Extraire du texte d'une image (OCR)
Convertissez images, pages numérisées et captures d'écran en texte sélectionnable. L'image est traitée sur votre appareil et n'est pas envoyée
Choisir une image
Cliquez pour parcourir ou glissez-déposez
JPG, PNG ou WebP, idéalement en pleine qualité
Texte extrait
Comment utiliser cet outil
- Choisissez la langue du document (anglais, espagnol, français, allemand, portugais ou italien) pour utiliser les bonnes données de reconnaissance.
- Sélectionnez une image JPG, PNG ou WEBP, ou faites-la glisser dans la zone d'import.
- Cliquez sur « Extraire le texte » et patientez : la première fois, le moteur OCR et les données de langue sont téléchargés une seule fois.
- Relisez le texte, corrigez les caractères mal lus puis cliquez sur « Copier le texte ».
Exemple concret
Imaginons que vous ayez photographié une facture d'électricité imprimée et que vous vouliez reporter le numéro de contrat dans un tableur. Choisissez la langue de la facture, importez une photo nette, droite et bien éclairée, puis lancez l'extraction. Un texte imprimé propre ressort en général presque juste, mais les caractères voisins comme 0 et O, ou 1 et l, sont des erreurs classiques : vérifiez chaque chiffre avec l'original avant de coller. Une image floue, penchée ou peu contrastée donne de bien moins bons résultats qu'un scan à plat ; refaire la photo est souvent plus rapide que corriger le texte.
Méthodologie
Le moteur est Tesseract (licence Apache 2.0), né dans les années 1980 chez HP Labs, publié en open source en 2005 et développé depuis avec le soutien de Google. Depuis la version 4, son module de reconnaissance par défaut est un réseau de neurones LSTM qui lit des lignes de texte entières. Cette page exécute Tesseract.js 5.1.0 (également Apache 2.0), une version WebAssembly du moteur pour les navigateurs.
Ce qu’une photo doit avoir pour que l’OCR la lise bien
Le résultat se joue souvent avant d’appuyer sur le bouton. Voici les pièges que cette page détecte ou atténue.
- Laisser la mauvaise langue sélectionnée. Le menu démarre sur la langue de la page et propose six jeux (anglais, espagnol, français, allemand, portugais, italien). Un courrier en allemand lu avec les données françaises perd ses ä, ö et ü. Choisissez la langue du document, pas celle de votre écran.
- Photographier la page entière de loin. Les images sont plafonnées à 2 400 px sur le grand côté. Recadrez une page A4 sur son bloc de texte, par exemple la moitié de la hauteur (14,9 cm) : les mêmes 2 400 px donnent environ 410 DPI au lieu de 205.
- Envoyer du texte clair sur fond transparent. Les zones transparentes sont remplies de blanc avant la reconnaissance : un texte blanc ou pâle sur un PNG transparent disparaît. Exportez d’abord l’image avec un fond foncé uni.
- Mélanger deux langues en une seule passe. Un seul jeu de langue sert par passe. Lancez la page deux fois, une par langue, puis fusionnez à la main.
- Attendre une mise en page. Colonnes, tableaux et formulaires reviennent en simples lignes de texte. Considérez le résultat comme une matière brute à remettre en forme, et relisez chaque chiffre.
La reconnaissance de texte donne une estimation, pas une transcription.
Matériel pour mieux numériser
Un scanner, un support de téléphone et un scanner à chargeur. Des images nettes et bien éclairées donnent en général une meilleure reconnaissance du texte.
Scanner de documents portable USB Ambir
Un scanner à défilement USB compact pour reçus, cartes et documents, selon l’annonce. Un scan net donne en général une meilleure reconnaissance de texte qu’une photo.
Support téléphone col de cygne pour bureau
Un support col de cygne qui tient le téléphone au-dessus du bureau, selon l’annonce, pour photographier des pages à plat et sans bouger.
Scanner recto verso automatique
Un scanner recto verso de bureau avec chargeur automatique, selon l’annonce, pour numériser des piles de pages en une fois.
En tant que Partenaire Amazon, nous réalisons un bénéfice sur les achats remplissant les conditions requises, sans surcoût pour vous.
Questions fréquentes
Mon image est-elle envoyée quelque part ? ▼
Non. L'image est décodée, redimensionnée et reconnue dans votre navigateur. Seuls les outils transitent par le réseau : le script Tesseract.js, le moteur WebAssembly et le fichier de langue sont téléchargés depuis le CDN jsDelivr quand vous cliquez sur « Extraire le texte ». Cet hébergeur voit votre adresse IP et le nom de ces fichiers, mais ni votre image ni le texte trouvé.
Pourquoi le texte contient-il des fautes ou des lignes manquantes ? ▼
Les causes typiques sont le flou, les ombres sur la page, un faible contraste, une photo prise de biais au téléphone, des caractères très petits et l'écriture manuscrite. Photographiez la page à la verticale sous une lumière uniforme, recadrez sur le texte et évitez de recompresser le fichier. Vérifiez aussi que la langue du document correspond à celle choisie : avec « Anglais », des caractères comme é, ç ou ñ sont souvent mal lus, et une page mêlant deux langues se traite mieux en deux passes.
Combien de temps cela prend-il, et cela fonctionne-t-il hors ligne ? ▼
La première exécution demande une connexion Internet pour récupérer le moteur et les données de langue, ce qui prend du temps sur une connexion lente. La reconnaissance elle-même utilise votre processeur : une grande photo demande plus de temps sur un vieux téléphone que sur un ordinateur portable. Une fois les fichiers mis en cache par le navigateur, une nouvelle exécution peut démarrer plus vite, mais l'usage hors ligne n'est pas garanti puisque le cache peut être vidé.
Puis-je me fier au résultat pour des contrats ou des factures ? ▼
Considérez-le comme un premier brouillon. L'OCR peut confondre des caractères voisins (0 et O, 1 et l, 5 et S), ce qui est risqué pour les montants, les IBAN, les dates et les noms. Comparez le texte extrait à l'original avant de l'utiliser pour quoi que ce soit de juridique, médical ou financier.