Modifier un PDF scanné : ce que l’on peut changer après l’OCR

L’OCR ajoute au scan une couche de texte invisible pour la recherche et la copie, mais les lettres de l’image restent une image. Une note se pose sur la page, un remplacement passe par un masquage et un nouveau texte, une refonte par Word.

Vous devez corriger une date dans un contrat scanné ou ajouter une référence sur une attestation ? Ouvrez le scan dans Modifier le PDF : le même éditeur permet de reconnaître le texte, d’ajouter un nouveau texte et de masquer l’ancien. Mieux vaut savoir d’emblée ce que l’OCR ne fait pas. Il ajoute à la page une couche invisible avec les mots reconnus, mais les lettres imprimées restent une partie de l’image et ne changent pas d’elles-mêmes.

Cet article porte sur les scans et les photos de documents. Si le PDF a été créé dans Word ou un autre logiciel et contient du vrai texte, la modification se fait autrement : voyez modifier le texte d’un PDF sans passer par Word.

Vérifiez ce que contient la page

Gardez d’abord une copie du fichier d’origine. Ouvrez ensuite le document dans l’éditeur et cliquez sur « OCR » dans la barre d’outils. Au survol, le nom complet s’affiche, « Reconnaître le texte (OCR) », et sur téléphone la barre s’ouvre avec le bouton « Outils ». Avant tout lancement, le panneau vérifie les pages. L’option « Pages sans texte » indique combien il en a trouvé, et en mode « Choisir des pages » chaque numéro porte une étiquette : « scan », « avec texte », « dessin » ou « vide ».

L’étiquette « avec texte » sur une page scannée signifie que le fichier possède déjà une couche de texte, ajoutée par exemple par le scanner ou par l’application qui a enregistré le document. Vérifiez sa qualité. Ouvrez le fichier dans une visionneuse PDF ordinaire, copiez une ligne avec une date ou un numéro dans n’importe quel éditeur de texte et comparez-la avec ce que vous voyez sur la page. Si les chiffres concordent, inutile de relancer la reconnaissance.

Reconnaître le texte directement dans l’éditeur

La voie principale ne vous fait pas quitter l’éditeur :

1. Cliquez sur « OCR ». 2. Choisissez les pages : « Cette page », « Pages sans texte », « Toutes les pages » ou « Choisir des pages ». 3. Dans « Langue », « Automatique » (russe et anglais à la fois) est présélectionné. Si le document ne contient pas de texte russe, choisissez « Anglais ». 4. Dans « Qualité », prenez « Précise (plus lente) » si le scan comporte des petits caractères, des tableaux ou des tampons. 5. Cliquez sur « Reconnaître ».

Vous pouvez fermer la fenêtre et continuer à travailler : la couche est ajoutée à la fin du traitement. La recherche trouve alors les mots du scan, et « Annuler » retire la couche reconnue en une seule étape. La reconnaissance consomme des opérations de votre limite, et le panneau affiche combien avant le lancement.

L’outil séparé OCR PDF fait la même chose pour un fichier entier. Il convient quand vous n’avez rien à modifier et voulez seulement chercher et copier. Les modes de qualité et le redressement sont détaillés dans comment faire l’OCR d’un PDF scanné.

Quelles langues sont reconnues

Pour l’instant, la reconnaissance connaît deux langues : l’anglais et le russe. « Automatique » dans l’éditeur et « auto » dans « langue ocr » de l’outil OCR PDF ne devinent pas la langue : ils lisent la page avec les deux à la fois.

Pour un scan en français, choisissez donc « Anglais » : la page passe alors par le modèle anglais. Les mots restent en général lisibles, mais les lettres accentuées comme é, è, à ou ç se perdent ou se déforment. Une recherche sur « été » ou « reçu » peut alors ne rien trouver, et un document Word tiré de ce texte devra être corrigé à la main. En mode « Automatique », des lettres latines peuvent être reconnues comme des lettres cyrilliques semblables. Les écritures autres que latine et cyrillique ne sont pas reconnues du tout. L’ajout de texte et le masquage décrits plus bas fonctionnent aussi sans OCR.

Si le scan a déjà un OCR défectueux

Relancer la reconnaissance ne corrige pas les erreurs d’un autre outil. Une page qui a déjà une couche de texte d’au moins 24 caractères est ignorée. Dans le panneau, elle apparaît sur la ligne « ont déjà du texte, laissées telles quelles », et l’outil OCR PDF la rend sans changement. Cela protège le vrai texte, mais pour un scan doté d’une ancienne reconnaissance ratée, un nouveau passage ne corrigera rien.

