Le passage d’un PDF scanné en Excel est surtout utile lorsque vous devez analyser, trier ou rapprocher des données tabulaires dans une feuille de calcul. L’enjeu n’est pas seulement d’extraire du texte, mais de vérifier que les lignes, les colonnes et les totaux conservent un sens après la reconnaissance optique de caractères. Une méthode simple permet d’obtenir un fichier Excel plus exploitable, avec moins de corrections manuelles.
À quoi sert cette méthode
Cette méthode répond à un besoin précis : reconnaître des tableaux scannés dans Excel, puis valider le résultat. C’est particulièrement utile pour des documents comme :
- des factures avec lignes d’articles et totaux de taxe ;
- des notes de frais avec dates, catégories et montants ;
- des listes d’inventaire avec quantités et prix unitaires ;
- des tableaux de relevé ou de grand livre où les lignes doivent rester bien alignées ;
- des rapports avec sous-totaux et total général.
Cela diffère d’une simple conversion de PDF. Si le PDF contient déjà du texte sélectionnable, l’extraction est souvent plus facile. En revanche, si le fichier est un scan ou un PDF basé sur une image, il faut un OCR pour détecter les caractères et la structure du tableau avant de travailler les données dans Excel.
Pour consulter la page d’information et de disponibilité sur ce sujet, voir OCR PDF to Excel.
Commencer par évaluer rapidement le document
Avant toute extraction, observez le scan. Il ne s’agit pas d’une analyse longue, mais d’un repérage rapide pour savoir si le tableau a de bonnes chances d’être correctement reconstitué.
Vérifiez notamment :
- un tableau cohérent par page ;
- des séparations de lignes visibles ou un espacement régulier ;
- des en-têtes de colonnes clairs ;
- des nombres lisibles et bien alignés ;
- des totaux ou sous-totaux qui pourront servir de point de contrôle ;
- une structure répétitive, par exemple article, quantité, prix unitaire, montant.
Repérez aussi les risques fréquents :
- cellules fusionnées ou descriptions sur plusieurs lignes ;
- notes de bas de page dans la zone du tableau ;
- tampons ou signatures qui couvrent des chiffres ;
- devises ou formats mélangés dans une même colonne ;
- colonnes qui changent légèrement de position d’une page à l’autre.
Cette vérification rapide permet d’anticiper le niveau de reprise nécessaire après l’OCR.
Exemple concret : transformer une facture scannée en tableau Excel
Prenons une facture fournisseur scannée sur trois pages. Chaque page contient un tableau avec les colonnes suivantes :
- Code article
- Description
- Quantité
- Prix unitaire
- Total de ligne
En bas de la dernière page figurent aussi :
- le sous-total ;
- la taxe ;
- les frais de livraison ;
- le total général.
L’objectif n’est pas seulement de placer du texte dans des cellules. Il faut préserver la relation entre les lignes et confirmer que les calculs restent cohérents après l’OCR.
Une séquence pratique peut ressembler à ceci :
- Identifier les colonnes récurrentes et noter leur ordre attendu.
- Extraire le tableau scanné vers Excel à l’aide d’un procédé prenant en charge l’OCR.
- Vérifier que chaque ligne source est restée sur une seule ligne dans Excel.
- Contrôler que quantité, prix unitaire et total de ligne sont bien répartis dans des colonnes distinctes.
- Recalculer les totaux de ligne dans Excel lorsque c’est possible.
- Comparer les sous-totaux et le total général recalculés avec le document scanné.
- Signaler toute ligne qui rompt le schéma attendu.
C’est cette étape de validation qui transforme une extraction brute en feuille de calcul plus fiable.
Définir la structure attendue avant l’extraction
Avant la conversion, notez les colonnes attendues et le type de données de chacune.
| Colonne | Contenu attendu | Règle rapide |
|---|---|---|
| Code article | valeur alphanumérique courte | un seul code par ligne |
| Description | texte | peut revenir à la ligne, mais reste liée à une seule ligne |
| Quantité | nombre | doit être numérique |
| Prix unitaire | montant | le format décimal doit rester cohérent |
| Total de ligne | montant | doit correspondre à quantité × prix unitaire |
Ce modèle vous aide à contrôler le résultat au lieu d’improviser après coup.
Lancer l’OCR puis exporter vers Excel
Utilisez une méthode capable d’appliquer l’OCR à un PDF scanné puis de restituer le résultat dans un format de feuille de calcul. Comme le comportement de l’OCR varie selon la qualité du document, il vaut mieux prévoir une vérification manuelle au lieu de supposer un résultat parfait.
À ce stade, deux points comptent surtout :
- le texte a bien été reconnu ;
- le tableau reste un tableau, et non un bloc de texte désordonné.
Si tout se retrouve dans une seule colonne, le texte a peut-être été reconnu sans que la structure tabulaire soit correctement interprétée. Il faudra alors réorganiser davantage dans Excel.
