Vous disposez d'un dossier contenant 200 fichiers PDF numérisés. Anciens contrats, rapports archivés, procès-verbaux de réunions remontant à une décennie. Aucun d’entre eux n’est consultable. Trouver un document spécifique signifie ouvrir chaque fichier et le scanner avec vos yeux, ce qui est lent, sujet aux erreurs et insoutenable à mesure que la collection s'agrandit. Vous devez exécuter l'OCR sur l'ensemble du lot en même temps, et non sur un fichier à la fois.
L'OCR par lots est la solution, et elle est plus accessible que la plupart des gens ne le pensent. Vous n'avez pas besoin d'un système de gestion de documents d'entreprise ou d'une batterie de serveurs. Selon la taille de votre projet et les outils que vous choisissez, vous pouvez disposer de 200 PDF consultables à la fin de la journée. La clé est de choisir la bonne approche en fonction de votre volume et de votre confort avec la technologie.
Avant de commencer : organisez et évaluez votre lot de documents
Un projet OCR par lots vit ou meurt lors de la préparation. Commencez par rassembler tous les PDF dans un seul dossier. Nommez-les de manière cohérente. Si les fichiers sont actuellement nommés scan001.pdf, scan002.pdf, etc., renommez-les en quelque chose de descriptif avant d'exécuter l'OCR. Le processus OCR ne modifiera pas les noms de fichiers, et il est beaucoup plus facile de retrouver ultérieurement un document spécifique lorsque le nom du fichier vous indique ce qu'il contient.
Ensuite, évaluez la qualité de vos analyses. Ouvrez un échantillon aléatoire de 10 à 20 fichiers et vérifiez la résolution, l'inclinaison et le contraste. Si la plupart des numérisations sont de 300 DPI ou plus, verticales et comportent du texte sombre sur un fond clair, l'OCR par lots produira d'excellents résultats avec une intervention manuelle minimale. Si les numérisations sont de faible résolution, asymétriques ou ont des arrière-plans colorés, attendez-vous à une précision moindre et prévoyez du temps pour la révision et la correction manuelles. Un benchmark réalisé en 2025 par la PDF Association a révélé que la précision de l'OCR sur des numérisations propres de 300 DPI était en moyenne supérieure à 97 %, tandis que les numérisations de 150 DPI des mêmes documents tombaient à environ 87 % (PDF Association, « OCR Accuracy Benchmark Report », 2025). La qualité de votre contribution détermine la qualité de votre sortie.
Essayez l'OCR PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.
Option 1 : OCR par lots basée sur un navigateur pour les lots petits à moyens
Pour des lots comprenant jusqu'à 20 à 30 fichiers, un outil OCR PDF basé sur un navigateur fournit le chemin le plus simple. L'outil OCR de WukongPDF traite plusieurs fichiers en une seule session. Téléchargez les fichiers, sélectionnez la langue OCR et démarrez le traitement. L'outil ajoute une couche de texte consultable à chaque page et renvoie les fichiers sous forme de PDF consultables. Téléchargez-les tous une fois le traitement terminé.
Cette approche ne nécessite aucune installation de logiciel, aucun script et aucune configuration technique. Le compromis est que chaque fichier doit être téléchargé et téléchargé, ce qui prend un temps proportionnel à la vitesse de votre connexion Internet et à la taille des fichiers impliqués. Pour 10 fichiers de 5 Mo chacun, le transfert total est de 50 Mo en montant et 50 Mo en bas, gérable sur n'importe quelle connexion haut débit. Pour 100 fichiers de 20 Mo chacun, le transfert total est de 2 Go vers le haut et 2 Go vers le bas, ce qui prendra un certain temps sur la plupart des connexions. À cette échelle, une approche basée sur ordinateur devient plus pratique.
Option 2 : Logiciel de bureau pour gros lots et contrôle total
Adobe Acrobat Pro inclut une fonctionnalité OCR par lots conçue exactement pour ce cas d'utilisation. Ouvrez Acrobat, accédez à Outils, sélectionnez Améliorer les numérisations et choisissez Reconnaître le texte. Sélectionnez "Dans plusieurs fichiers". dans la liste déroulante. Ajoutez le dossier contenant vos PDF, configurez les paramètres OCR, la langue, le format de sortie et la qualité, puis cliquez sur OK. Acrobat traite chaque fichier du dossier et enregistre les versions consultables à côté des originaux ou dans un nouveau dossier de sortie de votre choix.
