OCR manuscrite et documents endommagés par l’eau : étude comparative

Les documents endommagés par l’eau comptent parmi les sources les plus difficiles pour l’OCR. L’écriture manuscrite varie déjà par la forme, l’espacement et l’épaisseur des traits; diffusion de l’encre, pâlissement et pertes de matière accentuent encore l’incertitude.

Cette étude compare les sorties brutes de plusieurs systèmes sur le même extrait d’un véritable journal manuscrit atteint par l’eau. Il s’agit d’un cas pratique, pas d’un classement général ni d’un benchmark contrôlé.

Pourquoi l’écriture endommagée par l’eau est difficile

• Diffusion de l’encre L’eau élargit les traits, brouille les limites et peut fusionner des lettres voisines.
• Contraste faible et irrégulier L’encre pâlie et la texture tachée compliquent la séparation entre écriture et papier.
• Traits perdus ou fragmentés La disparition des lignes fines transforme parfois une lettre en un autre caractère.
• Limites de mots incertaines Les espaces altérés rendent la segmentation des mots difficile.

Un cas réel

Une utilisatrice a traité avec Handwriting to Text plusieurs pages de journal endommagées par l’eau. L’extrait ci-dessous provient d’un journal personnel et n’a fait l’objet d’aucune restauration ni retouche avant reconnaissance. Merci à Jeanne de l’avoir fourni.

Malgré son état, une grande partie du contenu a pu être relevée sans prétraitement. Nous avons donc comparé cette sortie avec plusieurs outils d’OCR manuscrite courants.

Comparaison des résultats OCR

Handwriting to Text, Pen to Print, Transkribus et Card Scanner ont reçu le même extrait, sans restauration, recadrage sélectif ni correction manuelle. Les captures conservent la sortie visible et les limites d’interface de chaque produit, ce qui restreint la portée de la comparaison visuelle.

Handwriting to Text

Dans cet exemple, une grande partie de l’entrée est reconnue, avec phrases, noms et continuité narrative. L’interface empêche la capture d’afficher tout le texte obtenu. De petites anomalies d’espacement subsistent, mais affectent moins le sens que des mots inventés.

Pen to Print

Seule une portion limitée est reconnue dans cet extrait. Les zones les plus touchées manquent en grande partie, ce qui rompt la continuité et la structure du texte.

Transkribus

Dans la configuration utilisée ici, seuls de courts fragments apparaissent. Ils ne permettent guère de reconstituer le récit sans consulter le scan. Ce test unique ne préjuge pas des résultats d’autres modèles, entraînements ou documents.

Card Scanner

L’interface ne montre qu’une partie du texte reconnu. Plusieurs mots visibles sont néanmoins incorrects, signe d’une difficulté avec cette écriture peu contrastée et tachée par l’eau.

Principaux enseignements

• Lisibilité ne signifie pas exactitude Un paragraphe fluide peut modifier discrètement noms, dates ou formulations.
• Les défauts de mise en forme se corrigent Espaces et retours à la ligne sont souvent plus faciles à réparer qu’un changement de sens plausible.
• Un signal faible favorise les compléments inventés Quand des traits manquent, un système privilégiant la fluidité peut deviner avec assurance.
• Des zones plus petites peuvent aider Isoler un passage abîmé simplifie souvent reconnaissance et contrôle qualité.

Notre approche : fidélité avant fluidité

La transcription d’une écriture détériorée doit rester au plus près du visible au lieu d’améliorer le style : ne pas compléter silencieusement l’illisible, conserver les mots d’origine autant que possible et tolérer quelques défauts d’espacement si cela réduit les contresens. L’OCR manuscrite est ici une aide à la transcription, pas une réécriture.

Conclusion

L’écriture endommagée par l’eau reste difficile pour tous les systèmes. Ce cas montre qu’ils gèrent l’incertitude différemment. La bonne question n’est donc pas toujours de savoir quel texte paraît le plus fluide, mais quel brouillon reste le plus proche de la source visible et se vérifie facilement.

Questions fréquentes

Pourquoi l’OCR se trompe-t-elle sur les pages endommagées par l’eau ?

Encre diffusée, faible contraste et traits manquants créent des ambiguïtés. Certains systèmes les lissent en texte fluide et modifient involontairement le sens.

Pour un journal, faut-il privilégier lisibilité ou exactitude ?

La fidélité et le sens original priment généralement. Les espaces se corrigent plus facilement qu’un contresens.

Comment améliorer le résultat sans Photoshop ?

Essayez de plus petits extraits et un réglage prudent du contraste au scan, tout en gardant l’image maître intacte.

Faut-il recadrer la page ?

Commencez par la page entière, puis traitez les passages obscurs avec un recadrage serré si nécessaire.

Combien de temps les fichiers importés sont-ils conservés ?

Ils sont traités de manière sécurisée et supprimés automatiquement selon la durée de conservation de votre forfait actuel.