Rendre un PDF scanné cherchable sur Mac, avec l'OCR en local
Un PDF scanné est une pile d'images de pages. Vous pouvez le lire, votre Mac non : Spotlight n'y trouve rien, la recherche d'Aperçu reste vide et impossible d'en copier une phrase. Pour y remédier, il faut reconnaître le texte de chaque page (OCR, reconnaissance optique de caractères) et l'enregistrer dans le PDF sous forme de couche de texte invisible. Sur Mac, c'est possible sans envoyer le document nulle part : dans Folia Files, ouvrez le PDF dans les Outils PDF et cliquez sur Rendre cherchable (OCR)…. macOS lit le texte sur votre Mac et Folia Files écrit une nouvelle copie, cherchable, à côté de l'original.
Voici ce que « cherchable » veut vraiment dire, comment vérifier un PDF, puis la marche à suivre.
Ce qui rend un PDF cherchable
Une page de PDF peut contenir deux choses bien différentes :
- du texte, enregistré sous forme de caractères. C'est ce qu'on obtient en exportant un document depuis Word, Pages ou un navigateur. On peut le sélectionner, le chercher et le copier ;
- des images de la page. C'est ce que donnent la plupart des scanners, des apps de numérisation et l'enregistrement d'une photo en PDF. À l'écran, rien ne change ; pour l'ordinateur, ce ne sont que des pixels.
Un scan cherchable a les deux : l'image que vous voyez, plus les mots reconnus, placés de façon invisible aux mêmes endroits. Vous voyez toujours le scan d'origine, mais vous pouvez désormais sélectionner une ligne, la copier et retrouver le document par un mot qu'il contient.
Comment savoir si un PDF a une couche de texte
Ouvrez-le dans Aperçu et essayez l'une de ces deux méthodes :
- Appuyez sur ⌘ F et cherchez un mot bien lisible sur la page. Aucun résultat : il n'y a pas de texte derrière.
- Faites glisser le pointeur sur une phrase. Si vous ne pouvez pas surligner les mots, seulement tracer un rectangle, la page est une image.
Un PDF peut aussi être mixte : certaines pages tapées, d'autres scannées et ajoutées ensuite. Vérifiez plusieurs pages, pas seulement la première.
Pourquoi Spotlight et Aperçu ne peuvent rien pour un scan
Spotlight indexe le texte enregistré dans les documents. Un PDF scanné n'en a pas : une recherche sur « bail » ou sur un numéro de facture ne le trouve que si ces mots figurent dans son nom. C'est vrai aussi de tous les outils de recherche qui s'appuient sur Spotlight, y compris la recherche dans le texte de Folia Files.
Aperçu ouvre et annote très bien les PDF, mais il n'a pas de commande pour reconnaître le texte d'une page scannée et l'enregistrer dans le fichier. Le texte en direct permet parfois de sélectionner des mots dans une image à l'écran, mais il n'écrit rien dans le PDF : la recherche suivante ne trouve toujours rien.
Les versions récentes de macOS lisent bien le texte des fichiers image, comme un scan en JPEG ou en PNG, et Spotlight peut ensuite les retrouver par ce qu'ils disent. Un PDF fait de pages scannées n'a pas ce traitement.
Rendre un PDF scanné cherchable avec Folia Files
Folia Files est un gestionnaire de fichiers pour Mac. Ses outils PDF assemblent, réordonnent, font pivoter, séparent et compressent des PDF, et rendent le texte des scans cherchable. La reconnaissance est faite par macOS (le framework Vision d'Apple) sur votre Mac : le document ne le quitte jamais, et aucune connexion à Internet n'est nécessaire.
1. Ouvrir le PDF dans les Outils PDF
Faites un clic droit sur le PDF scanné dans un panneau de Folia Files et choisissez Outils PDF…. L'outil s'ouvre dans un onglet, le fichier déjà dans sa liste. Vous pouvez aussi l'ouvrir depuis la barre des menus (Outils › Outils PDF…) ou depuis le bouton Outils de la barre d'outils, puis ajouter des fichiers avec Ajouter… ou Sélection du panneau, ou en les déposant sur les pages.
