Skip to content

Ingénierie de l'OCR — des pixels aux documents structurés

Par Yann Sofian Smatti

Un livre pratique qui va du pixel jusqu'au champ extrait et vérifié en production, en Python avec un chapitre Java : chaque notion est définie, illustrée d'un schéma, appuyée par du code exécutable et, quand il y en a, par ses mathématiques (formule, intuition, exemple chiffré). Chaque moteur est mesuré sur les mêmes documents. Un fil rouge, Folio, la chaîne documentaire de l'assureur Carrow & Vale (12 000 pages par jour en français, allemand, anglais et arabe), grandit de chapitre en chapitre jusqu'au projet final. 23 chapitres + 4 annexes, pensés pour des ingénieur·e·s qui veulent comprendre ET faire.

📖 Accès freemium

Sans compte Compte gratuit Manuel complet
Sommaire, début de chaque chapitre, glossaire ✓ ✓ ✓
Chapitres de base en entier : introduction, images numériques, Tesseract ✓ ✓
Chapitres avancés : prétraitement, CRNN, transformers, modèles vision-langage, extraction, production, projet final ✓
Exercices et quiz corrigés un par chapitre un par chapitre ✓
Correcteur IA qui note vos réponses au quiz, solutions exécutables ✓

Créer un compte gratuit J'ai déjà un compte — Se connecter

Ce que tu vas apprendre

  • Les fondations : images numériques, résolution et compression, et les mathématiques de l'OCR (homographies, convolution, distance d'édition, CTC dérivée à la main).
  • Le prétraitement et la mise en page : binarisation d'Otsu et de Sauvola, redressement, perspective, détection du texte (DBNet), ordre de lecture, hOCR, ALTO et PAGE.
  • Les moteurs : Tesseract en profondeur, CRNN et CTC entraînés de zéro, TrOCR, Donut, PaddleOCR 3.0, docTR, Surya et les modèles vision-langage, tous mesurés sur les mêmes documents.
  • Les documents : PDF, tableaux et formulaires, formules mathématiques, écriture manuscrite, arabe et écritures non latines, conversion en Markdown (Docling, Marker, MinerU), extraction de champs avec LayoutLMv3.
  • La production : évaluation statistique, entraînement sur ses propres documents, services FastAPI, coût par page, sécurité, RGPD et injection de consignes dans les documents, plus un chapitre Java (Tess4J, PDFBox, Spring Boot).
  • Des labs qui tournent hors ligne : chaque chapitre a son dossier d'exemples, sur processeur, sans clé d'API et sans frais, avec des documents synthétiques et un modèle vision-langage simulé déterministe.
  • Un quiz en français par chapitre, avec un correcteur IA qui note vos réponses rédigées et vous dit quoi revoir.
  • Projet final : Folio de bout en bout + annexes (glossaire, fiches de référence, dépannage, annexe mathématique).

Le sommaire complet

Aperçu libre ci-dessous : le titre et les premières lignes de chaque chapitre sont publics. Les chapitres de base se lisent en entier avec un compte gratuit ; les autres font partie du manuel complet.

Introduction

Part I — Foundations

Part II — Recognition engines

Part III — Documents

Part IV — Production

Appendices

Créer un compte gratuit