La reconnaissance optique de caractères (en anglais Optical Character Recognition, OCR) est la technologie qui permet à une machine de « lire » comme un humain : elle convertit l'image d'un texte — une page scannée, une photo de panneau, une facture — en caractères numériques éditables et interrogeables. Là où l'œil humain reconnaît instantanément un « A », l'ordinateur ne voit au départ qu'une grille de pixels clairs et sombres ; l'OCR comble exactement ce fossé.
Comment ça marche
Le pipeline classique enchaîne plusieurs étapes :
- Prétraitement : binarisation (noir/blanc), redressement, suppression du bruit.
- Segmentation : découpage de l'image en blocs, lignes, mots, puis caractères.
- Reconnaissance : chaque glyphe est comparé à des modèles ou classé par un réseau de neurones.
- Post-traitement : correction linguistique via un dictionnaire ou un modèle de langue.
Les systèmes modernes (TrOCR, Tesseract, modèles de bout en bout) reposent sur des réseaux CNN pour extraire les traits visuels, couplés à des architectures séquentielles (LSTM, Transformers) qui décodent directement des suites de caractères, sans segmentation explicite.
Comment on mesure la qualité
La précision se mesure souvent par le taux d'erreur sur les caractères (Character Error Rate) :
$$ \text{CER} = \frac{S + D + I}{N} $$
où $S$, $D$ et $I$ sont les substitutions, suppressions et insertions, et $N$ le nombre total de caractères de référence. Un CER faible signifie une transcription fidèle.
| Type d'entrée | Difficulté | Exemple |
|---|---|---|
| Texte imprimé net | Faible | Livre scanné |
| Manuscrit | Élevée | Notes, archives |
| Scène naturelle | Élevée | Panneaux, enseignes |
L'OCR est aujourd'hui un pilier de la dématérialisation : numérisation d'archives, lecture de plaques, traduction visuelle instantanée, automatisation des factures.
De pixels muets à un texte vivant : l'OCR donne aux machines la capacité de lire le monde écrit.