2. Vérifier les pages
La partie droite, Pages, montre chaque page en vignette. Avant de lancer la reconnaissance :
- redressez les pages couchées avec Pivoter à gauche ou Pivoter à droite (sans page sélectionnée, toutes pivotent) ;
- retirez les pages blanches ou inutiles avec le bouton de la corbeille (le fichier lui-même n'est pas modifié) ;
- remettez les pages dans l'ordre avec les flèches si le scanner les a prises dans le désordre.
L'outil travaille sur toutes les pages affichées, dans cet ordre. Si vous avez coché plusieurs fichiers, leurs pages sont réunies en un seul document : pour rendre plusieurs PDF cherchables séparément, traitez-les un par un (Tout effacer entre deux).
3. Cliquer sur Rendre cherchable (OCR)…
Cliquez sur Rendre cherchable (OCR)… dans la barre du bas. Quand la fenêtre n'est pas assez large pour tous les boutons, comme sur la capture ci-dessous, il se trouve dans le menu Autres actions, à côté d'Enregistrer en un PDF….
Folia Files demande où enregistrer le résultat et propose le même dossier, avec le nom d'origine suivi de « (cherchable) ». Il affiche ensuite Reconnaissance du texte… pendant que macOS lit chaque page. Une fois terminé, Folia Files revient à vos fichiers, le nouveau PDF sélectionné dans son dossier ; la barre du bas de l'onglet des Outils PDF indique combien de caractères ont été reconnus.
Votre PDF d'origine n'est jamais modifié. Le nouveau est identique à l'œil, avec le texte reconnu placé de façon invisible sur chaque page scannée. Les pages qui avaient déjà du texte restent telles quelles : seules les pages sans aucun texte passent par la reconnaissance.
4. Chercher un mot pour vérifier
Spotlight a besoin d'un moment pour indexer un nouveau fichier. Cherchez ensuite un mot que vous savez présent dans le scan : dans Spotlight (⌘ Espace), dans Aperçu avec ⌘ F, ou dans Folia Files. Dans Folia Files, cliquez sur Rechercher dans la barre d'outils, choisissez Dans le contenu texte dans le menu du bouton qui affiche Dans le nom, puis tapez vos mots. Chaque résultat indique pourquoi il a été trouvé.
La recherche de Folia Files cherche tous les mots tapés, dans n'importe quel ordre, sans tenir compte des majuscules ni des accents.
Faire un seul PDF cherchable à partir de photos de documents
Les Outils PDF acceptent aussi les images : photos de tickets, de courriers ou de pages de contrat en JPEG, PNG ou HEIC. Chaque image devient une page. Ajoutez-les toutes, mettez les pages dans l'ordre, puis cliquez sur Rendre cherchable (OCR)… : vous obtenez un seul PDF dont le texte se cherche et se copie, fait uniquement de ce que vous avez photographié.
Pour un simple PDF propre sans reconnaissance, Enregistrer en un PDF… suffit, et Compresser… rend souvent un PDF de photos bien plus léger.
Ce qu'il faut attendre de la reconnaissance
- Langues. Dans la version actuelle, Folia Files reconnaît le texte en anglais, en français, en allemand, en espagnol et en italien.
- Qualité. Les scans nets, droits et bien éclairés donnent les meilleurs résultats. Les petits caractères, l'écriture manuscrite, les tampons et les copies très pâles peuvent être mal lus, voire pas du tout. L'OCR n'est jamais parfaite : cherchez quelques mots pour voir ce qu'elle a donné.
- Mise en page. La page visible ne change pas : vous voyez toujours le scan. Seul le texte invisible est ajouté, ligne par ligne, là où macOS l'a trouvé.
- Durée. Les pages sont lues l'une après l'autre. Quelques pages prennent quelques secondes ; un long livre scanné prend plus de temps, et vous pouvez continuer à travailler dans d'autres onglets pendant ce temps.
- Confidentialité. Rien n'est envoyé à un serveur. Le scan, le texte reconnu et le résultat restent sur votre Mac.
Les autres solutions
Adobe Acrobat Pro sait reconnaître le texte d'un PDF scanné, et beaucoup d'apps de numérisation peuvent le faire au moment du scan si l'option est activée. Les services d'OCR en ligne fonctionnent aussi, mais il faut y envoyer le document, ce qu'on souhaite rarement pour un contrat, une fiche de paie ou un courrier médical. Folia Files convient bien quand les scans sont déjà sur votre Mac et que vous voulez pouvoir les chercher comme le reste de vos fichiers, sans les envoyer nulle part.
