Transcrire des archives dactylographiées photographiées : quel OCR choisir ?

Quel OCR utiliser pour des archives dactylographiées photographiées ?

Pour des archives dactylographiées photographiées en salle de lecture, l'outil le plus adapté est celui qui lit une photo prise à main levée et pas seulement un scan à plat. wondarchive transcrit ce dactylographié avec une excellente précision et respecte la mise en page, tableaux en colonnes compris. Il rend ensuite le fonds cherchable, traduisible et exportable, avec des images hébergées en France. Un OCR de bureau reste pertinent pour des scans nets réalisés sur place.

wondarchive est un service en ligne qui transcrit, traduit et indexe les photos d'archives prises en salle de lecture (manuscrits, tapuscrits, imprimés), pour les historiens, les doctorants, les archivistes et les généalogistes. Le détail de ce qui est lu, type de page par type de page, figure sur ce que lit wondarchive.

Pourquoi un tapuscrit photographié est-il plus difficile à lire qu'un scan ?

Un tapuscrit photographié en salle de lecture est plus difficile à lire qu'un scan parce que la photo ajoute ses propres défauts à ceux du document : page légèrement inclinée, éclairage inégal, double page, ombre de la reliure. S'y ajoutent ceux du tapuscrit lui-même : carbone pâle, papier pelure transparent, frappe inégale, corrections à la main. Un OCR conçu pour des scans propres et droits supporte mal ce cumul.

• La prise de vue : wondarchive remet à l'endroit une page tournée d'un quart ou d'un demi-tour avant lecture ; une page inclinée de quelques degrés est lue telle quelle.
• La double page : un rapport relié photographié ouvert, d'un seul cliché, est lu comme une page, la gauche puis la droite.
• La netteté : sur un carbone pâle, la qualité dépend d'abord de la photo ; le guide de prise de vue tient en six règles.

Quel outil choisir pour transcrire des archives dactylographiées ?

Le choix d'un outil pour transcrire des archives dactylographiées dépend de quatre critères : la forme des images (photos de salle de lecture ou scans à plat), le volume, les compétences techniques disponibles et l'endroit où les images peuvent être envoyées. Le tableau ci-dessous compare cinq solutions selon ces critères. Pour chacune, il indique son point fort réel et le cas où elle vaut mieux.

La comparaison détaillée avec l'OCR de bureau figure sur ABBYY FineReader ou wondarchive. Celle avec les API cloud figure sur OCR hébergé en France ou cloud américain.

Comment transcrire un fonds dactylographié pas à pas ?

Transcrire un fonds dactylographié avec wondarchive se fait en cinq étapes, sans préparation des fichiers. On dépose le dossier de photos tel que l'appareil l'a écrit ; l'outil redresse, transcrit et décrit chaque page ; on lit, vérifie et range ensuite le fonds. La transcription se poursuit sur le serveur, même onglet fermé, dans les minutes ou les heures qui suivent.

1. Déposer le dossier de la mission, sous-dossiers compris ; les fichiers déjà en ligne ne sont pas renvoyés et le JPEG d'origine est conservé intact.
2. Redresser : le navigateur décide du sens de chaque page ; en cas de doute, il montre les quatre poses et vous cliquez sur la bonne.
3. Transcrire : chaque page est lue en pleine résolution ; l'outil relève aussi la nature de la pièce, sa langue, sa date, les dates citées et les noms propres.
4. Lire et vérifier : la photo à gauche, le texte à droite, original ou traduit d'un clic.
5. Ranger : lieu, cotes, folios ; la cote imprimée en pied de page est lue et proposée aux pages qui suivent.

Les tableaux dactylographiés en colonnes sont-ils conservés ?

Oui : sur une page dactylographiée, wondarchive respecte la mise en page, y compris les tableaux en colonnes, au lieu de les aplatir en une suite de chiffres sans ordre. C'est utile pour les états comptables, les relevés et les rapports chiffrés des archives d'entreprise et administratives du XXe siècle. Le texte de ces pages est ensuite cherchable sur tout le fonds et exportable en PDF.

Comment vérifier la transcription d'un tapuscrit ?

La transcription d'un tapuscrit se vérifie en comparant le texte à la photo, que wondarchive affiche côte à côte : un nom propre, un chiffre ou une date se contrôle d'un regard. Sur le dactylographié, la précision est excellente ; la vérification porte surtout sur les noms propres, les montants et les passages où le carbone est pâle. Une correction se fait dans le texte sans perdre la version d'origine.

Peut-on chercher, traduire et exporter des tapuscrits transcrits ?

Oui : une fois transcrits par wondarchive, les tapuscrits sont cherchables en plein texte sur tout le fonds, traduits page par page dans votre langue et exportables. La traduction tient compte de la fin de la page précédente et du début de la suivante, et suit un glossaire des termes du fonds. La recherche retrouve un nom avec ses variantes, ou une date même imprécise.

L'export d'une page, d'une cote ou d'une recherche se fait en PDF : voir l'export des pages.

Questions de suite

Et pour des carbones très pâles ou du papier pelure ?

La lecture d'un carbone pâle dépend d'abord de la photo : une image nette, page à plat, comme le détaille le guide de prise de vue. Le plus sûr est d'essayer sur quelques pages difficiles de votre fonds, dans les 100 pages offertes.

Les annotations manuscrites dans la marge d'un tapuscrit sont-elles lues ?

Oui : le manuscrit, notes en marge comprises, est transcrit avec une relecture renforcée. Sa qualité est grande, mais une vérification sur la photo reste conseillée, surtout pour les noms et les paraphes.

Dans quelles langues les tapuscrits peuvent-ils être transcrits ?

Ils peuvent l'être dans les langues européennes, dont l'allemand, le français, l'anglais, l'italien, l'espagnol, le néerlandais, le latin et le russe, en alphabets latin, cyrillique et grec. Le texte est transcrit dans sa langue et traduit dans la vôtre.

Mes images d'archives restent-elles confidentielles ?

Les images sont stockées en France chez OVHcloud, lues dans l'UE, ne servent à aucun entraînement et peuvent être exportées intégralement. Qui les lit et ce qu'on n'en fait pas est détaillé sur vos données.

Un OCR de bureau suffit-il si j'ai des scans propres ?

Pour des scans nets et à plat, un OCR de bureau ou un moteur libre peut suffire à produire du texte. wondarchive apporte en plus la lecture de photos de salle de lecture, la traduction, la recherche sur tout le fonds et le rangement par cote.

Essayer sur vos propres tapuscrits

Le plus simple est de déposer quelques dizaines de photos de votre fonds dactylographié et de comparer le texte à l'image. Ouvrir un compte gratuit donne 100 pages transcrites et traduites, sans carte bancaire. Pour voir d'abord de vraies archives lues, libres de droits, ouvrez la démonstration.