Extraire le texte d'un PDF (l'OCR, expliqué simplement)
La réponse courte
Si votre PDF est numérique (fait de texte, pas scanné), vous pouvez sélectionner et copier le texte directement – aucun outil nécessaire. Si c’est un document scanné, il vous faut de l’OCR (reconnaissance optique de caractères), qui lit l’image de la page et la transforme en vrai texte. Google Drive le fait gratuitement, et notre convertisseur PDF vers Markdown gère l’extraction pour les fichiers numériques.
Copier le texte d’un PDF numérique
Essayez d’abord le plus simple : ouvrez le PDF et sélectionnez le texte à la souris. Si ça se surligne, c’est fini – Ctrl/Cmd+C et collez où vous voulez. Ça marche dans les navigateurs, Aperçu et tous les lecteurs PDF.
Si la sélection est grisée, le fichier a un verrou de copie (une restriction de permissions – le genre qu’on peut retirer si on connaît le mot de passe). Certains outils sélectionnent aussi le texte sans problème, mais le collent avec une mise en forme cassée – le texte est là, la mise en page ne survit pas.
Extraire le texte d’un PDF scanné (OCR)
Les pages scannées sont des photos, et une photo n’a pas de texte à copier. L’OCR les lit :
- Envoyez le PDF scanné vers Google Drive (clic droit → Ouvrir avec → Google Docs). Drive lance l’OCR automatiquement et affiche le texte.
- Ou utilisez un outil OCR dédié – il en existe des gratuits qui gèrent très bien quelques pages.
- Copiez le texte. Vérifiez-le – l’OCR fait des erreurs sur l’écriture manuscrite et les polices bizarres.
La note honnête sur la qualité : l’OCR sur du texte imprimé propre est quasi parfait. Sur les tickets, les factures avec tampons ou l’écriture manuscrite, attendez-vous à des erreurs à corriger à la main. Aucun outil ne lit l’écriture d’un médecin, et quiconque prétend le contraire ment.
Le côté honnête
Trois choses qui surprennent toujours :
- Les tableaux sortent comme un sac de nœuds. L’extraction de texte lit de gauche à droite, donc les colonnes d’un tableau ressortent en un long mélange. Si vous avez besoin de la structure du tableau, convertissez en Excel ou Word plutôt que de copier le texte brut.
- Les polices et la mise en forme disparaissent. Vous obtenez les mots, pas le design. Parfait pour les citations et les notes, inadapté aux documents qui doivent avoir un certain look.
- Extraire n’est pas modifier. Une fois le texte en main, modifier le PDF lui-même est un autre travail – voir comment modifier un PDF.