La parade consiste à retransformer les pages en simples images :

1. Passez le fichier dans PDF en JPG. Le résultat arrive sous forme d’archive ZIP, avec une image par page. 2. Décompressez l’archive et chargez les images dans l’ordre dans JPG en PDF. Pour éviter un cadre blanc, réglez « Marges » sur 0. Si l’original était au format A4, choisissez A4 dans « taille des pages ». 3. Lancez la reconnaissance sur le nouveau fichier.

À chaque passage, JPG en PDF accepte un nombre limité d’images (la limite figure sur la page de l’outil). Traitez un long document par parties, puis réunissez-les avec Fusionner PDF. Ce détour consomme trois opérations de votre limite quotidienne, et davantage par parties : un passage de JPG en PDF par partie, plus un pour la fusion.

Sachez qu’avec l’ancienne couche disparaissent aussi les vrais objets texte, les liens et les signets. Réservez cette méthode à un document composé entièrement de scans.

Ajouter une note sur la page

Si le contenu d’origine doit rester et qu’il suffit d’ajouter quelque chose à côté, comme un numéro d’arrivée, un commentaire ou une précision du type « Début à 14 h », cliquez sur « Texte » (infobulle « Ajouter du texte »). Placez le bloc dans une zone libre, réglez « Taille de police » et la couleur, puis zoomez pour vérifier que la note ne chevauche pas les lignes du scan.

Le champ « Arrière-plan » place un fond sous la note, blanc par exemple. Ce n’est qu’un cache visuel : les anciennes lettres restent dessous dans le fichier, et la recherche trouve toujours leurs copies reconnues. Ce n’est pas un moyen de supprimer des données.

Remplacer un passage par une zone masquée

Si l’ancienne valeur doit vraiment disparaître, cliquez sur « Masquer » (son infobulle indique « Ajouter un caviardage »). Une zone blanche apparaît et efface ce qui se trouve dessous : faites-la glisser sur l’ancienne date, ajustez sa taille avec les poignées des bords, puis placez la nouvelle date par-dessus avec « Texte ». Après « Appliquer les modifications », le PDF final apparaît en dessous, prêt à être téléchargé. Votre fichier d’origine n’est pas modifié.

Cette méthode a un prix. Une page avec une zone masquée est exportée entièrement sous forme d’image : il ne reste rien sous la zone couverte. Mais la couche de texte disparaît de toute la page : son texte ne peut plus être sélectionné ni recherché. Le texte que vous avez ajouté sur cette page est lui aussi incrusté dans l’image et cesse d’être du texte. Les liens hors de la zone sont conservés, tandis que les propriétés du document, les pièces jointes et les signets ne sont pas nettoyés. Pour en savoir plus, lisez masquer les données sensibles d’un PDF.

Pour retrouver la recherche, relancez la reconnaissance sur le résultat : ouvrez le fichier téléchargé dans l’éditeur ou dans OCR PDF. Les pages qui ont encore du texte sont ignorées, tandis que les pages masquées sont désormais de simples images et sont reconnues à nouveau, cette fois avec la nouvelle date.

Pour de gros changements, passez par Word

Réécrire des paragraphes et des tableaux sur un scan est peu pratique. Dans ce cas, lancez d’abord la reconnaissance, puis ouvrez PDF vers Word et laissez « Texte modifiable » dans « Type de résultat ». L’option « Copie exacte (non modifiable) » insère les pages comme images, il n’y a donc rien à modifier.

Décochez « inclure des images ». Dans un scan, la page elle-même est une image du PDF : avec cette case cochée, le DOCX reçoit à la fois l’image de la page et les paragraphes reconnus, et le texte se retrouve en double. Sans images, vous obtenez un texte propre. Les tampons et signatures ne suivront pas non plus : si vous en avez besoin, insérez-les à part dans Word.

La reconnaissance ne restitue ni les polices d’origine, ni les retours à la ligne, ni la mise en page exacte des tableaux. Après modification, enregistrez le document depuis Word au format PDF et comparez-le page par page avec l’original : montants, dates, numéros et noms. Une note courte s’ajoute plus simplement dans l’éditeur ; refaire le document dans Word se justifie quand une part importante du texte change.