Extraire le texte d'une image avec l'IA (OCR) : le guide complet

Une note manuscrite, un reçu papier, du texte anglais dans une capture d'écran, un panneau sur une photo — combien de fois avez-vous tout retapé au clavier en vous disant « si seulement je pouvais simplement copier-coller ça » ? En 2026, presque plus rien de tout cela n'a besoin d'être retapé. Prenez une photo avec votre téléphone, confiez-la à une IA, et en quelques secondes elle vous la renvoie en texte — même si c'est manuscrit, de travers, sous forme de tableau, ou écrit verticalement.

Voici l'essentiel. Si vous avez simplement besoin de transformer « une quantité raisonnable d'images, de temps en temps » en texte, les coller dans une IA conversationnelle généraliste comme ChatGPT, Gemini ou Claude est la voie la plus rapide et la plus intelligente — car même quand la forme des lettres est brouillonne, l'IA les déduit correctement à partir du contexte. En revanche, si vous devez traiter des centaines de formulaires par mois, que vous ne pouvez pas envoyer de données hors de votre organisation, ou que vous voulez importer des tableaux sans en casser la structure, un outil OCR dédié ou une configuration par API conviennent mieux. Cet article vous accompagne dans ce choix, avec des comparatifs d'outils, des étapes concrètes et des prompts, le meilleur choix selon l'usage, des conseils de précision — et les pièges propres à l'IA.

* Les chiffres de benchmark et de précision cités dans cet article reprennent des valeurs publiées par les éditeurs et des comparatifs tiers (au moment de 2026) ; ils varient en conditions réelles (qualité d'image, jargon, mise en page). Testez sur vos propres données avant d'adopter.

1. En quoi l'« OCR par IA » diffère de l'OCR traditionnel

L'OCR (reconnaissance optique de caractères) est une technologie qui convertit des images de texte en données textuelles, et elle remonte à plusieurs décennies. Elle est depuis longtemps intégrée aux photocopieurs de bureau et aux applications de scan. Alors qu'y a-t-il de nouveau dans l'« OCR par IA » dont tout le monde parle aujourd'hui ? En une phrase : on est passé du « jugement caractère par caractère » à la « compréhension de la page entière comme une seule image, sens compris ».

L'OCR traditionnel fonctionnait en découpant les contours et en faisant correspondre la forme des lettres à des motifs. Cela le rendait performant sur de l'imprimé propre, mais il s'effondrait dès que la situation se compliquait — écriture manuscrite, inclinaison, basse qualité, ou mises en page complexes (imprimé, manuscrit, un tampon et un tableau sur une même page). À l'inverse, une IA multimodale comme ChatGPT ou Gemini est entraînée à traiter image et texte sur un pied d'égalité, en interprétant une page comme une « scène visuelle » globale. C'est pourquoi elle peut compléter une lettre manquante à partir du contexte, transformer un tableau en Markdown, une carte de visite en JSON — et vous laisser spécifier la forme même de la sortie.

Il ne s'agit donc pas de savoir lequel est meilleur — leurs rôles diffèrent. Si vous traitez 10 000 factures propres par jour, l'OCR traditionnel (ou les modèles OCR dédiés ci-dessous) reste imbattable côté coût. Mais si vous voulez lire « intelligemment » du papier brouillon parsemé de manuscrit, l'IA règne sur ce terrain. En pratique, le courant dominant de 2026 est de plus en plus une configuration hybride : lire d'abord vite et à moindre coût avec l'OCR traditionnel, puis n'envoyer à l'IA que les échecs. Nous y reviendrons plus loin.

2. Que choisir : trois options

Dans la section précédente, nous avons dit que « les rôles diffèrent ». La question suivante est donc — dans votre cas précis, qu'est-ce que vous devriez réellement ouvrir ? Les façons de transformer une image en texte avec l'IA se rangent en trois grandes catégories.

Personnellement, je pense que 90 % des gens devraient commencer par A. Vous pouvez l'essayer dès maintenant, sans aucun coût supplémentaire, dans l'application ChatGPT ou Gemini déjà installée sur votre téléphone. Ce n'est que lorsque vous heurtez un mur — « le volume mensuel dépasse quelques centaines de pages », « c'est confidentiel et ne peut pas sortir », « je ne peux pas laisser un tableau se décaler d'un seul pixel » — que vous devriez envisager B ou C. Construire un pipeline d'API d'emblée relève, dans la plupart des cas, de la sur-ingénierie.

3. Comparatif des principaux outils et modèles

Comparons donc concrètement les fleurons de chaque catégorie. Les chiffres de précision ci-dessous sont des valeurs publiées issues de divers benchmarks / comparatifs tiers (en conditions optimales) ; lisez-les non comme un classement absolu mais comme des « tendances approximatives ». Il n'existe pas de « champion tout-en-un » en OCR — le vainqueur change selon l'usage, et c'est la réalité de 2026.

