Convert2EPUB
Menu
← Blog

PDF numérisé en EPUB : ce que l'OCR peut (ou non) corriger

Un PDF numérisé peut sembler parfaitement net à l'écran et ne contenir aucun texte. Chaque page n'est qu'une image. C'est pourquoi sélectionner une phrase, rechercher un mot ou modifier la taille de la police ne produit aucun effet. Pour transformer ces images de pages en EPUB redimensionnable, il faut d'abord reconnaître les mots. Ce procédé s'appelle la reconnaissance optique de caractères, ou OCR.

L'OCR peut rendre un scan recherchable et lisible sur une liseuse, mais ce n'est pas de la magie. La qualité du scan d'origine, le type de document et la mise en page influent tous sur le résultat. Voici ce qui se passe pendant la conversion, ce qu'il faut surveiller, et quand un ebook fidèle page par page convient mieux.

D'abord, vérifiez que le PDF est bien numérisé

Essayez de sélectionner une phrase et de la copier dans un éditeur de texte. Si vous obtenez des mots normaux, le PDF possède déjà une couche de texte et n'a peut-être pas besoin d'OCR. Si vous ne pouvez sélectionner que la page entière comme un seul objet, ou rien du tout, la page est probablement une image. Certains PDF sont mixtes : quelques pages contiennent du texte sélectionnable, tandis que d'autres sont des scans.

Cette distinction compte, car l'OCR ajoute une étape de reconnaissance, alors qu'une couche de texte existante peut être extraite directement. Un bon processus de conversion examine les pages une à une afin d'utiliser le texte déjà présent et de n'appliquer la reconnaissance que là où c'est nécessaire.

Ce que fait réellement l'OCR

L'OCR analyse les formes dans l'image d'une page et estime à quelles lettres et à quels mots elles correspondent. Le texte reconnu peut ensuite être organisé en paragraphes et en chapitres, puis empaqueté sous forme d'EPUB. Comme l'EPUB contient du texte, une application de lecture peut l'agrandir, changer la police et reformater les lignes pour un petit écran.

L'image d'origine de la page et le texte reconnu sont deux choses différentes. L'OCR reconstitue les mots ; il ne reproduit pas automatiquement chaque détail de la page imprimée. Les colonnes complexes, les notes de bas de page, les encadrés, les tableaux et les illustrations peuvent demander un traitement particulier, ou se lire plus naturellement dans leur mise en page d'origine.

Ce qui influe sur la qualité de la reconnaissance

  • Résolution : un scan net donne au logiciel de reconnaissance des formes de lettres plus claires qu'une image floue ou très compressée.
  • Contraste et éclairage : une encre pâle, les ombres près de la reliure, les taches et les arrière-plans irréguliers peuvent rendre des caractères ambigus.
  • Alignement de la page : des pages pivotées, courbées ou inclinées compliquent la séparation des lignes et des colonnes.
  • Typographie : les polices inhabituelles, l'écriture manuscrite, le texte très serré et les très petits caractères sont plus difficiles à reconnaître qu'une prose imprimée propre.
  • Structure de la page : les mises en page en plusieurs colonnes, les équations, les graphiques et les notes de bas de page peuvent être lus dans le mauvais ordre même lorsque chaque mot est correctement reconnu.

Un roman net, sur une seule colonne, est un travail d'OCR facile. Un manuel en basse résolution rempli d'équations est beaucoup plus ardu. Le résultat doit être jugé par rapport aux pages sources, en particulier autour des schémas, des formules et des sauts de page.

EPUB redimensionnable ou mise en page fixe ?

Choisissez un EPUB redimensionnable (reflowable) quand l'objectif principal est le confort de lecture : texte plus grand, polices réglables et pages qui s'adaptent à la liseuse. L'OCR fournit le texte nécessaire pour y parvenir à partir d'un scan. C'est idéal pour les romans, les rapports et les autres documents essentiellement linéaires.

Choisissez un EPUB à mise en page fixe quand la fidélité à la page d'origine compte davantage que le redimensionnement de son texte. Chaque page reste visuellement intacte, ce qui convient aux albums illustrés, à l'art, aux formulaires ou aux documents dont les schémas et les relations spatiales portent du sens. Le compromis est que la page ne se reflue pas comme le texte d'un ebook ordinaire.

Pour un manuel ou une notice, la bonne réponse peut dépendre de l'usage prévu : le reflux aide pour les longs passages de prose, tandis que les pages fixes peuvent préserver un schéma compliqué. Si la source mêle les deux, vérifiez les pages les plus importantes avant de choisir un format.

Un contrôle qualité rapide après la conversion

  1. Ouvrez l'EPUB sur l'appareil ou dans l'application où vous comptez le lire.
  2. Augmentez la taille de la police et vérifiez que le texte se reflue au lieu de rester une image de page.
  3. Recherchez un mot que vous voyez dans le PDF d'origine et vérifiez qu'il apparaît dans l'ebook.
  4. Comparez quelques pages représentatives, dont un titre, une page avec un schéma et toute double page dense ou en plusieurs colonnes.
  5. Utilisez la table des matières pour passer d'un chapitre à l'autre si le document comporte des sections claires.

Si une page est illisible dans le scan, l'OCR ne peut pas récupérer une information qui n'y est pas visible. Lorsqu'une formule ou une illustration précise doit rester exacte, conservez le PDF comme référence ou choisissez une mise en page qui préserve la page.

Transformer le scan en un livre que vous pouvez lire

Un PDF numérisé demande plus qu'une enveloppe EPUB : ses mots doivent être reconnus, et la mise en page du résultat doit convenir au contenu. Pour de la prose, l'OCR peut transformer les images de pages en texte recherchable qui s'adapte à une liseuse. Pour les documents construits autour de la page elle-même, conserver la mise en page fixe peut être le choix le plus fidèle.

Si vous êtes prêt à essayer, partez du PDF et passez en revue les options de conversion adaptées à votre document avant de télécharger l'EPUB.

Vous avez un PDF numérisé ? Voyez ce que donne sa conversion en EPUB.

Convertir un PDF en EPUB →

Pour un guide pas à pas sur la lecture du livre terminé sur une Kindle, consultez comment convertir un PDF en EPUB pour Kindle.