Image vers texte (OCR)

Déposez une image sur cette page et les mots qu’elle contient apparaissent dans le panneau voisin, prêts à être copiés. Vous pouvez aussi coller une capture d’écran depuis le presse-papiers, ce qui va souvent plus vite que de l’enregistrer d’abord. Les fichiers PNG, JPEG, WebP et BMP sont acceptés.

Quelle précision peut-on attendre ?

Tout dépend de l’image. Les captures d’écran et les scans propres de pages imprimées se lisent très bien, parce que les lettres sont nettes sur un fond régulier. Les photos prises au téléphone posent plus de problèmes : ombres, papier bombé, flou de bougé et reflets font tous baisser la précision, et une page photographiée de biais peut revenir avec les lignes mélangées. L’écriture manuscrite est hors de portée, le moteur utilisé ici n’ayant appris que des caractères imprimés. Si le résultat sort mauvais, refaire la photo bien en face et avec plus de lumière aide davantage que n’importe quel réglage.

Le menu de langue, dans l’en-tête du panneau de texte, démarre en détection automatique : l’outil lit l’image, examine ce qui en ressort et la relit avec le bon modèle quand les mots pointent vers l’une des sept autres langues. Le menu lui-même bascule alors sur la langue retenue. La détection automatique a toutefois ses limites. Les extraits très courts lui donnent trop peu de matière, et un texte dans un autre système d’écriture la met complètement en échec : un modèle en alphabet latin lancé sur du japonais renvoie un bruit que le détecteur ne sait pas situer. Dans ces cas, choisissez la langue vous-même. Une erreur ici abîme le résultat sans prévenir, parce qu’un modèle qui lit dans la mauvaise langue invente des mots au lieu de signaler que quelque chose cloche. Changer de langue relit l’image déjà chargée.

Mon image est-elle envoyée quelque part ?

Non. La reconnaissance tourne dans votre navigateur avec Tesseract, compilé en WebAssembly et piloté par tesseract.js. L’image entre dans un canvas sur votre machine et le texte revient d’un thread de travail sur cette même machine. Aucun serveur n’intervient, donc rien ne peut consigner vos factures, vos pièces d’identité scannées, vos courriers médicaux ou ce que vous lisez. Vous pouvez ouvrir la page, couper le réseau et continuer à travailler dès que le modèle est en cache.

Pourquoi la première lecture est-elle si longue ?

Chaque langue demande un modèle entraîné d’environ un à trois mégaoctets, plus le moteur de reconnaissance lui-même. Le navigateur les télécharge lors de votre première lecture et les range dans IndexedDB, si bien que la deuxième image démarre presque tout de suite. Passer à une langue encore jamais utilisée déclenche un téléchargement supplémentaire pour cette langue. Les images dont un côté est très long sont réduites avant lecture, ce qui économise plusieurs secondes sur une photo de 12 mégapixels sans rien coûter en précision aux tailles de texte courantes. La page MDN sur IndexedDB explique où vit ce cache.

Usages courants : copier un code ou une adresse depuis une capture d’écran, tirer des citations d’une page de livre scannée, reporter un ticket de caisse dans un tableur et récupérer le texte d’une image reçue quand plus personne n’a le document d’origine.