Comment un PDF numérisé est corrigé et vérifié

Comment une correction est-elle faite, étape par étape ?

L'outil lui-même est Modifier le texte d'un PDF ; cette page explique comment une correction y est faite, et comment elle est vérifiée.

Quand vous ouvrez CECO PDF pour la première fois, il montre une correction en train d'être faite, du début à la fin, en six étapes :

1. Une page qui contient une erreur. Ouvrez un PDF qui vous appartient, ou appuyez sur « Essayer un document d'exemple » pour en essayer un que l'application fournit.
2. Cliquez sur le mot à modifier. Ou tracez un cadre autour des mots. Sur un écran tactile, touchez le mot, ou appuyez sur « Sélectionner une zone » et passez un doigt sur les mots.
3. Il vous revient rempli. Corrigez-le. Ce que dit la page en ce moment est déjà rempli pour vous ; tapez ce qu'elle devrait dire.
4. Appliquez la correction. Rien ne change sur la page tant que vous ne l'avez pas fait.
5. Vérifié : rien n'a bougé en dehors du mot modifié. Avant que le résultat ne s'affiche, la page est comparée à l'original, comme le décrit la vérification ci-dessous.
6. Téléchargez le PDF corrigé. Ce que chaque formule vous permet de télécharger figure sur la page des tarifs.

Sur un écran tactile, la démonstration a les mêmes six étapes, et « Cliquez » devient « Touchez ».

Comment les nouveaux mots arrivent-ils sur la page ?

Un PDF contient ses mots de deux façons. Certains ont une vraie couche de texte : les lettres sont du texte, et peuvent être sélectionnées et recherchées. Un scan est une image de papier, et ses mots sont de l'encre dans cette image. CECO PDF corrige les deux, et le résultat indique laquelle de ces quatre choses il a faite :

• Tapé dans le texte. La correction est tapée dans la page sous forme de texte : elle reste donc sélectionnable et consultable par recherche, et aucune partie de la page n'est redessinée.
• Fait à partir des propres marques de la page. Seules des marques déjà présentes sur la page ont été déplacées. Rien n'a été inventé : les mots corrigés sont donc l'encre même du document, dans sa propre impression.
• Assorti aux lettres voisines. La page ne contenait pas l'encre dont les nouveaux mots ont besoin : ils ont donc été dessinés pour s'accorder aux caractères voisins, avec leur flou, leur grain et la couleur de leur encre repris de ce qui entoure la sélection. Ce n'est pas l'encre propre du document, et quelqu'un qui comparerait de près la retouche avec le reste de la page pourrait le voir. Sur une page qui porte aussi du vrai texte, les mots dessinés font partie de l'image : ils ne peuvent plus être sélectionnés ni recherchés, et le résultat le dit.
• Paragraphe recomposé. Le remplacement a demandé de remettre le paragraphe en page : des mots que vous n'avez pas corrigés bougent donc sur la page.

Comment une correction est-elle vérifiée ?

Chaque correction déclare la zone de la page qu'elle peut modifier. Une fois faite, la page est rendue avant et après, et les deux images sont comparées pixel par pixel : un scan à 300 points par pouce, et une page de vrai texte, qui n'a pas de grain de papier où une lettre déplacée pourrait se cacher, à 150.

La correction n'est vérifiée que si chaque pixel qui a changé se trouve dans cette zone, de sorte que le nombre de pixels modifiés en dehors est de 0 sur chaque page, et si chaque garde-fou est passé : le texte se trouve là où il a été mesuré, la modification est restée sur sa propre ligne, et les lettres sont passées entières. Le résultat montre les mots avant et après, puis ce nombre, sous la forme hors zone 0 px.

Tant que la vérification n'est pas réussie, le fichier corrigé ne peut pas être téléchargé. Si elle échoue, le résultat le dit et propose d'annuler la correction. Un document qui change après avoir été vérifié doit être vérifié à nouveau avant de pouvoir être téléchargé.

Vous pouvez aussi regarder par vous-même. « Examiner de près » montre la zone corrigée agrandie, avant et après, et maintenir B sur la page remet l'original à sa place. L'inspection se fait à un grossissement entier, sans lissage : chaque pixel est donc montré tel qu'il a été rendu, seulement plus grand.

Les mêmes règles, avec les champs que l'API renvoie pour chaque vérification, figurent dans le modèle de vérification.

Que refuse-t-il, et pourquoi ?

Une correction qui ne peut pas être bien faite est refusée plutôt que mal faite. Le refus dit ce qui s'est passé et pourquoi c'est important et, quand il y a quelque chose à essayer, quoi essayer ensuite. Votre document reste tel qu'il était. Parmi les raisons :

• La sélection a manqué les mots. Tout est mesuré à partir de ce que la sélection englobe : un cadre dans la marge, ou entre deux lignes, ne mesure pas ce qu'il faut.
• Le mot apparaît plusieurs fois, et la lecture ne permet pas de savoir avec certitude lequel vous visez. Corriger le mauvais produirait un document qui passe la vérification sans le moindre écart, mais dont le texte est faux. Il n'y a pas non plus de « tout remplacer » : chaque endroit où un mot apparaît est une correction à part, faite et vérifiée séparément.
• Un tampon, un trait ou un pli traverse les mots. Déplacer l'encre suppose de couper la ligne dans une colonne sans encre, et ici toute coupe trancherait la marque.
• Le papier derrière les mots ne peut pas être reproduit. Combler le vide qu'ils laissent reviendrait à inventer du papier plutôt qu'à l'assortir.
• Le remplacement est trop long pour sa ligne. Le placer en entier obligerait à recomposer le paragraphe et déplacerait des lignes que personne n'a modifiées.
• Des lettres dessinées ne s'accorderaient pas à la page. Elles sortiraient plus nettes que le scan qui les entoure, ou la police n'a pas pu être identifiée avec assurance, et des lettres dans la mauvaise police n'ont pas la bonne forme.