Vérifier d’abord l’intégrité des lignes
Ne commencez pas par corriger des caractères isolés. Vérifiez d’abord si chaque enregistrement est encore un enregistrement complet.
Posez-vous les questions suivantes :
- une ligne de facture est-elle devenue deux lignes dans Excel ?
- deux lignes courtes ont-elles été fusionnées en une seule ?
- une description longue a-t-elle repoussé des montants à la ligne suivante ?
- des lignes d’en-tête se sont-elles mélangées aux données ?
C’est une étape décisive, car une petite erreur de reconnaissance est plus facile à corriger qu’un mauvais alignement des lignes. Si la structure des lignes est cassée, les totaux et les formules le seront aussi.
Normaliser les colonnes puis valider les calculs
Une fois les lignes stabilisées, uniformisez les colonnes.
Opérations fréquentes :
- déplacer les lignes de sous-total hors du tableau détaillé ;
- convertir en nombres les valeurs reconnues comme texte ;
- séparer des valeurs qui ont été regroupées dans une seule colonne ;
- compléter des valeurs répétées si un saut de page a interrompu le tableau ;
- supprimer les en-têtes dupliqués repris sur plusieurs pages.
Il est prudent de conserver la feuille extraite telle quelle, puis d’effectuer le nettoyage sur une copie de travail. Cela facilite le retour en arrière si une anomalie doit être vérifiée.
Ensuite, passez à la validation chiffrée, qui est le cœur de la méthode. Dans Excel, contrôlez la cohérence interne du tableau :
- le total de ligne doit correspondre à la quantité multipliée par le prix unitaire ;
- le sous-total doit correspondre à la somme des totaux de ligne ;
- le total général doit correspondre au sous-total additionné aux taxes et autres frais ;
- le nombre de lignes doit correspondre au nombre d’éléments visibles dans le scan.
Voici une grille de contrôle courte :
| Contrôle | Comparaison à faire | Ce que cela permet de repérer |
|---|---|---|
| Nombre de lignes | scan vs feuille Excel | lignes manquantes ou en trop |
| Position des colonnes | en-têtes vs valeurs | décalages de cellules |
| Calcul ligne par ligne | quantité × prix unitaire vs total de ligne | erreurs de chiffres reconnues |
| Sous-total | somme des lignes vs sous-total affiché | omissions de lignes |
| Total général | sous-total + frais vs total final | erreurs de lecture tardives |
Si l’écart sur le sous-total est faible, inspectez d’abord les chiffres visuellement proches ou les séparateurs décimaux mal interprétés. Si l’écart est important, suspectez plutôt des lignes manquantes ou une mauvaise coupure des enregistrements.
Marquer les exceptions pour une relecture humaine
Tous les tableaux scannés ne peuvent pas être considérés comme fiables après un seul passage. Il est utile de constituer une liste d’exceptions à relire.
Par exemple :
- cellule vide dans une colonne quantité ou montant ;
- texte présent dans une colonne censée être numérique ;
- valeur négative alors qu’elle n’est pas attendue ;
- code article répété avec un montant incohérent ;
- ligne de total insérée au milieu des lignes détaillées ;
- valeur qui ne correspond pas au modèle du document.
Cette approche rend la vérification plus efficace : au lieu de relire chaque ligne de façon identique, vous concentrez l’attention sur les cas les plus susceptibles de contenir une erreur d’OCR.
Liste de contrôle finale et limites à garder en tête
Avant de partager, importer ou réutiliser la feuille Excel, vérifiez rapidement les points suivants :
- toutes les pages ont bien été prises en compte ;
- les en-têtes sont corrects et ne réapparaissent pas au milieu du tableau ;
- chaque ligne d’origine occupe bien une seule ligne ;
- quantités, prix et montants sont bien reconnus comme des nombres ;
- sous-totaux et total général se recalculent correctement ;
- notes, signatures et pieds de page n’ont pas été intégrés au tableau ;
- les lignes signalées comme exception ont été relues.
Il faut aussi garder à l’esprit certaines limites. L’OCR de tableaux scannés peut être moins fiable lorsque :
- la résolution est faible ou l’image très compressée ;
- les colonnes sont trop rapprochées ;
- les descriptions s’étendent sur plusieurs lignes avec un espacement irrégulier ;
- les totaux apparaissent dans des zones flottantes plutôt que dans une structure régulière ;
- le document mélange texte imprimé et écriture manuscrite ;
- le même champ change de position selon les pages.
Dans ces cas, l’OCR peut faire gagner du temps, mais le fichier Excel obtenu doit rester un brouillon à relire, non une source définitive sans contrôle.
Cette méthode fonctionne particulièrement bien pour les tableaux répétitifs et les documents dont les calculs peuvent être vérifiés. Le bon réflexe est simple : ne jugez pas seulement le résultat à la lisibilité du texte, mais à la cohérence des lignes et au rapprochement des totaux. C’est souvent le moyen le plus rapide de savoir si votre PDF scanné en Excel est prêt à être utilisé ou s’il demande encore des corrections.