* Les noms de modèles, les versions et les tarifs sont ceux de 2026. Les éditeurs effectuent des mises à jour fréquentes, vérifiez donc la source officielle pour le plus récent. La « précision » dépend des conditions et varie grandement, même au sein d'un même modèle, selon la qualité d'image, la langue et la mise en page.

En parcourant les rapports de benchmark, les tendances approximatives se présentent ainsi (toutes des valeurs publiées, dépendantes des conditions). Sur le manuscrit, la famille GPT est très bien notée (un benchmark tiers rapporte ~95 % de précision sur le manuscrit). Sur l'extraction structurée de tableaux et de mises en page complexes, la famille Claude est très précise (un rapport cite plus de 97 % de précision d'extraction sur des mises en page complexes). Pour lire d'un coup des documents de nombreuses pages, le long contexte de Gemini est payant. Et pour la seule précision d'OCR brut, il existe des benchmarks où des modèles spécialisés comme GLM-OCR et PaddleOCR-VL battent les LLM de pointe. En somme, « d'abord l'IA conversationnelle que vous avez déjà ; passez à un spécialiste si elle est insuffisante » est le bon choix.

4. En pratique : transformer une image en texte avec une IA conversationnelle

Maintenant que le comparatif indique « d'abord l'IA conversationnelle généraliste », comment fait-on concrètement ? C'est presque décevant de simplicité.

Là où ça fait la différence, c'est le prompt de l'ÉTAPE 3. Dire simplement « transforme ça en texte » vous donnera quelque chose, mais pour réprimer la plus grande faiblesse de l'OCR par IA (l'« invention » que nous abordons plus loin) et obtenir la forme voulue, les instructions comptent. Voici des prompts utilisables tels quels, par usage.

Transcrire tel quel (sans casser, sans inventer)

# Transcrire l'image
Transcris le texte écrit dans cette image avec exactitude, en préservant les sauts de ligne et les paragraphes.

Règles :
- Transcris uniquement les caractères présents dans l'image. Ne complète pas et n'invente pas de contenu par déduction
- Marque les endroits illisibles par [illisible]
- Reproduis les fautes de frappe et les omissions exactement comme dans l'original (ne corrige pas silencieusement)
- Pas d'explications ni de préambule. Ne renvoie que le texte transcrit

Importer un tableau sans le casser

# Extraire le tableau
Restitue le tableau de cette image sous forme de tableau Markdown.
- Ne casse pas la correspondance lignes/colonnes. Laisse les cellules vides vides
- Garde les nombres exactement comme dans l'image, virgules et unités comprises
- Marque les cellules illisibles par [?]

Extraire les champs d'un reçu / carte de visite / formulaire (en JSON)

# Extraction de champs (structurée)
Extrais les champs suivants de cette image de reçu en JSON.
Pour les éléments absents de l'image, utilise null ; ne complète pas par déduction.

{
  "store": ...,
  "date": ...,
  "total": ...,
  "items": [{ "name": ..., "amount": ... }]
}

L'essentiel est que chaque prompt inclut « ne complète pas par déduction / n'invente pas / si tu ne peux pas lire, dis-le ». C'est l'habitude la plus importante quand on utilise l'OCR par IA dans un vrai travail. La raison est détaillée dans la section 7.

5. Le meilleur choix selon l'usage (manuscrit / reçus / PDF / tableaux / texte vertical)

Pour répondre à « donc dans mon cas, qu'est-ce que je devrais utiliser ? », voici une ventilation par situation courante. Comme base de référence, en cas de doute, l'essayer dans l'IA conversationnelle que vous avez sous la main est le plus rapide. Cela posé, voici les meilleurs choix.

Une note sur les particularités propres à certaines écritures. Selon plusieurs comparatifs, la reconnaissance du manuscrit est lue avec une fiabilité assez élevée par ChatGPT, tandis que Gemini omet parfois silencieusement certains mots dans une phrase. À l'inverse, sur des tableaux blancs ou des mémos de réunion aux lettres déformées, la capacité de Gemini à déduire du contexte environnant peut briller. Pour le texte vertical, les anciennes formes de caractères et l'orthographe historique (comme la littérature pré-moderne), l'essentiel du sens tient, mais des erreurs de lecture et des omissions subsistent dans les noms propres, les particules et les auxiliaires — l'évaluation réaliste étant « suffisamment bon pour un usage pratique si l'on suppose une relecture ». En somme, l'astuce est de ne pas attendre la perfection du premier coup, et de décider du niveau de vérification humaine à insérer selon l'usage.

6. Six conseils pour améliorer la précision

Avec la même IA, les résultats changent étonnamment selon l'entrée et les instructions. Voici les conseils, par ordre d'impact, pour s'approcher de zéro retapage.

De ces six, celui qui fonctionne de manière écrasante est ① la qualité d'image. Peu importe combien vous peaufinez le prompt, aucun texte exact ne sortira d'une photo sombre et de travers. Quand vous sentez que « l'IA se trompe », reprenez d'abord la photo. Cela seul change l'expérience.

