Vous disposez d'une pile d'imprimés que quelqu'un a marqués avec un stylo, et vous disposez également de plusieurs pages que vous avez écrites directement dans Google Docs. Vous devez tout combiner dans un seul fichier PDF qui semble professionnel et cohérent. Les pages numérisées sont des photographies plates de papier. Les pages numériques contiennent du texte en direct. Ces deux types de contenu PDF fondamentalement différents peuvent-ils cohabiter dans un seul document ? La réponse courte est oui, mais la façon dont ils coexistent dépend de la manière dont vous abordez la fusion.
Ce n’est pas un scénario inhabituel. Une enquête réalisée en 2024 par l'Association for Information and Image Management a révélé que 42 % des organisations traitent encore régulièrement un mélange de documents numérisés et créés numériquement dans leurs flux de travail quotidiens (AIIM, « State of Intelligent Information Management », 2024). Les PDF hybrides, documents contenant à la fois des pages d'images numérisées et des pages de texte nées numériques, sont une réalité dans les cabinets d'avocats, les cabinets comptables, les agences immobilières et les départements universitaires.
Qu'est-ce qui différencie les pages numérisées des pages numériques dans un PDF
Pour comprendre pourquoi la fusion de pages numérisées et numériques nécessite une certaine attention, il est utile de savoir ce que chaque type de page contient réellement au niveau du fichier. Une page numérique stocke des caractères de texte individuels, chacun avec une position précise, une référence de police et une valeur Unicode. Les fonctions de recherche peuvent lire ces caractères directement. Une page numérisée stocke une seule image compressée, souvent au format JPEG ou JPEG2000, qui occupe une zone rectangulaire égale aux dimensions de la page. Le fichier ne sait rien de ce que représente cette image. Il peut s'agir d'un texte, d'une photographie ou d'un dessin, et le PDF ne fait aucune distinction.
Cette différence a des conséquences pratiques. Dans un PDF hybride fusionné, certaines pages seront consultables et d’autres non. Certaines pages auront du texte sélectionnable et d'autres se comporteront comme des photographies. La taille du fichier par page variera également considérablement. Une page de texte brut créée numériquement peut occuper entre 30 et 50 Ko. Une numérisation couleur 300 DPI du même contenu peut occuper entre 500 Ko et 2 Mo. Un document hybride de 20 pages peut facilement aller de 2 Mo pour un fichier principalement numérique à 30 Mo pour un fichier principalement numérisé. Cette variation est importante lorsque vous envoyez le document par courrier électronique ou que vous le téléchargez sur un portail dont la taille de fichier est limitée.
Essayez de fusionner des PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.
Comment fusionner des pages numérisées et numériques tout en gardant tout organisé
Le processus réel de combinaison de pages PDF numérisées et numériques n'est pas différent de la fusion de tout autre ensemble de fichiers PDF. N’importe quel outil Merge PDF peut gérer le travail. L'outil de fusion de WukongPDF vous permet de télécharger des fichiers dans n'importe quel ordre, de les faire glisser pour réorganiser les pages et de télécharger un seul PDF combiné. L'outil ne se soucie pas de savoir si chaque page source provient d'un scanner ou d'un traitement de texte. Il traite toutes les pages d'entrée de la même manière et les joint dans l'ordre que vous spécifiez.
La considération la plus importante est ce qui se passe après la fusion. Si vous souhaitez que le document final soit entièrement consultable, les pages numérisées doivent passer par une étape OCR, avant ou après la fusion. L'exécution de l'OCR avant la fusion vous donne plus de contrôle car vous pouvez vérifier individuellement la qualité du texte de chaque fichier numérisé. L'exécution de l'OCR après la fusion est plus pratique car vous traitez l'intégralité du document en un seul passage. Les deux approches fonctionnent. Le choix dépend de la nécessité ou non d'affiner les paramètres OCR différemment pour différents documents sources.
La cohérence de la taille des pages est un autre détail qui mérite d’être surveillé. Les pages numérisées correspondent souvent par défaut aux dimensions physiques du papier sur le lit du scanner, généralement US Letter (8,5 x 11 pouces). Les pages numériques peuvent avoir été créées au format A4 (8,27 x 11,69 pouces) ou aux dimensions personnalisées utilisées par l'application d'origine. Lorsque des pages de tailles légèrement différentes apparaissent dans le même PDF, la plupart des lecteurs gèrent les variations avec élégance en redimensionnant chaque page pour l'adapter à la fenêtre de visualisation. Mais la transition visuelle entre des tailles de page légèrement différentes peut être choquante lors du défilement. Si la cohérence est importante pour votre cas d'utilisation, envisagez de standardiser toutes les pages à une taille unique pendant le processus de fusion.
Quand les PDF hybrides ont du sens, et quand ils ne le sont pas
Les PDF hybrides constituent une solution pratique dans de nombreuses situations courantes. Les professionnels du droit combinent régulièrement des contrats rédigés numériquement avec des pièces à conviction et des documents de preuve numérisés. Les agents immobiliers fusionnent les offres créées numériquement avec les rapports d'inspection et les formulaires de divulgation numérisés. Les comptables regroupent les états financiers générés par ordinateur avec des reçus et des factures numérisés. Dans chacun de ces cas, le PDF hybride remplit son objectif : il crée un fichier unique et organisé que quelqu'un peut ouvrir, parcourir et réviser du début à la fin.
