RdA

Et les gratuits cités? (je n'ai aucune expertise dans ça, et malheureusement pas le temps de m'y pencher )

Relis la citation que j'ai extraite de l'article : ils déconseillent les gratuits.

Oui mais je suppose qu'ils les déconseillent pour les non-initiés ou pour ceux qui veulent faire des trucs compliqués. C'est souvent le cas dans ces bancs d'essais, ils sont quand même très pointilleux (et pointus) les mecs.

Pour avoir testé de l'OCR sur du texte pur (pas d'image), je sais que la reconnaissance des caractères d'imprimerie est super importante (notamment les accents et les apostrophes). Je suppose que c'est là que le bât blesse. Et si en plus tu ajoutes la gestion des images et leur positionnement dans le document...

Jette un œil aux critiques des deux derniers logiciels, tu verras que même des logiciels pro ont du mal à tout gérer.

Et en cherchant des avis sur les gratuits cités, je trouve des notes lamentables sur les forum de type 01net / Commentçamarche / etc. ou un commentaire du style "peu concluant", "les caractères doivent être bien espacés", ...

Argh ça s'annonce galère tout ça :/

... oui, c'est très galère ! Comme dit la moitié même avec un logiciel pro (Adobe acrobat pro, en l’occurrence), il y a des heures de taf ! Il faut systématiquement repasser derrière le logiciel qui confond allègrement les i maj avec les l ou le i min avec le :, les a avec le = , le t et le f , sans parler de la ponctuation, où la moindre tache devient un point, une virgule. En fonction des polices de caractères, qu'il veut mieux avoir sur son ordi d'ailleurs, le logiciel peut carrément jeter l'éponge et ne rien détecter. Bref, un vrai boulot de m...

un exemple avec un texte bien net et un logiciel pro :

Moâ je trouve pdf xviewer TRÈS bien.
Mais il ne diminue pô la taille du fichier de départ!
Sinon parfait pour mon usage!
J'ai OCRisé les masques d'Athanor et (pour moâ) c'est parfait sans avoir fait trop de retouches!

Oui c'est sûr que c'est chouette quand même. Ce qui est le plus ennuyeux est qu'on ne gagne rien en visibilité et que le fond est toujours aussi dégueu. C'est vraiment dommage ça.

Euh, si je le scanne mieux, est-ce que ça arrangera l'ocrisation ou on va s'embêter pour rien ?

Déjà on aura plus le fond dégueulasse... Là où le texte est le plus mal OCRisé dans le pdf, c'est là où le fond bavait sur le texte. Plus le texte est clair, plus ça devrait être bien OCRisé.
Après, si on peut remplacer certaines pages uniquement dans le PDF, tu peux peut-être ne scanner que les pages qui sont actuellement dégueu. Non?