L'OCR et la traduction sont souvent présentés comme une seule opération, alors qu'ils répondent à des questions différentes. L'OCR demande : « Quel texte figure sur cette page ? » La traduction demande : « Que signifie ce texte dans une autre langue ? » Le traitement de documents ajoute une troisième question : « Dans quel ordre faut-il lire le texte, les titres, les figures et les notes ? »
Cette distinction explique un échec bien connu : une traduction qui sonne naturelle mais dit quelque chose d'étrange. Le système linguistique a peut-être reçu un mot erroné, un symbole manquant ou des paragraphes dans le mauvais ordre. Une meilleure consigne ne peut pas réparer de façon fiable une information source qui n'a jamais été correctement extraite.
Distinguer reconnaissance, structure et sens
Imaginez une page numérisée où l'OCR lit 10 mg à la place de IO mg. Le traducteur peut reproduire les mauvaises lettres ou les interpréter comme un nom. L'étape de traduction ne peut pas établir la dose à partir de la seule fluidité de la langue. Il faut l'image d'origine pour lever l'ambiguïté.
Prenez maintenant un article sur deux colonnes. Chaque mot est correctement reconnu, mais l'extraction alterne les lignes des deux colonnes. Le problème vient de l'ordre de lecture, pas de l'orthographe. La traduction peut transformer le texte recombiné en un texte grammaticalement correct tout en perdant le raisonnement.
Un flux de travail efficace se répartit donc en plusieurs responsabilités :
| Étape | Son rôle | Un contrôle utile |
|---|---|---|
| Acquisition | Produire des images de page lisibles | Les petits caractères sont visibles et les marges complètes |
| OCR | Extraire le texte des images | Les caractères, chiffres et symboles correspondent à la page |
| Restitution de la structure | Organiser paragraphes, colonnes, titres et notes | Le texte se poursuit dans l'ordre prévu |
| Traduction | Exprimer le sens dans la langue cible | Les noms, qualifications et relations sont conservés |
| Sortie et relecture | Produire un fichier exploitable | La navigation, les notes, les tableaux et les passages importants fonctionnent |
Un outil intégré peut enchaîner ces étapes au sein d'une même tâche. Elles restent néanmoins des distinctions utiles au moment de relire le résultat.
Aborder différemment les PDF texte et les numérisations
Pour un PDF textuel, sélectionnez un paragraphe et collez-le dans un éditeur. Vérifiez que les caractères et l'ordre sont cohérents. Un texte sélectionnable est un bon indice, mais des polices intégrées ou une couche texte endommagée peuvent tout de même produire des caractères inattendus.
Pour une numérisation, examinez d'abord l'image de la page. Contrôlez le flou, l'inclinaison, les ombres de reliure et les textes rognés. Si la numérisation d'origine est mauvaise, la qualité de reconnaissance a une limite physique. Augmenter la résolution d'une image déjà floue ne restitue pas les détails manquants des lettres.
Un PDF mixte exige les deux contrôles. Certaines pages peuvent contenir du texte natif tandis que des encarts ou des annexes sont des images. Vérifiez plusieurs endroits plutôt que de classer tout un ouvrage à partir d'une seule page.
PDF Craft accepte des fichiers PDF et propose une conversion en EPUB ou en Markdown, avec traduction facultative pour ces sorties. La sortie PDF correspond à une tâche de traduction. Vérifiez la configuration réelle : arriver par une page marketing particulière ne détermine pas à votre place le format de sortie ni les paramètres de traduction.
Savoir quand un contrôle intermédiaire mérite l'étape supplémentaire
Une tâche intégrée d'OCR et de traduction est pratique pour obtenir une copie de lecture lorsque vous pouvez comparer le résultat à l'original. Une vérification séparée de la reconnaissance est utile quand un document contient des quantités importantes, un vocabulaire inhabituel ou une mise en page susceptible de provoquer des erreurs de structure.
Dans un flux séparé, commencez par produire une conversion sans traduction, puis examinez le contenu extrait dans le lecteur ou l'éditeur adapté. Comparez les titres, les paragraphes à cheval sur plusieurs pages, ainsi qu'un tableau ou une note. Corrigez les problèmes de source dans un environnement d'édition approprié avant d'utiliser ce matériau dans une étape de traduction ultérieure.
Ne partez pas du principe que tout service expose un résultat intermédiaire modifiable ou accepte ce format corrigé comme nouvelle entrée. L'interface web de PDF Craft permet de lancer des tâches ; elle ne garantit pas de pouvoir modifier le texte reconnu par OCR avant la traduction. Vérifiez les entrées prises en charge pour l'étape suivante plutôt que de considérer conversion, édition et nouvel envoi comme interchangeables.
Si vous renoncez au contrôle intermédiaire, rendez la relecture finale plus méthodique. Comparez tout passage traduit douteux directement avec l'image du PDF. Notez l'emplacement d'origine pour pouvoir distinguer une erreur de reconnaissance d'un choix de traduction.
Choisir la sortie en fonction de l'usage à venir
EPUB convient lorsque votre objectif est de poursuivre la lecture avec une taille de texte ajustable. Vous voulez des paragraphes qui se réajustent, une table des matières exploitable et des notes qui restent liées au corps du texte. Le guide de PDF numérisé à EPUB détaille ces vérifications.
Markdown convient lorsque vous voulez un texte modifiable pour des notes de recherche, des citations ou un traitement ultérieur. Contrôlez les formules et les tableaux plutôt que d'attendre une reproduction exacte de la page imprimée. Voir PDF vers Markdown pour la recherche.
La traduction PDF répond à une exigence de livraison au format PDF. Après traduction, inspectez l'ajustement du texte, les relations entre figures et les zones de mise en page chargées. Ne déduisez pas la prise en charge d'un PDF bilingue à partir des options bilingues proposées pour d'autres sorties.
Une sortie EPUB bilingue facilite le contrôle du sens en plaçant le passage d'origine avant sa traduction. Elle ne valide pas l'OCR par rapport à l'image de la page : si la source reconnue était déjà erronée, les deux passages affichés peuvent laisser le problème masqué.
Contrôler les points de jonction entre les étapes
Examinez une transition de page, un changement de colonne et un appel de note. C'est là que des résultats locaux corrects peuvent se combiner à tort. L'article sur le traitement des notes de bas de page explique pourquoi une page peut contenir tous les mots tout en rattachant une note au mauvais endroit.
Inspectez ensuite ensemble les valeurs et la langue. Confirmez un nombre et son unité, une négation et l'énoncé qu'elle modifie, un renvoi à une figure et sa légende. Pour une citation importante, revenez à la page d'origine plutôt que de vous fier uniquement à une version extraite ou traduite.
Pour commencer, importez votre PDF dans PDF Craft, choisissez la sortie et activez explicitement la traduction si nécessaire. Le traitement est facturé à l'usage ; les tarifs en vigueur figurent sur la page Tarifs. Conservez l'original, le résultat téléchargé et suffisamment d'informations de localisation pour faciliter les vérifications ultérieures.