Quand un refus désigne une limite de l'outil plutôt que de la sélection, vous pouvez choisir de nous envoyer cette partie de la page, pour que les versions suivantes puissent être mesurées avec elle. Rien n'est envoyé sauf si vous appuyez sur le bouton qui l'envoie, et la politique de confidentialité dit exactement ce qui part, et pour combien de temps.

Le fichier corrigé consigne-t-il ce qui a changé ?

Un PDF corrigé porte un historique de provenance : chaque correction, l'endroit de la page où elle a été faite et la manière, tels que le moteur les a écrits. Il voyage dans le fichier sous forme de pièce jointe nommée provenance.json, et désigne le fichier comme une copie corrigée.

Cette copie est une déclaration, pas une preuve. Toute personne qui détient un PDF peut retirer ou réécrire n'importe quoi à l'intérieur, cet historique compris : la preuve, c'est donc ce que le service conserve. Là, chaque envoi, correction, annulation, export et téléchargement est inscrit dans un historique en ajout seul où chaque entrée porte le hachage de la précédente, si bien que la chaîne peut être recalculée pour montrer où elle se rompt, le cas échéant.

Chaque correction de cet historique porte une déclaration d'autorisation, rédigée en anglais : “I confirm I am authorised to alter this document. I understand that if it has already been issued or served, the appropriate route is a formal correction or a corrected re-issue, not a retouch. I accept responsibility for this change.” (en français : « Je confirme être autorisé à modifier ce document. Je comprends que s'il a déjà été émis ou signifié, la voie appropriée est une rectification formelle ou une réémission corrigée, et non une retouche. J'accepte la responsabilité de cette modification »). Avec une formule Business, l'historique complet peut être exporté sous forme de fichier que vous pouvez transmettre.

Quand une page porte les marques d'une émission (un numéro de protocole, une date d'enregistrement ou des tampons), l'application le signale, et indique que pour un document déjà émis ou signifié, la voie correcte est une réémission corrigée plutôt qu'une retouche.

Comment quelqu'un peut-il vérifier ce qui a été corrigé ?

Avec une formule Business, vous pouvez émettre un certificat de vérification pour un document corrigé. Il contient le hachage SHA-256 du document tel qu'envoyé et tel que corrigé, chaque correction avec sa mesure, et la tête de l'historique au moment de son émission, le tout signé avec Ed25519.

La personne à qui vous le remettez peut le vérifier sans compte, sur la vérification de certificat : par l'identifiant du certificat, ou en envoyant le PDF du certificat, qui est comparé avec ce qui a été émis et n'est pas conservé. La clé publique est publiée à /.well-known/ceco-certificate-key, si bien que la signature peut être vérifiée sans passer du tout par CECO PDF.

Quelles sont les limites ?

Ce que chaque formule accepte, tel que le rapporte le code qui l'applique :

• Gratuit : PDF jusqu'à 15 Mo et 50 pages ; 10 corrections par jour.
• 1 document : PDF jusqu'à 50 Mo et 50 pages ; corrections illimitées tant qu'un crédit n'est pas utilisé, pendant 30 jours au plus après l'achat, puis 10 par jour.
• 10 documents : PDF jusqu'à 50 Mo et 50 pages ; corrections illimitées tant qu'un crédit n'est pas utilisé, pendant 30 jours au plus après l'achat, puis 10 par jour.
• Personal : PDF jusqu'à 100 Mo et 100 pages ; aucune limite quotidienne de corrections.
• Business : PDF jusqu'à 100 Mo et 300 pages ; aucune limite quotidienne de corrections.

Un fichier qui dépasse la limite de sa formule est refusé dès son envoi, et le message indique la limite. Le prix de chaque formule figure sur la page des tarifs. Les limites de chaque outil, les formats que chacun accepte et produit, et ce que chacun refuse sont réunis sur une seule page.

Que ne prouve pas une vérification ?

Une vérification est une affirmation qui porte sur l'image, faite par le service à propos de son propre résultat : à la résolution de sa vérification, rien n'a changé en dehors de la zone déclarée. Elle ne dit pas que les mots corrigés sont vrais, ni que le document est exact, licite ou acceptable pour la personne qui le reçoit, et ce n'est pas la preuve que quiconque avait le droit d'effectuer la modification. Un certificat n'est ni une certification notariale ni une attestation juridique, ni une facture.

Ne corrigez que des documents qui sont les vôtres, ou que vous avez le droit de modifier. CECO PDF ne cherche pas à en juger, car aucune vérification automatique ne le peut ; il consigne à la place, avec la déclaration dans chaque correction et l'historique dans le fichier. L'utiliser pour fabriquer un faux, altérer frauduleusement ou présenter faussement un document est un usage abusif du service et, dans la plupart des pays, une infraction pénale, et les comptes qui le font sont fermés. Les conditions le disent, sous « Qui peut modifier un document ».

Comment se compare-t-il aux autres façons de modifier un scan ?

Retaper la page, lancer l'OCR et modifier le texte, convertir le PDF en Word, et couvrir un mot d'un rectangle blanc sont les autres façons de modifier un scan. Chacune est mise en regard d'une correction comme celle-ci, avec ce qu'elle fait mieux, dans Modifier le texte d'un scan : cinq façons comparées. La comparaison de CECO PDF avec Adobe Acrobat, Foxit et d'autres éditeurs se trouve dans Comparatif des éditeurs PDF.