Guides pratiques approfondis
Passer d’une page numérisée à une information vérifiée : contrôler caractères, tableaux, ordre de lecture et langues avant de rechercher, calculer ou citer un texte reconnu automatiquement.
Mise à jour :
Scanner de livres dans les locaux d’Internet Archive à San Francisco. Photo de contexte documentaire ; elle ne représente pas une mission ou un équipement d’Alexis Roux ZG. © Dvortygirl · Source · CC BY-SA 4.0. Redimensionnement et conversion WebP ; affichage recadré.
Un texte sélectionnable peut contenir des erreurs invisibles à la première lecture : négation perdue, chiffre remplacé, colonne mélangée ou nom coupé. L’OCR facilite la recherche, mais la page source reste le point de contrôle. La recette distingue l’extraction utilisable pour retrouver un passage de celle assez fiable pour alimenter une citation ou un calcul. Aucun taux universel ne remplace ce jugement lié à l’usage.
Noter document, provenance, date de récupération et pagination. Garder la page image et le texte extrait séparément, avec leurs versions. Une nouvelle extraction ne doit pas écraser la preuve utilisée précédemment. Vérifier que l’accès et la réutilisation du document correspondent au travail prévu.
Inclure une page simple, un tableau, une note, une colonne serrée et les écritures réellement présentes. Ajouter toutes les valeurs qui soutiennent la conclusion : montants, dates, unités, noms et négations. Un échantillon de pages faciles décrit mal un corpus hétérogène ; préciser la couverture retenue.
Lire image et extraction côte à côte. Vérifier zéro et lettre O, un et lettre I, séparateurs décimaux, signes moins et références. Contrôler les nombres dans leur unité et leur période. Une correction doit être signalée dans la transcription, sans transformer silencieusement le fichier source.
Suivre titres, paragraphes, colonnes, notes et cellules. Une ligne de tableau n’est pas une simple suite de mots : rattacher chaque valeur à son en-tête. Vérifier les tableaux répartis sur plusieurs pages. Conserver la page ou la zone d’origine pour chaque donnée réutilisée.
Chercher un nom, une référence et une expression dans chaque écriture. Examiner accents, caractères arabes, ponctuation et ordre des chaînes mixtes. Distinguer l’OCR, qui reconnaît des signes, de la traduction, qui reformule le sens. Ne pas corriger automatiquement un nom propre avec un dictionnaire général.
Classer les passages comme contrôlés, corrigés avec trace ou non fiables. Une extraction partielle peut aider à retrouver une page tout en étant exclue d’un calcul. Relire directement les passages cités et joindre un repère stable. Après changement de moteur ou réglage, rejouer les passages difficiles, pas seulement le volume total.
Situations types pour préparer un contrôle. Elles ne décrivent pas des missions ou observations réalisées.
Le texte extrait affirme une possibilité que la page imprimée exclut. Comparer la phrase complète, sa note et son contexte. Corriger la transcription avec une trace et revenir à la source dans la citation ; une ressemblance globale des mots ne protège pas le sens.
Les titres sont retrouvés, mais les paragraphes alternent entre colonnes. Reconstituer l’ordre sur l’image avant de résumer. Tester ensuite une requête portant sur une phrase complète : la présence des mots dans l’index ne prouve pas qu’ils appartiennent au même passage.
Une valeur a perdu son signe ou changé de colonne. Vérifier chaque cellule utile, ses en-têtes et son unité. Recalculer uniquement depuis les valeurs contrôlées ; documenter les cellules illisibles plutôt que les compléter par intuition.
Il peut aider à prioriser la relecture, mais ne remplace pas la comparaison des passages décisifs. Le sens d’une phrase peut changer avec une seule erreur.
Adapter le travail à la décision. Pour une citation précise, contrôler le passage et son contexte ; pour un calcul, vérifier toutes les cellules utilisées.
Comparer de nouvelles extractions sur les mêmes passages. Conserver l’image initiale et tracer les transformations afin de distinguer la source des fichiers préparés.
Non. La reconnaissance du texte et la traduction sont des étapes différentes, avec des erreurs et contrôles distincts. Conserver le passage dans sa langue source.
