Article d’exemple : comment l’OCR change le sens du mot « caviardé »

[Exemple] Une grande partie des documents à caviarder ne contient pas de texte natif : ce sont des numérisations, des photos de formulaires papier ou des PDF générés à partir d’images. Sans OCR, aucun de ces contenus n’est même visible pour un outil de détection automatique.

Du texte qui n’en est pas

Pour un lecteur humain, une page numérisée ressemble à une page PDF native ; pour un logiciel, ce n’est qu’une grille de pixels tant que la couche texte n’a pas été extraite. Sautez cette étape, et le détecteur n’a rien à analyser.

Là où la précision compte vraiment

Sur une numérisation propre et en haute résolution, la précision de l’OCR est un problème résolu. Les cas difficiles sont ceux que produisent les documents du monde réel : pages de travers, copies peu contrastées, écriture manuscrite mêlée à l’imprimé, mises en page sur plusieurs colonnes.

C’est pourquoi réduire l’OCR à une simple case à cocher en prétraitement, c’est le sous-estimer : la qualité de cette étape fixe le plafond de ce que le caviardage pourra détecter ensuite.