Construire une chaîne de traitement de fichiers à réutiliser à chaque fois

Un vrai travail dépasse rarement un seul outil

Transformer un document papier en un fichier numérique vraiment exploitable est un bon exemple de tâche qui ne se résume jamais à une seule étape. Il faut d’abord capturer la page avec un appareil photo ou un scanner et la redresser (JPG en PDF transforme les photos en pages), puis la faire reconnaître avec OCR PDF pour que son texte devienne recherchable, et souvent la passer ensuite dans Compresser un PDF pour que le fichier final soit assez petit pour être envoyé par courriel. Chacune de ces opérations est un outil distinct qui fait une chose précise. La séquence entre eux, d’abord le scan, puis la reconnaissance, puis la compression, dans cet ordre, est la partie qu’il est facile de mal appliquer ou d’oublier si elle doit être reconstruite de mémoire à chaque fois.

L’ordre n’est pas un détail, un mauvais ordre gâche du vrai travail

Compresser un document avant d’y appliquer la reconnaissance de texte est un moins bon choix que de faire l’inverse. La compression rend l’image scannée plus floue, et la reconnaissance lancée ensuite aura un travail plus difficile et moins précis à partir de cette image adoucie que depuis le scan initial, plus net. La même logique s’applique à d’autres types de fichiers. Une vidéo coupée à sa durée utile avant d’être compressée et adaptée à une plateforme ne paie le coût du ré-encodage qu’une seule fois. Dans l’ordre inverse, vous ré-encodez des séquences qui vont de toute façon être jetées. Le résultat peut encore sembler correct, ce qui rend l’erreur facile à répéter : rien ne « casse », cela coûte simplement plus cher et la qualité est un peu moins bonne qu’elle aurait pu l’être.

Une séquence enregistrée, c’est une suite de décisions couchées par écrit

L’intérêt d’enregistrer une chaîne d’étapes n’est pas la vitesse en soi. C’est le fait que les décisions sur l’ordre, et sur les outils à utiliser, n’ont à être prises qu’une seule fois, correctement, au lieu d’être reconstruites de mémoire pour chaque document qui demande le même traitement. Une séquence « scanner puis reconnaître puis compresser » créée et enregistrée une fois peut être réutilisée pour les cinquante documents suivants sans reposer les mêmes questions. Plus important encore, personne n’essaie de compresser avant de reconnaître pour le document numéro trente-sept, puisque l’ordre ne dépend plus de la mémoire de quelqu’un mais a été fixé noir sur blanc.

Vérifier un résultat avant qu’il ne devienne l’entrée de l’outil suivant

Une chaîne à plusieurs étapes fonctionne mieux avec une pause entre les étapes qu’avec un simple tuyau continu et opaque. Une page sortie de travers après le scan, ou une reconnaissance de texte qui a mal orthographié un nom, coûte beaucoup moins cher à corriger juste après cette étape que si l’on découvre le problème à la fin d’une chaîne de quatre étapes, quand retrouver celle qui a causé l’erreur demande un vrai effort. Jeter un œil à un résultat intermédiaire avant qu’il ne passe à l’outil suivant est une petite habitude. Elle évite de devoir relancer toute une chaîne depuis le début à cause d’un seul mauvais pas près du commencement.

Ce schéma dépasse largement les seuls documents

Le même type de problème apparaît en permanence ailleurs que sur le papier : plusieurs outils distincts, un ordre précis entre eux, et un vrai coût lorsque cet ordre est mal respecté. Une photo peut avoir besoin qu’on supprime son arrière-plan avec Supprimer l'arrière-plan puis qu’on la redimensionne pour une annonce donnée. Une vidéo peut devoir passer par Couper une vidéo avant d’être mise au format d’image imposé par une plateforme. C’est reconnaître ce schéma qui est utile. La chaîne n’est que la manière pratique de ne pas avoir à le redécouvrir, depuis zéro, pour chaque fichier qui a besoin des mêmes quelques étapes dans le même ordre.

Pas à pas : la chaîne du scan, d’un outil à l’autre

Photographiez les pages et ajoutez-les à JPG en PDF, jusqu’à 200 photos d’un coup, puis remettez les miniatures dans l’ordre de lecture en les faisant glisser ; avec la taille de page sur Adapter à la photo, chaque page a exactement la taille de sa photo. Feuilletez le résultat une fois, téléchargez le PDF et ouvrez OCR PDF dans le même onglet. Un téléchargement reste à portée de main dans cet onglet pendant une heure : une ligne en haut de la page de l’OCR indique que le fichier de l’étape précédente est toujours là, et un clic le met en place sans passer par le dossier des téléchargements.

L’OCR est la seule étape de cette chaîne qui tourne sur notre serveur et non dans le navigateur, et la zone de dépôt l’annonce avant que vous n’ajoutiez quoi que ce soit, en précisant quand l’envoi et le résultat sont supprimés. Choisissez la langue du document, jusqu’à trois s’il en mélange plusieurs, laissez le redressement et la rotation automatique activés, et essayez Ctrl+F sur une ou deux pages du résultat. Compresser un PDF fait partie des outils proposés juste sous ce résultat, donc le fichier désormais recherchable y passe directement : Équilibré convient à un document destiné au courriel, Taille visée à un portail avec une limite fixe, et la couche de texte est conservée dans les deux cas.