OCR : extraire du texte depuis des photos

De toutes les capacités visuelles de GPT-5.6, l’extraction de texte depuis une image est celle qui se rentabilise le plus vite. Aucune application OCR dédiée n’est nécessaire : vous photographiez un document, un panneau, une étiquette ou un écran, ChatGPT en retranscrit le texte et le traite dans la foulée.

Un OCR qui comprend ce qu’il lit

La différence avec les outils traditionnels tient en un mot : le contexte. Un OCR classique reconnaît des caractères et vous rend une chaîne de texte, à charge pour vous d’en faire quelque chose. GPT-5.6 comprend ce qu’il lit, ce qui lui permet d’extraire, de structurer, de résumer ou de traduire dans le même mouvement.

Le ticket de caisse illustre bien l’écart. Envoyez-en la photo avec « Extrais tous les articles et leurs prix, puis calcule le total » : le modèle lit chaque ligne, distingue les libellés des montants, organise les données et effectue le calcul en quelques secondes. Un OCR classique se serait arrêté à la transcription.

Quatre situations professionnelles

La carte de visite ramassée sur un salon est le cas d’école, parce qu’elle finit habituellement au fond d’un tiroir. Photographiez-la et demandez : « Extrais les informations de contact et formate-les pour un import dans un CRM (nom, prénom, entreprise, email, téléphone). » L’enregistrement sort structuré, prêt à être collé.

Les documents administratifs suivent la même logique. Devant un formulaire papier partiellement rempli, « Retranscris les champs remplis de ce formulaire dans un format tableau » numérise en une passe ce que la saisie aurait étalé sur un quart d’heure. Vos notes de réunion manuscrites se traitent de même : « Retranscris ces notes manuscrites, corrige les éventuelles erreurs et organise-les en points d’action » transforme un gribouillage en compte rendu diffusable, GPT-5.6 gérant la plupart des écritures manuscrites lisibles. La comptabilité y trouve son compte — sur une photo de facture, « Extrais le numéro de facture, la date, le montant HT, la TVA et le montant TTC » vous rend les cinq champs qui alimentent votre suivi.

Extraire et agir dans le même mouvement

Rien ne vous oblige à séparer l’extraction du traitement. Un panneau en japonais se lit et se traduit d’un seul prompt : « Lis ce panneau en japonais et traduis-le en français. » Un article de journal photographié se lit et se résume en trois informations principales. Un menu se lit et se filtre — « identifie les options végétariennes avec leurs prix ». Un tableau imprimé se convertit directement en CSV.

Prenez donc l’habitude de formuler l’objectif final plutôt que l’étape intermédiaire : demander la transcription, puis la traduction dans un second message, vous coûte un aller-retour pour un résultat identique.

La photo décide de tout

La précision de l’extraction se joue au moment de la prise de vue, et aucun prompt ne rattrape ce qui a été perdu là.

L’éclairage vient en tête : un document bien éclairé, sans ombre portée ni reflet, se lit sans difficulté, et la lumière naturelle diffuse donne les meilleurs résultats. Contre l’intuition, le flash dégrade souvent la lecture, car il crée des reflets qui effacent des zones entières de texte. L’angle compte tout autant — photographiez bien à plat, perpendiculairement, une prise de vue oblique déformant les caractères. Utilisez ensuite la meilleure résolution disponible et résistez à la tentation de redimensionner avant l’envoi : une compression bien intentionnée détruit précisément l’information utile. Le cadrage, enfin, doit inclure tout le texte sans excès de vide autour, le modèle analysant mieux les images où le contenu occupe une part importante du cadre.

Les cas difficiles, et comment les aborder

Certains textes résistent, et l’enjeu est alors de rendre l’incertitude visible plutôt que de la subir. Face à une écriture manuscrite désordonnée, demandez : « Retranscris ce texte. Quand tu n’es pas sûr d’un mot, indique-le entre crochets avec un point d’interrogation. » Vous savez alors où porter votre relecture. Le texte posé sur un fond complexe — une affiche dont les lettres se détachent d’une photographie — se traite en recadrant sur la seule zone textuelle. Quant aux documents anciens ou abîmés, un mot de contexte oriente la lecture : « Ce document date du XIXe siècle, certains mots peuvent utiliser une orthographe ancienne. »

Deux vérifications restent de votre ressort. Les chiffres d’abord : les confusions entre 0 et O, 1 et l, 5 et S sont classiques et silencieuses, donc relisez les montants, les numéros et les dates. Les langues ensuite : sur un document multilingue, précisez lesquelles sont présentes, faute de quoi un passage peut être normalisé vers la langue dominante.

Mettez tout cela à l’épreuve sur un document réel — ticket de caisse, courrier, carte de visite, page de livre ou notes manuscrites — avec « Extrais tout le texte de cette image. Puis organise l’information extraite de manière structurée et identifie les données clés », puis comparez ligne à ligne avec l’original. Ce contrôle est le seul moyen d’apprécier la fiabilité réelle de l’extraction.

Points clés à retenir

GPT-5.6 fait office d’OCR avancé : extraction, structuration et traitement du texte en une seule étape
Combinez extraction et action (traduction, résumé, reformatage) pour gagner du temps
La qualité de la photo est déterminante : bon éclairage, angle perpendiculaire, haute résolution
Vérifiez toujours les données numériques et les noms propres dans les transcriptions
Précisez le contexte et la langue pour améliorer la précision sur les textes complexes