Studio d'OCR de documents et PDF interrogeable
Analysez et extrayez le texte de vos documents numérisés directement dans votre navigateur. Transformez vos scans en PDF avec recherche textuelle tout en préservant la fidélité visuelle originale, validez la confiance et exportez vos données en toute confidentialité.
- Zéro réseau : exécution 100 % locale côté client
- Génération de PDF avec couche de texte invisible
- Validation automatique par PDF.js et test de recherche
- Prétraitement d'image (redressement, binarisation, netteté)
- Détection des ambiguïtés, dates, adresses web et données PII
Glissez-déposez ici vos fichiers JPG, PNG, WebP ou PDF
Supports PDF, JPG, PNG, and WEBP. Multi-page PDFs will be inspected and rendered locally.
À propos du Studio d'OCR de documents et PDF interrogeable
Les documents papier numérisés ne permettent pas la recherche ni la copie de texte nativement. De nombreuses solutions en ligne compromettent la confidentialité en transférant des documents sensibles sur des serveurs distants.
Le studio d'OCR Solasu fonctionne à 100 % côté client grâce à WebAssembly et aux Web Workers, garantissant qu'aucun octet n'est transmis sur Internet.
Au-delà de la simple extraction de texte, le studio calcule les coordonnées précises de chaque mot (Bounding Box) pour superposer une couche de texte invisible sur l'image d'origine. Vous obtenez un véritable PDF interrogeable à fidélité visuelle intégrale, avec indicateurs de confiance, correction manuelle et caviardage irréversible.
Confidentialité totale et zéro transfert réseau
Vos fichiers sont traités exclusivement dans la mémoire vive de votre navigateur. Aucune donnée n'est transmise à des tiers.
Le moteur WebAssembly et les modèles linguistiques sont intégrés localement, sans téléchargement dynamique depuis des CDN externes et sans stockage persistant.
Génération de PDF avec couche de texte invisible
L'image numérisée haute résolution est conservée intacte, tandis qu'une couche de texte Unicode invisible est superposée à l'emplacement exact de chaque mot.
Dans tout lecteur PDF standard (Adobe Acrobat, Chrome, Aperçu), vous profitez de la recherche via Ctrl+F et de la sélection de texte comme sur un document natif.
Détection de structure et OCR sélectif
Le studio analyse automatiquement chaque page pour déterminer s'il s'agit de texte numérique, d'une image numérisée ou d'une page mixte.
Vous pouvez cibler uniquement les pages numérisées nécessitant une OCR, évitant ainsi les traitements redondants sur les pages déjà textuelles.
Prétraitement d'image complet
Améliorez la lisibilité des scans dégradés grâce à la conversion en niveaux de gris, l'ajustement du contraste, la binarisation d'Otsu, la netteté et le redressement automatique (deskew).
Un comparatif visuel avant/après vous permet de vérifier l'amélioration de l'image avant de lancer l'analyse OCR.
Contrôle qualité rigoureux et exports variés
Le PDF généré est immédiatement relu en mémoire par pdfjs-dist pour valider la conformité du nombre de pages et la présence de la couche de texte.
Exportez vos textes vérifiés sous forme de PDF avec recherche, texte brut (TXT), Markdown, JSON structuré, CSV sécurisé contre l'injection ou rapport d'audit PDF.
Foire aux questions (FAQ)
Qu'est-ce que l'OCR et comment fonctionne-t-il dans le navigateur ?
L'OCR (reconnaissance optique de caractères) analyse les pixels pour identifier les lettres. Cet outil exécute le moteur libre Tesseract compilé en WebAssembly dans un Web Worker local sans serveur distant.
Quels formats d'image sont pris en charge ?
L'outil gère les formats JPEG (.jpg, .jpeg), PNG (.png) et WebP (.webp), y compris les numérisations haute résolution traitées en mémoire locale.
Comment les fichiers PDF sont-ils traités pour l'OCR ?