Il existe cependant des situations dans lesquelles un PDF hybride ne suffit pas. Si le destinataire doit rechercher du texte dans l'ensemble du document, les pages numérisées seront invisibles pour la fonction de recherche à moins qu'elles n'aient été traitées par OCR. Si le destinataire doit copier et coller du texte à partir de n'importe quelle page, les pages numérisées échoueront à ce test. Si le document est soumis à un système qui effectue une extraction automatisée de texte ou une indexation de texte intégral, tel qu'un système de dépôt électronique judiciaire ou une plateforme de gestion de documents, les pages non numérisées produiront des résultats vierges ou remplis d'erreurs dans ces systèmes.
Pour ces scénarios aux enjeux plus élevés, exécuter l’OCR sur chaque page numérisée avant la fusion n’est pas facultatif, c’est essentiel. Un PDF hybride entièrement consultable fonctionne presque de manière impossible à distinguer d’un PDF entièrement numérique. La seule différence restante est que les pages numérisées ne redistribueront pas leur texte lors du zoom, contrairement aux pages numériques, selon la manière dont elles ont été créées. Dans la plupart des cas pratiques, un PDF hybride bien exécuté avec OCR sur chaque page numérisée offre la même expérience utilisateur qu'un document purement numérique.
Gestion de la taille des fichiers lors du mélange de contenu numérisé et numérique
La taille du fichier est souvent la première chose que les gens remarquent à propos d’un PDF hybride, et ce n’est pas de manière positive. Un document de 10 pages dont 3 pages sont des numérisations couleur 300 DPI et 7 sont du texte numérique brut peut facilement dépasser 10 Mo. Si ce document doit être envoyé par courrier électronique, de nombreux serveurs de messagerie imposent une limite de pièces jointes de 25 Mo, et les destinataires connectés à des connexions de données mobiles n'apprécieront pas de télécharger un fichier aussi volumineux pour un contenu qui aurait pu représenter une fraction de sa taille.
Plusieurs techniques peuvent contrôler la taille du fichier PDF hybride. La numérisation en noir et blanc ou en niveaux de gris au lieu de la couleur réduit la taille du fichier par page d'environ 60 à 80 % pour les documents contenant beaucoup de texte. La réduction de la résolution de numérisation de 300 DPI à 200 DPI réduit la taille du fichier environ de moitié tout en fournissant suffisamment de détails pour un texte lisible et des résultats OCR acceptables. L'application d'une compression au PDF fusionné comme étape finale peut réduire davantage la taille totale. Les pages PDF numérisées bénéficient particulièrement de la compression car les images numérisées contiennent souvent beaucoup plus de données en pixels que nécessaire pour la visualisation ou l'impression à l'écran. L'outil de compression de WukongPDF peut réduire un PDF hybride de 50 % à 70 % sans perte de qualité visible, ce qui fait la différence entre un fichier qui rebondit depuis un serveur de messagerie et un autre qui y transite.
Étape par étape : Création d'un PDF hybride propre
Une approche cohérente pour créer des PDF hybrides produit de meilleurs résultats que d’improviser à chaque fois. Commencez par numériser toutes les pages physiques à 300 DPI en niveaux de gris, sauf si la couleur est spécifiquement requise. Enregistrez-les sous forme de fichiers PDF individuels, et non sous la forme d'une seule numérisation combinée. Ensuite, ouvrez chaque fichier numérisé et vérifiez que les pages sont droites et lisibles. Exécutez l'OCR sur les fichiers numérisés si vous avez besoin que le document final soit consultable.
Rassemblez vos pages numériques. S'ils sont répartis sur plusieurs fichiers, fusionnez-les d'abord. Vous devriez maintenant disposer de deux ensembles vierges : un lot de PDF numérisés et un lot de PDF numériques. Utilisez un outil de fusion pour les combiner dans le bon ordre. Une interface de fusion basée sur un navigateur affiche toutes les pages téléchargées sous forme de vignettes que vous pouvez faire glisser, de sorte que l'organisation séquentielle des pages numérisées et numériques est rapide et visuelle.
Après la fusion, effectuez un contrôle de qualité rapide. Faites défiler chaque page. Recherchez les pages qui semblent pivotées, les pages dont la numérisation a coupé une partie du contenu et les pages dont le texte est si pâle qu'il est difficile à lire. Résolvez tout problème à la source et fusionnez à nouveau si nécessaire. Exécutez un test de recherche Ctrl+F sur quelques mots dont vous savez qu'ils apparaissent sur les pages numérisées. Si la recherche les trouve, l'OCR fonctionne correctement. Dans le cas contraire, les pages numérisées nécessitent un autre passage via OCR avant que le document ne soit prêt à être partagé.
Enfin, vérifiez la taille du fichier. Si le document est destiné au courrier électronique, essayez de le conserver sous 10 Mo. S'il dépasse ce chiffre, exécutez-le via une étape de compression et vérifiez à nouveau. Les quelques minutes supplémentaires consacrées à ces étapes de vérification sont bien moins pénibles que de demander à un client, un collègue ou un greffier de vous dire que le document que vous avez envoyé est inutilisable.
Essayez de fusionner des PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.