Un PDF numérisé est beaucoup plus difficile à traduire qu'un PDF textuel. Un PDF textuel contient du texte lisible par machine, tandis qu'un PDF numérisé contient des images, qui contiennent à leur tour du texte.
Pour traduire un PDF numérisé, vous devez d'abord extraire avec précision le texte de ces images. Ce n'est qu'alors que vous pourrez le traduire.
Alors, comment traduire un PDF numérisé ? Tout d'abord, examinons ce qui fait qu'un PDF est « numérisé ».
Qu'est-ce qu'un PDF numérisé ?
Pour faire simple, un PDF numérisé contient des images d'un document plutôt que du texte lisible par une machine.
Un PDF textuel est facile à traiter. Même en tant qu'utilisateur, vous pouvez sélectionner le texte, le surligner, le copier, le rechercher et l'éditer.
Les PDF numérisés, en revanche, sont des images créées en numérisant ou en photographiant des documents physiques. Vous ne pouvez pas sélectionner, copier ou éditer le texte. C'est pourquoi les traducteurs ont du mal avec les PDF numérisés.
Alors, comment traduire un PDF composé d'images plutôt que de texte ? C’est là que la ROC entre en jeu.
Qu'est-ce que la reconnaissance optique de caractères (ROC) ?
Reconnaissance optique de caractères (ROC) est une technologie qui détecte le texte, les caractères et les éléments dans les images et les convertit dans un format lisible par machine.
Pour traduire n'importe quel PDF numérisé, vous devez d'abord utiliser la ROC pour détecter le contenu et le convertir en texte lisible par machine. Une fois que vous avez le texte, vous pouvez le traduire dans votre langue cible.
Un traducteur de PDF de qualité fournit non seulement des traductions précises, mais dispose également d'une ROC de haute qualité. Plus la qualité de la ROC est élevée, mieux elle détecte le contenu dans les pages numérisées. Une mauvaise ROC entraîne une détection de contenu inexacte, ce qui conduit à son tour à des erreurs de traduction.
Les traducteurs de PDF haut de gamme reconstruisent également la mise en forme du PDF détectée dans les pages numérisées, y compris les tableaux, les en-têtes et les autres éléments visuels.
Comment traduire un PDF numérisé (guide étape par étape)
Voici un guide étape par étape détaillé pour traduire un PDF numérisé :
Étape 1 : Choisissez une plateforme de traduction avec ROC intégré
Nous avons déjà comparé différents outils de traduction de PDF auparavant. Pour une traduction hautement précise de documents commerciaux, les outils haut de gamme comme Smartcat fonctionnent le mieux.
Le traducteur PDF de Smartcat est doté d'une fonction de ROC intégrée, prend en charge plus de 280 langues et préserve la mise en forme d'origine du document, ce qui lui permet de traiter les PDF numérisés avec précision.
Étape 2 : Télécharger le PDF numérisé
Vérifiez d'abord la qualité du PDF numérisé. Des numérisations effacées facilitent la détection précise du texte par la ROC. Pour obtenir les meilleurs résultats, numérisez à une résolution d'au moins 300 ppp.
Veillez également à ce que les pages numérisées aient un texte effacer, lisible, un bruit visuel minimal et un bon contraste entre le texte et l'arrière-plan. Une fois que vous êtes satisfait de la qualité de la numérisation, téléchargez le PDF numérisé vers le traducteur.
Étape 3 : Sélectionner la langue source et la langue cible
Sélectionner la langue d'origine du PDF numérisé et les langues cibles vers lesquelles vous souhaitez obtenir la traduction. Vous pouvez sélectionner plusieurs langues cibles, et Smartcat traduit le PDF dans chacune d'elles.
Étape 4 : Cliquez sur Traduire
Suivant, appuyez sur le bouton Traduire. Smartcat utilise la ROC pour détecter le texte et la mise en forme dans les pages numérisées, les extrait, puis traduit le texte à l'aide de l'IA.
Étape 5 : Révisez la traduction dans le logiciel informatique Smartcat
Une fois que la traduction par l'IA est prête, révisez le contenu traduit.
Pour les PDF numérisés, vous avez besoin de deux niveaux de contrôles de qualité :
Précision de la ROC. Recherchez les erreurs dans la détection ROC. La ROC confond couramment certains caractères, comme le 0 avec le O, le 1 avec le I ou le rn avec le m, vérifiez donc la présence de ces erreurs d'extraction basiques.
Précision de la traduction. Vérifiez la traduction des termes techniques, des noms de marques et des nuances culturelles que la traduction par l'IA a pu omettre.
Étape 6 : Téléchargez votre fichier PDF traduit
Une fois que vous avez vérifié et finalisé la traduction, téléchargez les fichiers PDF pour chaque langue cible.
Comment améliorer la précision de la ROC avant la traduction d'un PDF numérisé
La qualité de la traduction dépend en partie de la qualité du PDF téléchargé. Un scan effacer et à haute résolution donne un meilleur résultat qu'un scan illisible et à basse résolution.
