Pourquoi l’OCR échoue sur l’écriture manuscrite (et ce qui marche vraiment)

Photographiez une page imprimée : n’importe quelle app de scan renvoie un texte quasi parfait. Photographiez une page de votre carnet : la même app renvoie quelque chose qui oscille entre l’approximation et le charabia. Cet écart n’est pas un défaut d’une app en particulier. Il vient de la façon dont la reconnaissance de texte a été conçue, et de ce qu’est réellement une écriture manuscrite.

L’OCR classique a été conçu pour l’imprimé

La reconnaissance optique de caractères est née dans un monde de documents composés : livres, formulaires, factures, tickets. Dans ce monde, une lettre est un objet fixe. Tous les a d’une même police à une même taille ont exactement la même forme. Les mots reposent sur une ligne de base droite, les caractères sont séparés par du blanc, l’interligne est régulier et la page est plane.

La chaîne classique s’appuie entièrement là-dessus. Elle passe l’image en noir et blanc, la redresse, repère les lignes de texte, découpe chaque ligne en boîtes de caractères, compare chaque boîte à une bibliothèque de formes connues, puis fait passer le tout dans un dictionnaire pour rattraper les restes. Chaque étape dépend de la stabilité de la précédente : trait régulier, espacement régulier, séparation nette entre les signes.

Ces hypothèses tiennent pour un roman ou une facture d’électricité. Elles s’effondrent dès qu’une main humaine prend un stylo.

Une écriture n’est pas une police

Premier problème : la variation chez une même personne. Votre écriture d’un matin calme n’est pas votre écriture en pleine réunion. La vitesse change la hauteur et l’inclinaison des lettres. La posture déplace la ligne de base. Un carnet posé sur les genoux ne produit pas les mêmes tracés que le même carnet sur un bureau. Le stylo, le papier et le degré d’urgence laissent tous des traces visibles. Vous n’avez pas une écriture, vous avez une plage d’écritures.

Deuxième problème : la variation entre les personnes, bien plus large. Les lettres se forment différemment selon l’époque et le pays d’apprentissage. Un sept peut être barré ou non. Le chiffre un peut porter une attaque assez longue pour que quiconque ne l’a pas appris ainsi le prenne pour un sept. Majuscules, boucles, liaisons et jambages varient selon l’école et la génération. Autrement dit, la lettre a n’est pas une forme mais une grande famille de formes, dont les bords recouvrent ceux d’autres lettres.

La cursive supprime les frontières

L’écriture liée ajoute un problème plus dur : la segmentation. Dans l’imprimé, le blanc indique où finit un caractère et où commence le suivant. En cursive, le stylo ne se lève pas : ces frontières n’existent pas dans l’image. Le système doit les inventer.

D’où une dépendance circulaire. Pour placer les coupes au bon endroit, il faudrait savoir quel mot on lit ; pour identifier le mot, il faut déjà les coupes. Le résultat est familier à quiconque a déchiffré une ordonnance : rn ressemble à m, cl ressemble à d, une suite de i sans point ressemble à un u ou un n, et un t barré haut ressemble à un l. Rien d’exotique là-dedans : c’est simplement à quoi ressemble une écriture rapide.

L’ambiguïté se lève par le contexte, pas par les pixels

C’est le point le plus important. Si vous lisez couramment votre propre liste de courses, ce n’est pas parce que les formes sont nettes — la moitié ne l’est pas. C’est parce que vous savez déjà ce que vous auriez écrit. La lecture humaine répare en permanence l’image avec des connaissances qui ne sont pas dans l’image.

Une partie de ces connaissances est linguistique : la grammaire, les associations de mots habituelles, le registre de la phrase. L’autre partie est personnelle, et aucun modèle généraliste ne la possède. Le nom de vos collègues. Le nom de code d’un projet. L’abréviation que vous avez inventée pour un client récurrent. Votre raccourci pour un médicament, une référence de dossier, une mesure de laboratoire. Augmenter la netteté de la photo n’y change rien : l’information manquante n’a jamais été sur la page.

Les noms propres sont le pire cas. Aucun dictionnaire ne les couvre, et une mauvaise hypothèse paraît parfaitement crédible à quelqu’un qui n’était pas dans la pièce.

La page elle-même complique tout

Une vraie page de carnet contient bien plus que des lignes de texte :

• Une mise en page improvisée : notes en marge, flèches, encadrés, une deuxième colonne ouverte quand la première a manqué de place.
• Des ratures, des ajouts au-dessus de la ligne, et du texte écrit autour.
• Deux langues dans la même phrase, ce qui met en échec tout dictionnaire réglé sur une seule.
• Du papier ligné ou quadrillé, dont la trame concurrence l’encre.
• Des conditions physiques : crayon à papier, encre qui traverse depuis la page précédente, ombre de la main, courbure de la page près de la reliure.

