Définition
L'OCR est une technologie qui convertit le texte contenu dans une image ou un document scanné en texte numérique exploitable par un logiciel.
OCR : comment ça fonctionne ?
Un moteur d'OCR détecte les zones de texte d'une image, reconnaît les caractères et reconstitue les lignes et les paragraphes. Les moteurs modernes reconnaissent aussi la mise en page : colonnes, tableaux, cases. L'OCR arabe est plus difficile que l'OCR latin, car l'écriture arabe est cursive, change de forme selon la position des lettres, utilise des points diacritiques fragiles et se lit de droite à gauche. Combiné à un modèle de langage, l'OCR devient un outil d'intelligence documentaire.
OCR : un exemple concret
Une facture fournisseur scannée en arabe et en français passe par l'OCR ; le texte obtenu est ensuite analysé pour extraire le matricule fiscal, les montants et la TVA.
OCR : pourquoi est-ce important pour une entreprise ?
L'OCR est la première étape de toute automatisation documentaire : sans lecture fiable, aucune extraction ni vérification n'est possible.