Voici quelques moyens d'obtenir de meilleurs résultats de ROC :
1. Utilisez des numérisations haute résolution
La résolution de numérisation affecte considérablement la précision de la ROC et, par conséquent, la qualité de la traduction. Les basses résolutions rendent l'extraction de texte difficile et entraînent des erreurs.
Une bonne résolution de numérisation commence à 300 PPP, alors assurez-vous que votre PDF numérisé respecte cette norme. Les compressions répétées réduisent encore davantage la résolution, il faut donc les éviter.
2. Redresser les pages inclinées
Un texte soigneusement et horizontalement aligné améliore la précision de la ROC. Les pages numérisées de travers rendent la détection des caractères et des lignes difficile, car l'inclinaison déforme l'image numérisée.
Évitez de numériser les pages de travers. Lorsque vous photographiez des documents, gardez l'appareil photo parallèle à la page.
3. Améliorer le contraste et l'éclairage
Pour une plus grande précision, la ROC doit pouvoir distinguer facilement les éléments du PDF de l'arrière-plan.
Un bon PDF numérisé présente un texte sombre sur un fond clair et net. Le texte effacé, les arrière-plans sombres et les pages décolorées ou à motifs donnent de mauvaises numérisations. La même règle s'applique aux documents photographiés : évitez les ombres sur le texte.
4. Évitez les images floues et le bruit visuel
Les caractères flous et le bruit visuel perturbent la ROC et rendent l'extraction de contenu difficile. Les tampons, les signatures, les annotations manuscrites, les plis, les taches et les éléments visuels qui se chevauchent nuisent tous à une reconnaissance précise.
Problèmes courants lors de la traduction de PDF numérisés
Voici les problèmes les plus courants que vous pourriez rencontrer lors de la traduction d'un PDF numérisé, ainsi que la manière de les résoudre.
Problème | Cause probable | Que faire |
|---|---|---|
Texte manquant | La ROC n'a pas réussi à reconnaître une partie de la page | Vérifiez la numérisation et numérisez à nouveau les sections de mauvaise qualité |
Caractères incorrects | Numérisation floue ou à basse résolution | Utilisez une source plus claire et à plus haute résolution |
Mauvaise traduction | Erreur de ROC ou erreur de traduction | Comparez d'abord le texte source extrait avec le scan |
Tables cassées | Structure de document complexe | Examiner le tableau et la mise en page manuellement |
Texte de l'image non traduit | Le traducteur n'offre pas d'assistance pour la ROC ou la traduction d'images | Utilisez une plateforme de traduction compatible avec la ROC comme Smartcat |
Ordre de lecture incorrect | Mise en page complexe ou à colonnes multiples | Vérifier les segments extraits par rapport à la source |
Débordement de texte | La traduction est plus longue que la source | Ajustez la mise en page traduite avant de publier |
FAQs
Google Traduction peut-il traduire un PDF numérisé ?
Google indique que le texte contenu dans les images et les pages de documents PDF numérisés peut apparaître dans le document de sortie, mais n'est pas traduit. Il se peut qu'il traduise certains textes facilement détectables dans les images, mais rien ne garantit que Google Traduction traduira un PDF numérisé.
ChatGPT peut-il traduire un PDF numérisé ?
ChatGPT et d'autres LLM peuvent traiter des PDF numérisés et les traduire à un niveau convenable. Pour une traduction de PDF de qualité professionnelle avec ROC, une grande précision et la préservation du format, un traducteur dédié est un bien meilleur choix.
Quelle résolution est la meilleure pour la ROC ?
Pour une détection de texte raisonnablement efficace dans les pages numérisées, la plupart des plateformes recommandent une résolution minimale de 300 DPI.
La résolution n'est toutefois qu'un facteur parmi d'autres. Des pages droites, un bon contraste, un faible bruit visuel et un texte imprimé clairement sont également d'une aide précieuse pour produire de meilleurs résultats.
La ROC peut-elle traduire des PDF manuscrits ?
La ROC ne traduit pas le texte elle-même ; elle reconnaît le texte afin qu'un système de traduction puisse le traiter.
L'écriture manuscrite est généralement plus difficile à reconnaître pour la ROC que le texte imprimé, en particulier lorsqu'elle est cursive ou peu claire. Mais si l'écriture manuscrite est lisible, la ROC peut détecter et extraire le texte.
Est-il sûr de télécharger en ligne des PDF numérisés confidentiels ?
La protection des données dépend de la plateforme de traduction sur laquelle vous téléchargez vos PDF numérisés. Les plateformes de niveau entreprise comme Smartcat offrent le chiffrement des données et d'autres mesures pour protéger les informations confidentielles contenues dans les documents téléchargés.
Ainsi, lorsque vous téléchargez des PDF numérisés contenant des informations sensibles, choisissez une plateforme de traduction fiable comme Smartcat.
