Le bon outil d'OCR dépend du fichier dont vous disposez et du résultat qu'il vous faut. Un PDF consultable, un Markdown modifiable et un EPUB à mise en page adaptative sont trois résultats différents. Un système qui lit bien des paragraphes nets peut toujours buter sur les notes, les colonnes ou une impression inhabituelle d'un livre.
Pour comparer les solutions, partez des mêmes pages sources. Ce guide décrit des procédures documentées et des questions d'évaluation, pas un classement de précision mesurée.
Comparer l'installation et la charge matérielle
| Solution | Ce que vous devez mettre en place | Question à se poser sur le résultat |
|---|---|---|
| Traitement basé sur Tesseract | Installation, données de langue, préparation des images, et script ou interface | Quelles informations de texte ou de mise en page sont produites, et qui assemble le livre ? |
| OCRmyPDF | Un environnement local compatible et ses dépendances | Un PDF consultable suffit-il, ou faut-il encore une autre conversion ? |
| Un éditeur PDF de bureau | Un système d'exploitation pris en charge, l'accès au logiciel et les outils d'OCR proposés | Quels résultats modifiables ou PDF votre version fournit-elle ? |
| Conversion en ligne avec PDF Craft | Un navigateur, un PDF pris en charge, le format de sortie choisi et un plan de relecture | EPUB pour lire ou Markdown pour modifier ? Une traduction est-elle nécessaire ? |
La documentation de Tesseract décrit un moteur d'OCR et l'installation qu'il prend en charge. OCRmyPDF explique comment ajouter une couche de texte OCR à des PDF numérisés. Adobe documente son flux de travail d'amélioration de numérisation et d'OCR. Consultez ces sources à jour pour votre environnement au lieu de supposer que chaque solution reconstruit entièrement un livre numérique.
Le traitement local signifie que vous prenez en charge le calcul et le stockage nécessaires. Une solution en ligne déplace le traitement vers un service. Une interface de bureau ne suffit pas à prouver que toutes les fonctions restent hors ligne ; vérifiez la configuration réelle.
Pour une installation locale concrète, Tesseract a besoin de son exécutable et des données de langue entraînées pour l'écriture à reconnaître. OCRmyPDF associe l'OCR au traitement des PDF : son guide d'installation propose des procédures pour macOS/Homebrew, les paquets Linux et Windows. Une installation par paquet Python ne fournit pas à elle seule toutes les dépendances système. Vérifiez les prérequis de la version installée, notamment Tesseract et un moteur de rastérisation PDF pris en charge comme pypdfium2 ou Ghostscript ; leur rôle et les fonctions optionnelles varient selon la version. Assurez-vous que les commandes et les données de langue sont disponibles avant de traiter un livre.
Les besoins en ressources dépendent des pages, pas seulement de la taille du fichier PDF compressé. Les recommandations de performance d'OCRmyPDF lient la mémoire maximale au nombre de pixels par page et au nombre de tâches simultanées. Des pages en plus haute résolution et davantage de tâches en parallèle peuvent demander plus de mémoire ; réduisez le parallélisme si votre machine peine, et gardez de l'espace disque pour les pages extraites et les fichiers temporaires. Commencez par quelques pages représentatives avant de lancer un lot important.
Le traitement hébergé, lui, demande un navigateur fonctionnel, une connexion Internet, l'autorisation de téléverser le PDF et de l'espace local pour le téléchargement. La procédure en ligne de PDF Craft ne vous oblige pas à installer un moteur d'OCR local ni à configurer un GPU. Les limites de téléversement et le travail de relecture s'appliquent toujours.
Tester la langue source et la mise en page
Vérifiez la prise en charge de la langue pour l'écriture et le contenu exacts. Un texte moderne imprimé, des caractères anciens, des langues mêlées et de petites notes peuvent présenter des difficultés de reconnaissance différentes. Une liste générale de langues ne prouve pas les performances sur votre livre.
Choisissez des pages contenant de la prose courante, des colonnes, des notes et, le cas échéant, des tableaux ou des formules. Ajoutez un passage d'une page à l'autre et un début de chapitre. Contrôlez l'ordre de lecture, pas seulement l'orthographe. Des mots corrects reliés dans le mauvais ordre peuvent être inutilisables pour une traduction ou une mise en page adaptative.
Pour un livre en écriture verticale, ajoutez une page à mise en page mixte et de petites annotations. Pour une numérisation abîmée, incluez l'ombre ou le flou que vous devez réellement traiter, et pas seulement les pages les plus nettes.
Comparer séparément confidentialité, coûts et livrables
Lisez les conditions de traitement et de conservation en vigueur avant d'envoyer des documents privés. Si un projet exige un environnement local approuvé, vérifiez ensemble l'OCR, les fichiers temporaires et tout service de traduction ultérieur. Ne partez pas du principe qu'un résultat enregistré localement prouve que le traitement s'est fait en local.
Côté coût, identifiez les exigences d'installation ou de licence, les frais d'utilisation et le temps nécessaire à la préparation et à la correction. Un moteur disponible gratuitement peut tout de même demander une installation conséquente. Un service en ligne peut être pratique, mais il faut aussi prévoir le travail de relecture qui suivra.
PDF Craft offre des crédits d'essai aux nouveaux utilisateurs et facture le traitement à l'usage. Les tarifs actuels figurent sur la page Tarifs. Sa procédure PDF en ligne propose une conversion en EPUB ou en Markdown, avec une traduction facultative pour ces formats. La sortie PDF correspond à une solution de traduction. N'en déduisez pas que le service propose aussi un export Word ou une interface complète de correction OCR.
Comparer un échantillon représentatif, puis un autre type de source
Conservez la même entrée et notez les options utilisées pour chaque solution. Comparez quelques éléments concrets :
- Un paragraphe contenant des noms, des nombres et de la ponctuation.
- Un passage à deux colonnes ou une légende à côté du texte.
- Un en-tête de tableau et les valeurs de sa ligne correspondante.
- Une formule et la phrase qui définit ses symboles.
- Un appel de note, la note complète et, le cas échéant, le chemin de retour.
Notez les erreurs par emplacement et par type plutôt que d'inventer un pourcentage à partir d'un échantillon minuscule. Recommencez ensuite avec un autre type de source significatif de votre collection. Un roman bien net ne prouve pas que l'outil convient à un manuel technique.
Choisir pour l'ensemble du flux de travail
Si vous avez besoin d'une archive consultable, évaluez directement ce résultat. Si vous voulez un livre numérique lisible, examinez la navigation et la mise en page adaptative. Si vous avez besoin de notes modifiables, comparez la structure extraite dans un éditeur.
Lancez une tâche sur un fichier pris en charge dans l'espace de travail PDF. Le guide de traduction de PDF numérisés détaille l'étape linguistique supplémentaire, et OCR ou traduction distingue leurs responsabilités de relecture. Le meilleur choix est celui dont le résultat et le travail de relecture conviennent à votre livre, pas celui qui promet la meilleure précision.