Convertir des tableaux de PDF scannés en Excel.

En pratique

Obtenir des chiffres fiables à partir d'archives papier

Les PDF scannés sont généralement les documents que personne n'a plus au format numérique : contrats signés avec grilles tarifaires, bons de livraison archivés, comptes annuels anciens, confirmations de commande faxées et des décennies de dossiers classés. C'est l'OCR qui les rend exploitables, et la qualité du scan fixe un plafond strict à la qualité de l'extraction — le logiciel peut compenser un peu de bruit, mais pas une information qui n'a jamais été capturée.

Si vous contrôlez le scanner, 300 DPI en niveaux de gris ou en noir et blanc est l'idéal pour les tableaux imprimés ; en dessous de 200 DPI, les petits chiffres perdent les traits qui les distinguent. Posez la page à plat, bien alignée sur la vitre, et préférez le scanner à plat au chargeur de feuilles pour les originaux reliés ou froissés. Les tampons, signatures et filigranes qui chevauchent le tableau méritent l'attention : les cellules sous un tampon d'encre sont celles qui auront le plus probablement besoin d'une correction manuelle.

Traitez l'export comme un brouillon pour les données sensibles. Une routine de vérification rapide — contrôler les totaux de colonnes, puis parcourir la colonne des dates à la recherche de valeurs impossibles — attrape la grande majorité des erreurs d'OCR en une fraction du temps d'une relecture complète.

Convertir des scans en Excel se fait en deux temps : l'OCR lit les caractères, puis la détection de tableau reconstruit les lignes et les colonnes autour d'eux. La qualité du scan nourrit ces deux étapes, et c'est pourquoi quelques minutes passées au scanner font généralement gagner plus de temps de relecture que n'importe quelle astuce de nettoyage après coup.