Documents et sources
Utiliser vos PDF, même lorsqu’ils contiennent des pages scannées
Un PDF peut contenir du texte sélectionnable, des images de pages ou un mélange des deux. Un message indiquant qu’il n’y a pas de texte sélectionnable ne signifie pas que le fichier est vide. La lecture des pages scannées nécessite une reconnaissance de caractères, appelée OCR, puis une vérification du texte reconnu.
Un guide pour utiliser Magistra, créé par Juan Robin (s’ouvre dans un nouvel onglet).
Identifier ce que contient le PDF
Ouvrez le document et essayez de sélectionner une phrase. Si chaque page se comporte comme une image, il s’agit probablement d’un scan sans couche de texte. Certains documents possèdent déjà une couche OCR, parfois incomplète ; le fait de pouvoir sélectionner du texte ne garantit donc pas que les caractères reconnus sont corrects.
Magistra extrait le texte disponible et peut utiliser une reconnaissance locale pour les pages qui en ont besoin. Les langues de reconnaissance prévues incluent le français, l’anglais et le japonais. La qualité dépend du fichier, de la netteté et de la mise en page.
Préparer un document facile à lire
Les colonnes, tableaux, formules et annotations manuscrites demandent une attention particulière. L’ordre de lecture peut être imparfait même lorsque les mots sont reconnus. Une photographie moins compressée ou une nouvelle numérisation peut améliorer le résultat davantage qu’une simple relance de l’analyse.
- Privilégiez un scan net, droit et suffisamment contrasté.
- Évitez les photos avec ombres, reflets ou bords de page coupés.
- Utilisez un document sans mot de passe si vous devez en extraire le contenu.
- Pour un long dossier, sélectionnez les pages nécessaires à votre demande.
Vérifier les informations avant la génération
- Ajoutez le fichier dans Magistra et attendez la fin de son analyse.
- Lisez les avertissements : certaines pages peuvent être incomplètes ou non reconnues.
- Comparez quelques passages avec le PDF original, notamment les données importantes.
- Indiquez à l’IA les pages ou sections à utiliser et les éléments à ignorer.
Exemple concret
Pour une fiche de vocabulaire japonais, vérifiez quelques mots, leur lecture et leur traduction avant de demander des exercices. Une confusion entre deux caractères ou une ligne déplacée pourrait produire une série d’activités cohérente en apparence, mais fondée sur une mauvaise transcription.
Traiter les cas difficiles sans supposer que tout a été lu
Un document très long peut atteindre des limites de traitement ; un scan peu lisible peut échouer sur certaines pages. Les pages exploitables peuvent néanmoins être conservées. Les avertissements servent à distinguer une lecture partielle d’un contenu intégralement disponible.
Si une information essentielle manque, ajoutez un extrait plus court, fournissez un PDF avec texte ou recopiez le passage après vérification. L’OCR est local, mais si vous sélectionnez ensuite un fournisseur API, les extraits utilisés pour la génération lui sont transmis. Le mode de lecture du document et le mode de génération sont deux choix distincts.
Questions fréquentes
La reconnaissance OCR garantit-elle une copie exacte ?
Non. Des erreurs restent possibles, notamment sur les nombres, tableaux, formules ou caractères japonais. Vérifiez les passages dont dépend votre activité et corrigez les informations importantes.
Pourquoi une page de PDF peut-elle ne pas être lue ?
Elle peut être trop floue, protégée, mal encodée ou dépasser une limite de traitement. Consultez les avertissements et essayez un extrait plus net ou un document avec texte sélectionnable.
Passer à la pratique avec Magistra
Application gratuite pour Windows 10 et 11 en 64 bits, sans compte Magistra. Choisissez une IA locale ou votre clé API personnelle, puis vérifiez vos premières préparations.
Découvrir Magistra pour Windows