7. Le plus grand piège : texte inventé ou omis

Nous avons jusqu'ici vanté la commodité, mais l'OCR par IA porte un danger d'une autre nature, que l'OCR traditionnel n'a pas. Il remplit un endroit qu'il n'a pas pu lire non par un blanc, mais par des « caractères d'apparence plausible » — ce qu'on appelle l'hallucination (invention plausible).

Là où l'OCR traditionnel échoue de manière visible, en texte illisible ou en espace blanc, l'IA génère un mot naturel à partir du contexte et le produit comme si elle l'avait lu correctement. Ce qui rend cela pernicieux, c'est que la sortie est fluide et « a l'air juste », si bien que l'erreur est difficile à remarquer. Les chiffres d'un montant, une date, un nom, un numéro de modèle — précisément les champs qui « peuvent être devinés à partir du contexte » sont les plus exposés à être remplacés par une valeur qui n'a jamais existé. Si les prompts précédents répétaient « ne complète pas par déduction / dis-le si tu ne peux pas lire », c'est justement pour réprimer cet accident.

Honnêtement, je considère cette « invention plausible » comme la seule et unique plus grande faiblesse de l'OCR par IA. Dit autrement : rien qu'en respectant une règle — « un humain confronte les nombres importants » — l'OCR par IA devient instantanément un outil pratique, de qualité production. Les accidents arrivent au moment où l'on s'enivre de la commodité et où l'on saute la vérification. C'est tout.

8. Confidentialité, droit d'auteur et précautions

Après la précision, l'angle important et facilement négligé est « devrais-je seulement confier cette image à une IA ? »

• Où vont les données confidentielles / personnelles : quand vous collez une image dans une IA conversationnelle, cette image est envoyée à un serveur externe. Pour des documents contenant des données personnelles d'autrui, des supports internes confidentiels, des numéros d'identité officiels ou des coordonnées bancaires, vérifiez d'abord les règles de votre entreprise et les conditions / politiques de traitement des données de chaque service. Si vous avez des inquiétudes, choisissez un OSS exécuté localement (PaddleOCR-VL, etc.) ou un forfait professionnel qui n'utilise pas votre saisie pour l'entraînement des modèles.
• Confirmez « est-ce utilisé pour l'entraînement » : les versions gratuites et professionnelles traitent souvent les données différemment. Pour un usage professionnel, vérifiez toujours si le forfait/réglage garde votre saisie hors de l'entraînement.
• Droit d'auteur : faire de l'OCR sur un livre entier, un journal ou un article payant et le redistribuer peut constituer une contrefaçon. Ne dépassez pas les limites de la consultation privée et de la citation.
• Ne faites pas trop confiance : comme dans la section 7, la sortie n'est pas une valeur confirmée. Surtout là où les enjeux sont élevés — montants, contrats, médecine — concevez une vérification finale par un humain.
• Altération des symboles et caractères spéciaux : les chiffres entourés, les filets, les symboles spéciaux et les formules complexes peuvent se casser dans le modèle ou là où vous collez. Conservez l'original si c'est important.

Voici un exemple concret. En avril 2023, il a été rapporté qu'un ingénieur de Samsung avait collé du code source interne et du contenu de réunion dans la version grand public de ChatGPT, divulguant des informations confidentielles à l'extérieur. L'OCR, c'est pareil — l'acte de « coller une image » est l'acte d'« envoyer son contenu à l'extérieur ». Derrière la commodité, restez conscient de ce que vous transmettez.

Conclusion

La transcription d'images par IA a, en 2026, atteint un niveau pratique qui « efface le retapage ». Voici l'essentiel.

• Commencez par une IA conversationnelle généraliste (ChatGPT/Gemini/Claude) en y collant l'image — la voie la plus rapide et la meilleure pour 90 % des gens. Plus l'image est brouillonne ou manuscrite, plus l'inférence de l'IA aide.
• Il n'y a pas de champion absolu. Manuscrit → famille GPT ; structuration de tableaux → famille Claude ; nombreuses pages → long contexte de Gemini ; précision d'OCR brut → modèles spécialisés. Adaptez l'outil à la tâche.
• Ajouter « n'invente pas / dis-le si tu ne peux pas lire / utilise ce format » au prompt suffit à faire bondir la précision et la facilité d'usage.
• La qualité d'image, c'est 80 % de la précision. Reprendre une photo sombre et de travers est l'amélioration la plus rapide.
• Pour des formulaires confidentiels, à format fixe, en grand volume, passez à un OCR dédié (Mistral OCR, etc.), un OSS local, ou une configuration par API.
• Un humain doit toujours confronter montants, dates et noms. L'invention plausible est le seul véritable ennemi.

Au final, l'OCR par IA a évolué d'une « machine qui lit des caractères » vers un « assistant qui comprend ce que les caractères signifient ». Mais pouvoir comprendre signifie aussi pouvoir « combler l'inconnu par l'imagination ». Alors une dernière fois : ce que vous pouvez laisser à l'IA, c'est seulement la « lecture ». Confirmer que « c'est correct » est toujours mieux fait par vous — celui qui a vu l'original.

FAQ