OCR PDF — rendre un scan cherchable

Pourquoi faire l'OCR de vos PDF avec ModySign ?

Un PDF scanné, c'est une image figée : impossible de chercher dedans, de sélectionner ou copier-coller du texte. Inutilisable pour des recherches dans un dossier d'archives, un cours scanné, un contrat reçu en PDF d'un télécopieur. L'OCR (Optical Character Recognition) résout ce problème en ajoutant une couche de texte par-dessus l'image — le PDF garde son apparence d'origine mais devient cherchable.

La plupart des OCR en ligne (Smallpdf, iLovePDF, OCR.space, Adobe Online) uploadent vos documents sur leurs serveurs étrangers. Inacceptable pour des dossiers médicaux, juridiques, RH ou administratifs. ModySign effectue l'OCR entièrement dans votre navigateur grâce à Tesseract.js — vos documents ne quittent JAMAIS votre machine.

Notre OCR supporte le français, l'anglais et l'espagnol. La première utilisation télécharge le moteur (~5-10 Mo) et le modèle de langue choisi (~2-4 Mo), mis en cache navigateur ensuite : les utilisations suivantes sont instantanées. Le PDF final ressemble exactement à l'original mais avec une couche de texte invisible par-dessus — vous pouvez chercher avec Ctrl+F, sélectionner et copier.

Questions fréquentes

Pourquoi le premier chargement est-il aussi long ?+

La première utilisation télécharge le moteur Tesseract.js (~5-10 Mo de WebAssembly) et le modèle de langue choisi (~2-4 Mo). Ces ressources sont mises en cache navigateur — vos prochaines OCR seront instantanées. Comptez 10 à 30 secondes la toute première fois selon votre connexion, puis quasi rien après.

Mon PDF est-il envoyé sur vos serveurs ?+

Non, jamais. Tesseract.js tourne intégralement dans votre navigateur via WebAssembly. Votre PDF ne quitte JAMAIS votre machine — contrairement à Smallpdf, iLovePDF, OCR.space ou Adobe Online qui uploadent vos documents pour les traiter sur leurs serveurs étrangers.

Quelles langues sont supportées ?+

Pour l'instant : français, anglais et espagnol. Sélectionnez la langue principale du document avant de lancer — cela améliore drastiquement la précision sur les caractères accentués (é, à, ñ) et le vocabulaire spécifique.

Quelle qualité d'OCR puis-je espérer ?+

Sur un scan propre (bonne résolution, fond clair, police imprimée standard), la précision dépasse 95% — c'est largement suffisant pour des recherches par mots-clés. Sur des scans flous, mal cadrés ou avec une écriture manuscrite, attendez-vous à des erreurs. Tesseract est un OCR open source de très bonne qualité mais reste en deçà des solutions propriétaires comme Adobe ABBYY.

Le PDF généré conserve-t-il son apparence ?+

Oui. Chaque page est ré-incluse comme image JPEG par-dessus laquelle on superpose le texte reconnu avec une opacité 0 (invisible). Visuellement, le PDF est identique au scan d'origine, mais vous pouvez maintenant chercher dedans avec Ctrl+F et copier le texte.