages uniquement en image, utilisez un outil avec OCR et les langues adaptées quand elles sont proposées.
- Comparez le texte incorrect à la page visible. Distinguez reconnaissance, encodage et ordre avant une nouvelle tentative.
Contrôler les erreurs qui comptent
L’OCR estime les caractères à partir des pixels. Vérifiez identifiants, noms, décimales, signes moins et caractères proches comme O et 0. Un mot plausible peut rester faux. Un indicateur de qualité ne remplace pas cette lecture.
Un test réussi ne décrit pas toutes les pages d’un PDF mixte. Gardez le scan original et vérifiez toute nouvelle couche avant de la considérer comme corrigée. Un texte flou ou tronqué peut exiger une meilleure image source.
Vérifier le résultat avant utilisation
La conversion produit une copie de travail. Conservez le PDF original et comparez les passages à citer, à utiliser pour des calculs ou à transmettre à une IA. Un export réussi ne prouve ni l’exactitude ni l’exhaustivité du texte.
MD Factory convertit les documents en Markdown sous Windows. Les tableaux PDF complexes reposent sur des heuristiques de mise en page ; les cellules fusionnées et multilignes peuvent nécessiter une correction manuelle. La précision de l’OCR dépend de l’image et du texte sources. Ce guide ne promet ni nettoyage automatique ni taux de reconnaissance particulier.
Questions et réponses
Un texte sélectionnable prouve-t-il l’absence d’OCR ?
Non. Le scanner a peut-être ajouté une couche cachée. Comparez le texte copié au scan visible.
Faut-il appliquer l’OCR à tous les PDF ?
Le texte directement disponible évite une nouvelle reconnaissance. Réservez l’OCR aux pages ou couches qui en ont besoin, puis vérifiez.
Sources et vérification
Sources consultées le 3 novembre 2026. Ces instructions décrivent une vérification manuelle, pas des commandes supplémentaires de MD Factory.