Aller au contenu

Image en texte (OCR)

Extrayez le texte de captures d’écran, de photos et de pages numérisées : la reconnaissance se fait en privé dans votre navigateur, en français, anglais, allemand et espagnol.

Aussi disponible en : EnglishDeutschEspañol

Réglages

La première fois, le moteur OCR et le modèle français (environ 5 Mo au total) sont téléchargés depuis ce site ; votre navigateur les garde ensuite pour la prochaine fois.

Ajoutez une image pour commencer. Le texte reconnu s’affichera ici.

Outils similaires

Compteur de mots Compteur de caractères Convertisseur majuscules / minuscules Comparer deux textes Trier par ordre alphabétique Supprimer les sauts de ligne

Mode d’emploi

  1. Ajoutez une image — Choisissez des fichiers image, déposez-les sur la page ou collez une capture d’écran avec Ctrl+V (⌘V sur Mac). Les formats PNG, JPG, WebP, GIF et BMP fonctionnent dans tous les navigateurs ; vous pouvez ajouter plusieurs images à la fois.
  2. Vérifiez la langue et l’aperçu — Sous « Langue du texte », choisissez la langue dans laquelle le texte est écrit : le français est présélectionné. Faites pivoter l’image si elle est de travers. Pour une image pâle, colorée ou peu contrastée, essayez les niveaux de gris, plus de contraste ou un seuil noir et blanc ; « Inverser » sert pour un texte clair sur fond sombre.
  3. Extrayez le texte — Cliquez sur « Extraire le texte » (ou sur « Tout extraire » s’il y a plusieurs images). La première fois, votre navigateur télécharge le moteur OCR et le modèle de langue, une seule fois ; ensuite, la reconnaissance démarre aussitôt.
  4. Vérifiez, copiez ou enregistrez — Le résultat affiche un indice de confiance global et la liste des mots incertains : un clic sur l’un d’eux le sélectionne dans le texte. Corrigez si besoin, réunissez les lignes coupées en paragraphes, puis copiez le texte ou téléchargez-le en fichier .txt.

À propos de l’outil Image en texte

Cet outil convertit une image en texte : captures d’écran, photos de documents prises au téléphone, pages numérisées, diapositives ou tickets de caisse deviennent du texte modifiable grâce à la reconnaissance optique de caractères (OCR). Il reconnaît le français, l’anglais, l’allemand et l’espagnol. Tout se passe dans votre navigateur : les images sont traitées sur votre appareil et ne sont jamais envoyées.

Ce qui se passe en coulisses

  1. Préparation. Votre navigateur décode l’image en tenant compte de l’orientation enregistrée par le téléphone (EXIF). Tesseract lit mieux quand les majuscules mesurent environ 20 à 40 pixels : les images dont le grand côté fait moins de 1 000 pixels sont donc agrandies (jusqu’à 3 fois) et les très grandes réduites à 4 000 pixels et 12 mégapixels au maximum.
  2. Retouche facultative : niveaux de gris, contraste, inversion pour un texte clair sur fond sombre et seuil noir et blanc.
  3. Reconnaissance. L’image est confiée à Tesseract (via tesseract.js 7), qui tourne en WebAssembly dans un Web Worker, avec son réseau de neurones LSTM et le modèle de la langue choisie.
  4. Résultat. Vous obtenez le texte, l’indice de confiance moyen et la liste des mots incertains.

Pourquoi la langue compte

Chaque modèle connaît les lettres et les mots courants de sa langue : les accents, le ç et la ligature œ ne sont lus de façon fiable que si Français est sélectionné sous « Langue du texte ». Nous avons fait lire par les deux modèles une image de test nette (Arial, 40 pixels, noir sur blanc) :

Langue choisieTexte reconnuConfiance
FrançaisOù est l'élève ? Il a déjà reçu sa leçon. Le garçon mange une crème brûlée à Noël.91 %
AnglaisOu est I'éléve ? Il a déja regu sa legon. Le garcon mange une créme bralée a Noél.81 %

Avec le modèle français, le texte était exact. Le modèle anglais a perdu ou confondu la plupart des accents et changé le ç en « g » ou en « c ». Un indice étonnamment bas peut donc signaler une langue mal choisie. Dans un second test, « cœur », « l’œuvre » et « sœur » sont restés intacts avec le modèle français, mais sont devenus « coeur », « I'ceuvre » et « sceur » avec le modèle anglais. Les mots anglais dans un texte français posent rarement problème : le modèle français a lu sans erreur une ligne en anglais.

