Découper et renommer des PDF numérisés grâce à l’OCR
Un scanner produit des images de pages, sans texte dans lequel chercher. Voici comment découper un lot numérisé et nommer chaque fichier d’après son texte, avec une reconnaissance de texte qui s’exécute sur votre propre appareil.
Numériser une pile de documents papier produit généralement un long PDF unique. Chaque page est une image : les outils qui découpent selon le texte n’ont donc rien sur quoi s’appuyer.
Smart PDF Split & Rename détecte les pages sans texte exploitable et les lit par OCR (reconnaissance optique de caractères) dans votre navigateur. Le texte reconnu est ensuite utilisé comme une couche de texte normale : pour trouver où commence chaque document et pour nommer les fichiers.
Étape par étape
Ajoutez le PDF numérisé
L’outil repère les pages qui nécessitent l’OCR : les pages qui ne sont que des images, et celles dont le texte existant semble peu fiable.
Choisissez la langue
Choisissez la langue dans laquelle les documents sont rédigés : anglais, hindi, espagnol, portugais ou français. Pour des documents qui mêlent plusieurs langues, choisissez les deux langues, par exemple le hindi et l’anglais.
Choisissez ce qu’il faut lire
Ne lire que les noms est le plus rapide : l’outil lit la zone où le nom est imprimé sur la première page de chaque document. Lisez les pages entières lorsque le découpage lui-même dépend du texte numérisé.
Vérifiez les mots incertains
Les mots dont le moteur d’OCR est moins sûr sont mis en évidence, avec une image de la partie concernée de la page à côté du texte. Corrigez-les si nécessaire.
Nommez et téléchargez
Définissez les noms de fichiers, vérifiez-les, puis téléchargez les fichiers un par un ou dans un ZIP. Le rapport d’audit indique quelles valeurs proviennent de l’OCR.
Paramètres à choisir
| Paramètre | Que choisir |
|---|---|
| Langue de l’OCR | La ou les langues dans lesquelles les documents sont rédigés, et non la langue de ce site web. |
| Ce qu’il faut lire | Les noms uniquement, lorsque vous découpez par nombre de pages, par plages ou à la main. Les pages entières, lorsque le découpage dépend du texte des numérisations. |
| Zone du nom | Délimitez la zone de la page où le nom ou le numéro est imprimé. La même zone est lue sur chaque document : cela fonctionne donc mieux pour les formulaires à mise en page fixe. |
| Règle de découpage | Toute règle fonctionne une fois le texte lu : un mot-clé, « Page 1 of N », une valeur qui change, ou toutes les N pages pour des formulaires de longueur fixe. |
Exemple
Une numérisation de quatre pages contenant trois bons de livraison. Le numéro de chaque bon est lu par OCR en haut de sa première page.
| Pages d’origine | Fichier découpé |
|---|---|
| 1 | Delivery note 5521.pdf |
| 2–3 | Delivery note 5522.pdf |
| 4 | Delivery note 5523.pdf |
Exemple avec des noms fictifs.
À vérifier avant d’utiliser les fichiers
- Une mauvaise langue donne un texte erroné, même s’il paraît sûr. Les noms accentués ou en écriture non latine sont mal lus si la langue n’est pas sélectionnée. Choisissez toutes les langues utilisées dans les documents.
- La qualité de la numérisation compte. Les pages droites et bien contrastées, numérisées à environ 300 dpi, sont les mieux lues. Les photos prises au téléphone et les numérisations en basse résolution produisent davantage d’erreurs.
- L’écriture manuscrite n’est pas lue de façon fiable. Saisissez vous-même les noms des documents manuscrits lors de la vérification.
- L’OCR n’est jamais considérée comme certaine. Chaque nom lu par OCR est marqué pour que vous puissiez le vérifier avant le téléchargement.
- Les pages elles-mêmes ne sont pas modifiées. Par défaut, les fichiers découpés contiennent les images numérisées d’origine ; le texte reconnu sert uniquement à les découper et à les nommer.
Vos fichiers restent sur votre appareil
Vos PDF sont lus, découpés et nommés dans votre navigateur. Ils ne sont jamais envoyés, et votre navigateur empêche la page de l’outil de se connecter à internet ou de charger quoi que ce soit depuis d’autres sites web. Comment cela fonctionne
Questions
Mes numérisations sont-elles envoyées à un service d’OCR ?
Non. L’OCR s’exécute dans un worker en arrière-plan de votre navigateur, sur votre appareil. Le moteur de reconnaissance et les modèles de langue sont téléchargés depuis puffinkit.com lorsque vous utilisez l’OCR ; vos numérisations ne quittent jamais votre appareil.
Mon PDF contient déjà du texte issu du scanner. Sera-t-il utilisé ?
Oui, s’il semble fiable. Si le texte paraît erroné, par exemple rempli de caractères étranges, l’outil propose de relire ces pages par OCR.
Combien de temps prend l’OCR ?
Cela dépend de votre appareil et du nombre de pages. Ne lire que les noms est bien plus rapide que lire des pages entières. L’outil affiche sa progression et vous pouvez annuler à tout moment.
Autres guides
- Découper un PDF de bulletins de paie en un fichier par salariéLes logiciels de paie exportent souvent tous les bulletins dans un seul PDF. Voici comment le découper en un fichier distinct et correctement nommé pour chaque salarié, sans envoyer de données salariales nulle part.
- Découper un PDF de factures par numéro de factureLes logiciels de comptabilité et de facturation impriment souvent toute une série de factures dans un seul PDF. Voici comment en faire un fichier correctement nommé par facture, en gardant ensemble les factures de plusieurs pages.