OCR : rendre un scan cherchable

Un bon OCR commence par un bon scan

• 300 DPI minimum — en dessous, les caractères deviennent flous, l'OCR confond e/c, o/0, l/1.
• Contraste fort — noir sur blanc idéal. Évite les fonds colorés ou les photos prises de biais.
• Pas trop incliné — Pdfjet corrige jusqu'à ±5°, au-delà la précision chute.
• Une seule langue par page — si c'est mélangé, sélectionne la langue principale.

Sous le capot

Trois passes en interne :

1. Pré-traitement : redressement, contraste, déskew.
2. Reconnaissance : moteur ML qui repère chaque caractère, mot, ligne.
3. Reconstruction : génération d'une couche texte invisible par-dessus l'image. Le rendu visuel ne change pas, mais le PDF devient cherchable.

Ce que l'OCR ne fait pas

• L'écriture manuscrite — précision <50%, à éviter.
• Les polices très décoratives (gothique, calligraphie).
• Les langues à idéogrammes complexes en basse résolution.
• Les tableaux dont la structure n'est pas conservée (utilise PDF → CSV pour ça).