Choisir la mise en page

Mise en pageÀ utiliser pour
AutomatiqueDocuments avec titres, paragraphes ou plusieurs blocs (par défaut).
Une seule colonneArticles, pages de livre, longues captures d’écran.
Un seul blocUn paragraphe ou une zone recadrée au plus près.
Une seule ligneUn titre, un code, un numéro de série.
Texte éparsCaptures d’applications, formulaires, panneaux, étiquettes.

Limites

L’OCR n’est jamais parfaite. Attendez-vous à des erreurs avec :

Vérifiez toujours les noms, les chiffres et les montants sur l’original.

À quoi ça sert

Recopier une citation depuis la photo d’un livre, transformer des courriers et des factures en texte modifiable ou récupérer un message d’erreur depuis une capture d’écran. Si un PDF contient déjà une couche de texte, le PDF to Text Converter (en anglais) est plus rapide et exact. Pour nettoyer le résultat, utilisez Supprimer les sauts de ligne ; le compteur de mots indique la longueur du texte extrait.

Confidentialité

Le moteur OCR (environ 4 Mo) et les modèles de langue (français environ 1,2 Mo, anglais environ 5 Mo, allemand environ 2 Mo, espagnol environ 3,4 Mo) sont hébergés sur ce site et ne sont téléchargés que lorsque vous les utilisez ; votre navigateur les garde ensuite en cache. Les images, le texte et les résultats ne quittent jamais votre appareil.

Questions fréquentes

Mes images sont-elles envoyées sur un serveur ?

Non. La reconnaissance de texte s’exécute dans votre navigateur grâce au moteur libre Tesseract, compilé en WebAssembly. Vos images et le texte extrait restent sur votre appareil : l’outil convient donc aussi aux tickets de caisse, aux courriers, aux pièces d’identité et aux captures d’écran confidentielles.

Quelles langues sont reconnues ?

Le français, l’anglais, l’allemand et l’espagnol. Avant l’extraction, choisissez la langue de l’image sous « Langue du texte » ; sur cette page, le français est présélectionné. Chaque langue a son propre modèle : les accents, le ç et la ligature œ ne sont lus correctement que si « Français » est sélectionné. Les autres écritures, comme le cyrillique, l’arabe ou le chinois, ne sont pas reconnues.

Et si le texte mélange plusieurs langues ?

Un seul modèle est utilisé par extraction : choisissez la langue principale du texte. Lors de notre test, le modèle français a lu sans erreur une ligne en anglais, alors que le modèle anglais a perdu la plupart des accents d’un texte français. Si une image contient de longs passages dans des langues différentes, recadrez-la et lisez chaque partie avec la langue qui convient.

L’outil peut-il lire l’écriture manuscrite ?

Seulement des lettres capitales soignées, et pas de façon fiable. Tesseract est entraîné sur du texte imprimé : l’écriture cursive et les notes prises à la hâte donnent le plus souvent un résultat illisible. Les documents tapés ou imprimés, les captures d’écran, les panneaux et les pages de livre donnent les meilleurs résultats.

Comment obtenir un résultat plus précis ?

Choisissez la bonne langue et utilisez l’image la plus nette et la plus grande possible : le texte doit mesurer au moins 20 pixels de haut, être droit et uniformément éclairé. Recadrez les zones inutiles, faites pivoter les images de travers et essayez les options de retouche. Pour une seule ligne ou une étiquette, choisissez la mise en page correspondante.

Que signifie l’indice de confiance ?

C’est la moyenne des certitudes que Tesseract attribue à chaque mot reconnu, de 0 à 100. Au-dessus d’environ 85, le texte est en général presque parfait ; entre 65 et 85, attendez-vous à quelques erreurs ; en dessous, vérifiez la qualité de l’image et la langue choisie. Les mots sous 70 % sont listés à part pour que vous les contrôliez en premier.