PDF scanné en texte

Parce qu’il s’agit d’une numérisation : chaque page est une image du papier, sans caractères enregistrés, et votre lecteur PDF n’y voit qu’une photo. L’OCR reconnaît les caractères de cette image et les transforme en texte que vous pouvez copier, modifier et rechercher.

Non. Le fichier .txt ne contient que le texte, ligne par ligne, avec une ligne vide entre les paragraphes : ni polices, ni gras, ni images, ni quadrillage des tableaux. Pour obtenir un document Word modifiable, avec titres, listes et tableaux, utilisez « PDF en Word », qui reconnaît aussi les pages numérisées.

Avec des photos enregistrées en PDF, oui, si elles sont nettes et droites : plus l’image est bonne, moins il y a d’erreurs. Si la photo est en JPG ou en PNG, placez-la d’abord dans un PDF avec « Images en PDF ». L’écriture manuscrite n’est pas reconnue : les données de reconnaissance ne conviennent qu’au texte imprimé.

Oui, en deux étapes. Avec plusieurs PDF, vous obtenez un ZIP qui contient les PDF consultables (sans les fichiers .txt). Ensuite, « Continuer avec… » → « PDF en texte », qui traite lui aussi plusieurs fichiers à la fois, donne un .txt par PDF.

Non. La reconnaissance s’exécute dans votre navigateur, avec le moteur Tesseract. La première fois, MovaDoc télécharge le moteur et les données des langues depuis son propre site ; ensuite, elle fonctionne même sans internet. Le PDF et le texte reconnu ne quittent jamais votre appareil.