Les pages sont converties en images Canvas haute définition via PDF.js, analysées par le moteur OCR, puis réassemblées en PDF bi-couche avec pdf-lib.
Quelle est la différence entre un PDF numérisé et un PDF texte ?
Un PDF texte intègre directement des polices vectorielles ; un PDF numérisé n'est qu'un ensemble de photos. Cet outil ajoute une couche textuelle au scan.
Qu'est-ce qu'un PDF interrogeable (Searchable PDF) ?
C'est un PDF combinant l'image originale visible et une couche de texte invisible positionnée précisément au-dessus pour permettre la recherche et la sélection.
Comment les coordonnées du texte invisible sont-elles définies ?
Le moteur OCR extrait les boîtes englobantes (Bounding Box) de chaque mot, qui sont converties en points PDF avec inversion de l'axe vertical.
Qu'est-ce que l'indice de confiance et y a-t-il une garantie à 100 % ?
C'est une note statistique (0 à 100) fournie par le moteur. Aucun système OCR ne peut garantir 100 % d'exactitude ; les scores bruts sont affichés sans artifice.
Comment les zones de faible confiance sont-elles signalées ?
Les mots dont la confiance est inférieure à 60 sont marqués comme 'Incertitude potentielle' pour attirer l'attention lors de la relecture humaine.
Puis-je corriger le texte extrait avant l'exportation ?
Oui, un éditeur interactif permet de modifier directement les mots ou les lignes, répercutant immédiatement les corrections dans le PDF final.
À quoi sert le prétraitement de l'image ?
Il corrige les défauts d'inclinaison, de contraste et d'éclairage afin de rendre les contours des caractères plus nets pour le moteur OCR.
Quelle résolution DPI choisir pour le rendu PDF ?
Une valeur de 150 à 200 DPI est optimale pour la plupart des documents ; 300 DPI convient aux petits caractères ou graphies complexes.
Le texte vertical est-il supporté ?
Le modèle est optimisé pour les textes horizontaux courants ; le support des écritures verticales reste restreint.
Quelle est l'efficacité sur l'écriture manuscrite ?
Le moteur est spécialisé dans les caractères d'imprimerie. L'écriture manuscrite obtient généralement une confiance faible et requiert une vérification attentive.
Les tableaux et colonnes sont-ils fidèlement reconstitués ?
Les zones de tableaux et les colonnes sont identifiées en tant que candidates, sans garantie de reconstitution parfaite d'un tableur.
Comment détecter les confusions entre chiffres et lettres ?
Le système signale les séquences alphanumériques mêlant des caractères visuellement proches (0/O, 1/I/l, 5/S, 8/B) pour vérification.
Peut-on caviarder (masquer) des données sensibles ?
Oui, vous pouvez remplacer des termes par [REDACTED] et appliquer des rectangles noirs permanents détruisant les pixels correspondants dans le PDF exporté.
Mes documents sont-ils téléversés ou conservés sur un serveur ?
Absolument pas. Le traitement s'opère exclusivement dans la mémoire volatile de votre machine sans aucune transmission réseau.
L'outil fonctionne-t-il hors ligne ?
Oui, l'ensemble des modules WebAssembly et des dictionnaires linguistiques étant inclus dans le site, le fonctionnement est garanti sans Internet.
Puis-je choisir une langue d'OCR différente de l'interface ?
Oui, la langue de reconnaissance (français, anglais, allemand, espagnol, japonais, etc.) est totalement indépendante de la langue de l'interface.
Comment le PDF généré est-il vérifié ?
Dès sa création, le PDF est relu par pdfjs-dist pour confirmer le nombre de pages et vérifier que le texte invisible est bien détectable.
L'outil est-il compatible avec les smartphones ?
Oui, l'interface réactive s'adapte aux mobiles et tablettes, même si un écran d'ordinateur reste préférable pour les gros volumes.
Existe-t-il des limites de taille de fichier ?
Le traitement page par page libère la mémoire en continu. Pour préserver la stabilité du navigateur, la limite est fixée à 100 pages et 50 Mo.