L’approche bureautique présente plusieurs avantages pour les grands projets. Cela ne dépend pas de votre vitesse Internet. Il peut fonctionner pendant la nuit alors que votre ordinateur est inactif. Il vous donne un contrôle précis sur les paramètres OCR pour les documents nécessitant un traitement spécial, tels que les fichiers contenant plusieurs langues, les polices inhabituelles ou les pages aux orientations mixtes. Le principal inconvénient est le coût. Acrobat Pro nécessite un abonnement. Si vous l'avez déjà obtenu au travail, la fonction OCR par lots vous attend. Si ce n’est pas le cas, évaluez si la taille du projet justifie les frais d’abonnement.
Option 3 : OCR en ligne de commande gratuite pour les utilisateurs techniques
Tesseract, le moteur OCR open source géré par Google, peut traiter un dossier entier de PDF avec un script shell. Installez Tesseract via Homebrew sur Mac ou le programme d'installation Windows pré-construit. Écrivez un script en boucle simple qui prend chaque PDF dans un dossier, le convertit en images, exécute Tesseract sur chaque image et réassemble le texte reconnu dans un nouveau PDF consultable. Cette approche ne coûte rien, fonctionne entièrement hors ligne et s'adapte à des milliers de fichiers.
Le compromis est la complexité technique. Tesseract est un outil en ligne de commande. Cela nécessite une certaine aisance avec le terminal, des connaissances de base en script et de la patience pour déboguer les inévitables cas extrêmes : PDF avec des tailles de page mixtes, fichiers dans lesquels les métadonnées DPI sont manquantes ou erronées, documents dans lesquels le langage de reconnaissance de texte doit être spécifié par fichier. Pour un utilisateur technique travaillant sur un projet personnel, Tesseract est puissant et gratuit. Pour quelqu'un qui souhaite une solution qui fonctionne sans apprendre une interface de ligne de commande, les approches basées sur un navigateur ou sur un ordinateur de bureau sont beaucoup plus accessibles.
Contrôle qualité : vérification d'un lot de résultats OCR
Après avoir exécuté l'OCR par lots sur un grand nombre de fichiers PDF numérisés, un contrôle de qualité systématique évite le scénario dans lequel vous découvrirez six mois plus tard qu'un quart des fichiers contiennent des couches de texte tronquées. Vous n'avez pas besoin d'inspecter chaque page de chaque fichier, mais vous devez vérifier un échantillon représentatif.
Ouvrez un fichier au début de votre lot, un au milieu et un à la fin. Pour chaque fichier, lancez une recherche Ctrl+F pour un mot que vous pouvez voir sur la page. Essayez de sélectionner du texte avec votre curseur. Parcourez un paragraphe en le comparant au texte visible. Si les trois exemples de fichiers réussissent ces tests, l’OCR par lots a probablement réussi dans tous les domaines. Si un ou plusieurs échantillons présentent des problèmes, ouvrez un échantillon plus grand, peut-être 10 % des fichiers, pour évaluer si le problème est isolé ou répandu.
Les échecs courants d'OCR par lots incluent les fichiers dans lesquels la langue a été mal définie, ce qui a entraîné le rendu de tous les caractères accentués ou non latins sous forme de charabia, les fichiers présentant une distorsion importante que l'algorithme de redressement n'a pas pu corriger et les fichiers dont la résolution était trop faible pour une reconnaissance fiable. Chacun de ces échecs a un correctif spécifique : corrigez le paramètre de langue, réorientez manuellement l'analyse ou réanalysez à une résolution plus élevée avant de réexécuter l'OCR sur les fichiers concernés.
Une fois l'OCR par lots terminé et passé les contrôles de qualité, stockez les fichiers originaux non numérisés séparément des versions traitées par OCR. L'espace disque est peu coûteux. Avoir les originaux disponibles signifie que vous pourrez réexécuter l'OCR à l'avenir si un meilleur moteur OCR devient disponible ou si vous découvrez qu'un paramètre spécifique aurait produit de meilleurs résultats. Cette petite habitude d'archivage a évité à d'innombrables projets de devoir numériser à nouveau des documents physiques qui avaient été supprimés après le premier passage OCR.
Essayez l'OCR PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.