Redresser un PDF scanné de travers : méthode locale et limites

Vous ouvrez le scan d’un contrat et chaque page penche de deux ou trois degrés. Le document reste lisible, mais la lecture fatigue, la reconnaissance de texte dérive, et le fichier fait « brouillon » là où il devrait faire « archive ». C’est le cas d’usage exact du redressement (deskew) : mesurer l’inclinaison de chaque page et la corriger automatiquement, dans le navigateur, sans envoyer le fichier où que ce soit.

Comment l’angle est détecté

Pour chaque page, l’outil commence par rasteriser le contenu — la page est dessinée en pixels, comme un rendu d’aperçu haute résolution. Cette image est ensuite convertie en noir et blanc : chaque pixel devient « encre » ou « papier ».

Vient ensuite la détection proprement dite, par projection de lignes. L’outil teste une plage d’angles, de −5° à +5° par pas de 0,5° — vingt-et-une orientations candidates. Pour chacune, il projette les pixels le long de lignes horizontales virtuelles et compte les transitions clair/sombre sur ces lignes. L’idée : quand une ligne de texte est parfaitement horizontale, elle produit une alternance nette entre bandes d’encre et bandes de papier ; quand elle est inclinée, l’encre se dilue dans la projection et le score chute. L’angle qui maximise les transitions est retenu, puis la page pivote de la rotation inverse autour de son centre.

La méthode est best-effort : elle suppose que le contenu dominant de la page est fait de lignes horizontales — du texte, des tableaux, des marges droites.

Canon LiDE 300 — scanner à platScanner à plat compact, adapté aux photos et documents fragiles.affilié

Ce que le redressement produit

Le fichier obtenu est un PDF image : chaque page corrigée est réenregistrée en JPEG dans un nouveau document. Concrètement :

• le texte sélectionnable disparaît — plus de recherche, plus de copier-coller, plus de lecture par lecteur d’écran ;
• les liens et les signets sont perdus, qui ne survivent pas à la rasterisation ;
• des coins vides apparaissent aux angles de la page, là où la rotation laisse des zones blanches — un passage par le recadrage les resserre si besoin.

Ce n’est pas un défaut de l’outil mais une conséquence du procédé : on ne peut pas « tourner » du texte vectoriel d’un quart de degré sans le reconvertir en image. À savoir avant de redresser un PDF natif qui contient déjà une couche texte — vous échangerez du texte propre contre une image.

Quand ça marche, quand ça échoue

Ça marche bien sur des scans ou photos de pages à dominante textuelle : courriers, factures, formulaires, pages de livre. Lignes de texte nettes, contraste correct, inclinaison dans la plage de détection.

Ça échoue ou dégrade quand :

• l’inclinaison dépasse ±5° — hors plage de recherche. Pour une page posée à 90° ou franchement de travers, corrigez d’abord avec la rotation ;
• la page n’a pas de lignes claires — pleine page photo, affiche graphique, scan très flou ou très sombre : la projection ne trouve pas de pic fiable et peut retenir un mauvais angle ;
• le document mélange les orientations — la détection est page par page, donc un dossier hétérogène est géré, mais une page sans contenu dominant reste une estimation.

La résolution de détection est de 0,5° : largement suffisant à l’œil, sans prétendre au dixième de degré.

Le pipeline recommandé : redresser → OCRiser → compresser

Sur un scan frais, l’ordre des opérations n’est pas anodin. La séquence efficace :

1. Redresser d’abord. L’OCR travaille ligne par ligne ; une ligne inclinée de 3° fragmente la reconnaissance et multiplie les erreurs de caractères. Redresser avant l’OCR améliore directement la qualité du texte extrait. Et comme le deskew produit de toute façon un PDF image, lancer l’OCR avant ne servirait à rien : le texte reconnu serait détruit par la rasterisation.
2. OCRiser ensuite, sur le PDF redressé, avec l’OCR local — qui produit un .txt page par page (cinq langues, Tesseract en WebAssembly). Détail honnête : la sortie est un fichier texte, pas un PDF recherchable — voir notre article OCR d’un PDF scanné sans cloud pour les limites exactes.
3. Compresser en dernier. Le deskew réencode déjà chaque page en JPEG ; compresser avant lui ferait dégrader deux fois les images. La compression intervient sur le fichier final, une fois le contenu stabilisé.

Si vous partez de photos plutôt que d’un PDF existant, l’outil Numériser (caméra) assemble d’abord les clichés en PDF — voir le guide numériser un document en PDF. Et pour les lots recto-verso où les pages paires et impaires penchent parfois dans des sens opposés, la détection page par page gère chaque côté indépendamment — le workflow complet est détaillé dans scanner en recto-verso sans scanner dédié.

Limites

• 100 pages maximum par fichier — moins que la plupart des autres outils du catalogue (1 000 pages), car chaque page est rendue, analysée sur vingt-et-un angles et réencodée ;
• 50 Mio par fichier, un seul fichier à la fois ;
• traitement best-effort : l’outil applique l’angle qu’il mesure, sans aperçu de validation page par page — vérifiez le résultat, surtout sur les pages graphiques ;
• une progression s’affiche au fil des pages, et le traitement reste annulable en cours de route.

Tout se passe sur votre appareil : ni le PDF source ni le résultat ne quittent le navigateur.

Le matériel pour numériser

Canon LiDE 300 — scanner à platScanner à plat compact, adapté aux photos et documents fragiles.affilié Brother DS-640 — scanner portableLe classique des scanners de documents portables.affilié Epson WorkForce ES-50 — scanner mobileLe plus léger pour les déplacements.affilié