Extraire le texte d’un PDF
Ajoutez un PDF ou son URL directe. Consultez le résultat, copiez le Markdown ou téléchargez un fichier .md. Les scans passent par OCR sur nos serveurs.
Le résultat obtenu
Ajoutez un PDF ou son URL directe. Consultez le résultat, copiez le Markdown ou téléchargez un fichier .md. Les scans passent par OCR sur nos serveurs.
Choisir les réglages du PDF
- Ouvrez le convertisseur et vérifiez la langue OCR.
- Choisissez un PDF ou collez son URL directe.
- Comparez l’aperçu à l’original, puis copiez ou téléchargez le fichier .md.
Exemple de conversion réelle
## Facture nº 2026-0473 Ateliers Réunis S.A.R.L. · Lyon · le 28 août 2026 Madame, Monsieur, veuillez trouver ci-dessous la facture relative aux prestations d'entretien réalisées en juillet, conformément au contrat signé le 9 février 2o26. Le règlement est attendu avant le 30 septembre 2026. <table><tr><td rowspan=1 colspan=1>Désignation</td><td rowspan=1 colspan=1>Quantité</td><td rowspan=1 colspan=1>Montant (EUR)
Notre propre document test scanné, traité avec MinerU et l’OCR français. Ce résultat enregistré est un exemple, pas une conversion en direct ni une garantie de précision.
Récupérer un texte lisible plutôt qu’un collage désordonné
Un PDF décrit surtout la position des caractères sur une page. Il ne contient pas toujours une suite de paragraphes prête à copier. Quand vous sélectionnez le texte d’un document à deux colonnes, les lignes peuvent se mélanger. Un titre peut perdre son rôle et une ligne de tableau se retrouver coupée en plusieurs morceaux. Extraire le texte d’un PDF demande donc de reconstruire un ordre de lecture utilisable.
Le résultat proposé ici est du Markdown : du texte ordinaire avec des marques simples pour les titres, les listes, les liens et les tableaux. Le fichier porte l’extension .md. Il reste lisible dans un éditeur de texte et peut être corrigé avant utilisation. Le convertisseur ne propose pas de téléchargement TXT séparé. Choisissez ce parcours lorsque vous souhaitez conserver une structure utile autour des mots.
Distinguer le PDF numérique du scan
Essayez de sélectionner quelques mots dans le document original. Si la sélection fonctionne, une couche de texte est probablement présente. Si vous ne pouvez sélectionner qu’une image de la page, il faut reconnaître les caractères par OCR. Un document peut aussi mélanger des pages numériques et des pages scannées. Une couche de texte présente mais incorrecte peut expliquer des caractères incohérents après une première extraction.
Avant l’envoi, vérifiez que la langue OCR correspond au document. Pour un texte français, choisissez Français. Une préférence enregistrée lors d’une précédente visite peut être différente de la langue de l’interface. Activez le forçage OCR si la couche de texte est mauvaise. Cela ne garantit pas une reconnaissance parfaite : la netteté du scan, son orientation et la qualité de l’impression restent déterminantes.
Conserver les tableaux et les formules utiles
Un tableau simple peut être restitué sous forme de tableau Markdown. Vous gardez ainsi les lignes, les colonnes et le texte qui les explique dans un même document. Comparez les valeurs à l’original avant de les utiliser. Les cellules fusionnées, les tableaux sur plusieurs pages et les notes peuvent demander des corrections manuelles. Le résultat n’est pas une feuille Excel et aucun export CSV n’est fourni.
Les expressions mathématiques peuvent apparaître en notation LaTeX dans le Markdown. Vérifiez les signes, les indices et les fractions dans la vue source. L’aperçu facilite la lecture, mais ne constitue pas une validation mathématique. Le service ne reconstruit pas un document LaTeX complet avec sa mise en page. Pour un article ou un cours, contrôlez les équations importantes directement dans le PDF.
Choisir le traitement des images
Pour récupérer surtout les mots, le mode images de remplacement évite de longs blocs Base64 dans le texte. Si les figures sont nécessaires à votre lecture, choisissez les images intégrées. Cette option augmente la taille du fichier Markdown. Une image de remplacement n’est pas un fichier graphique séparé : le service ne crée pas d’archive ZIP contenant les illustrations. Le PDF original reste votre référence.
Une fois le travail terminé, ouvrez l’aperçu rendu pour lire le document, puis la vue source pour examiner le Markdown réellement obtenu. L’action Copier reprend cette source. Le téléchargement produit un fichier .md que vous pouvez conserver dans votre éditeur, votre wiki ou votre dossier de notes. Vérifiez les besoins du logiciel destinataire avant d’y importer des images intégrées.
Vérifier le résultat avant de le réutiliser
Commencez par un échantillon court et représentatif. Contrôlez les accents, les mots coupés en fin de ligne, l’ordre des colonnes et la hiérarchie des titres. Pour un scan, vérifiez également les chiffres proches visuellement, comme zéro et la lettre O. Les documents inclinés, les impressions dégradées et les écritures manuscrites peuvent donner des résultats imparfaits. Le statut terminé indique qu’une sortie existe, pas que chaque caractère a été validé.
Un document long peut atteindre le budget de traitement et produire un résultat partiel. Vérifiez la présence des dernières pages et ne considérez pas cette sortie comme complète. Vous pouvez préparer plusieurs fichiers plus courts pour un nouvel essai. Pour intégrer la conversion à un programme, utilisez l’API REST ou le MCP hébergé. Ce sont des accès au même service, avec les mêmes règles de capacité et de conservation.
Comprendre le traitement et la conservation
Le navigateur envoie le fichier à nos serveurs pour le traitement. Il ne s’agit pas d’une extraction effectuée uniquement sur votre appareil. Le résultat est conservé temporairement, puis supprimé à la fin de la période prévue. Vous pouvez aussi supprimer un travail vous-même. Téléchargez les fichiers utiles avant leur expiration. Le contenu des documents n’est pas utilisé pour la publicité ni pour entraîner des modèles. Consultez la politique de confidentialité pour le détail.
Limites et confidentialité
Gratuit : 10 Mo par PDF, 3 emplacements, 150 pages/mois sans compte ou 400 avec un compte gratuit. Traitement limité à 15 minutes ; résultat conservé 1 heure. Vérifiez les résultats partiels.