Ce que les modèles vision-langage ont changé

La reconnaissance récente fonctionne autrement. Au lieu de comparer des formes isolées à des modèles de référence, ces systèmes sont entraînés conjointement sur des images et du texte, et lisent une ligne entière ou une page entière d’un coup. Ils peuvent mettre en balance ce à quoi une forme ressemble et ce qui aurait du sens dans la phrase — ce qui se rapproche beaucoup de la lecture humaine.

En pratique, plusieurs blocages anciens disparaissent. La cursive n’exige plus de découpage explicite en caractères. Le doute entre rn et m se tranche par le mot. Un nom à moitié lisible se rattrape grâce à la phrase qui l’entoure. Les mises en page irrégulières, les langues mélangées et les tracés inhabituels sont bien mieux gérés qu’avec une chaîne classique. Le progrès sur l’écriture réelle est net, et c’est ce qui rend la transcription d’un carnet envisageable aujourd’hui.

Mais les erreurs sont devenues plus convaincantes

L’ancien OCR échouait visiblement : caractères cassés, suites de signes impossibles. On voyait immédiatement que quelque chose n’allait pas. Un modèle moderne, lui, échoue de façon plausible. Quand il n’arrive pas à lire un mot, il ne s’arrête pas : il produit le mot le plus plausible. Le résultat est bien orthographié, grammatical, dans le bon ton, et faux.

Il existe une seconde défaillance, plus discrète : la normalisation silencieuse. Un modèle peut développer une abréviation que vous vouliez garder, lisser une formule écrite volontairement, ou compléter une phrase laissée en suspens. Et dans la plupart des outils, rien ne distingue les mots lus clairement de ceux qui ont été devinés : le texte arrive avec la même assurance dans les deux cas.

Sur une liste de courses, cela n’a aucune importance. Sur une posologie, un nom de client, un montant, une date ou une phrase que vous comptez citer depuis une lettre, cela en a beaucoup. C’est aussi pourquoi les taux de précision annoncés méritent de la méfiance : le chiffre dépend entièrement de l’écriture testée, du contenu, du papier, et du fait de compter — ou non — une substitution plausible aussi sévèrement qu’un charabia visible.

Ce qui marche vraiment : vérifier, puis apprendre

Si le vrai risque est l’erreur crédible, la bonne question n’est pas comment rendre la reconnaissance parfaite. C’est comment rendre les erreurs faciles à repérer et faciles à corriger, pour qu’elles ne survivent pas dans le texte dont vous vous servez ensuite.

Deux propriétés font l’essentiel du travail.

1. L’original reste attaché au résultat — et le moteur dit où il a hésité. Pas une photo dans une app et du texte dans une autre, mais l’image et la transcription liées, avec les mots jugés incertains soulignés pour qu’une lecture douteuse se corrige sur place. Une vérification qui prend deux secondes se fait. Une vérification qui suppose de relire toute la page dans une autre app ne se fait pas.
2. Les corrections sont mémorisées. Un système qui se trompe une fois sur le nom d’un collègue ne devrait pas se tromper à la dixième page. Votre vocabulaire, vos noms propres et vos abréviations sont précisément le contexte personnel qu’aucun modèle généraliste ne peut avoir — et il ne peut venir que de vous.

C’est autour de cette idée qu’Encria a été conçu. Les pages sont transcrites, les mots dont le moteur n’était pas sûr sont soulignés sous l’image d’origine pour être corrigés d’un toucher, et vos corrections sont mémorisées sur votre appareil puis reprises dans les transcriptions suivantes. Avec Encria Pro, les profils d’écriture réutilisables retiennent en plus votre vocabulaire, vos noms propres et vos abréviations. La lecture brute est conservée pour la même raison : ce qui a été lu reste disponible, mot pour mot, et la passe IA qui répare les erreurs de lecture probables et les phrases coupées n’est qu’une couche par-dessus, désactivable quand la formulation elle-même compte.

Une méthode de travail

Quel que soit l’outil, quelques habitudes rendent la transcription d’une page manuscrite nettement plus fiable : photographier en lumière homogène avec la page aussi plane que possible, cadrer une page par image plutôt qu’une double page, et relire d’abord les noms, les chiffres et les dates, puisque c’est là qu’un modèle fluide se trompe avec le plus d’assurance. Si une page compte vraiment, relisez la transcription face à l’original avant de la ranger.

Pour la version concrète de cette méthode, voyez comment transcrire des notes manuscrites. Et si vous comparez des outils, la différence entre une fonction générale d’image vers texte et une app de transcription dédiée est détaillée dans la comparaison entre Encria et Google Lens. Les deux reviennent au même constat : la reconnaissance n’est que la moitié du travail, et la moitié qui décide si vous pouvez faire confiance au résultat est celle qui vient après.