Tesseract — Image en texte (OCR)

Tesseract contributors

Tesseract est un moteur OCR open source que tu exécutes sur ton propre ordinateur en ligne de commande ou via une API ; il convient aux utilisateurs techniques qui veulent extraire du texte d’images hors ligne.

Pourquoi ce choix ?

Image en texte (OCR)

Ordinateur

Aller sur tesseract-ocr.github.io
À savoir (1)

Installation en ligne de commande et fichiers de langue ; sans interface graphique intégrée.

À savoir
À savoirOrdinateur
Résultat gratuitOui
Sans compteOui
Sans filigrane—
Hors ligneOui
Traitement par lots—
Langue du contenu—

— Conditions non vérifiées. Documentation officielle consultée. L’appli n’a pas été testée en pratique. Filtre les langues de contenu documentées, pas la langue de l’interface.

Sources et date de vérification (1)
  • tesseract-ocr.github.io/tessdoc/
Retour et correction du créateur

Retour et correction du créateur

Si tu représentes le produit, envoie une correction ou une mise à jour sourcée. La publication suit une vérification éditoriale.

Guide éditorial

Dernière vérification:

Pour qui ?

  • Les développeurs et utilisateurs à l’aise techniquement qui automatisent l’OCR dans des scripts ou des traitements par lots.
  • Les personnes qui veulent extraire le texte d’images imprimées hors ligne, sans compte ni envoi de fichiers.

Pour commencer

  • Installe Tesseract avec un gestionnaire de paquets (Homebrew ou MacPorts sous macOS, paquets de la distribution sous Linux, un installateur Windows cité dans la documentation) et ajoute les données de langue nécessaires.
  • Prépare l’image : vise au moins 300 dpi, redresse les pages penchées et ne garde qu’une petite bordure.
  • Lance-le en ligne de commande en suivant la page d’utilisation ; si la mise en page le perturbe, essaie un autre mode de segmentation de page (3 par défaut) et vérifie le texte produit.

Points de décision

  • Il n’y a pas ici d’interface à boutons ; si tu préfères des boutons aux commandes, choisis une appli de bureau avec interface graphique.
  • Tesseract ne lit pas directement les fichiers PDF ; convertis d’abord les pages en images ou utilise OCRmyPDF, comme le suggère la documentation.
  • Les données de langue officielles couvrent plus de 100 langues et proviennent de trois dépôts ; lis la documentation avant de décider quels fichiers de modèle télécharger.

Limites

  • Les scans penchés, bruités ou inégalement éclairés réduisent la précision, et la documentation précise que certains bruits ne peuvent pas être supprimés à la binarisation.
  • L’outil vise le texte imprimé ; ce guide n’a trouvé aucune affirmation sur la reconnaissance de l’écriture manuscrite.
  • L’installation demande des commandes ; la précision n’a pas été testée ici.

Questions fréquentes

Quelles langues prend-il en charge ?

La documentation officielle mentionne des données de modèles pour plus de 100 langues et plus de 35 écritures ; installe les données de la langue dont tu as besoin.

Peut-il lire un PDF ?

Pas directement. La page des formats d’entrée liste des formats d’image comme PNG, JPEG, TIFF, WebP et BMP et recommande de convertir les PDF ou d’utiliser OCRmyPDF.

Quelle résolution convient le mieux ?

Le guide de qualité indique qu’il fonctionne mieux à 300 dpi ou plus.

Sources officielles (4)
tesseract-ocr.github.io/tessdoc/tesseract-ocr.github.io/tessdoc/Installation.htmltesseract-ocr.github.io/tessdoc/ImproveQuality.htmltesseract-ocr.github.io/tessdoc/InputFormats.html