Les inconvénients de la ROC (reconnaissance optique de caractères)

Le service postal américain utilise la technologie de reconnaissance optique de caractères (ROC/OCR) pour lire les adresses sur le courrier. Pour que le courrier soit lisible par un trieur OCR, les adresses et polices doivent être formatées d'une certaine manière. Le logiciel OCR est utile pour convertir des images numérisées de documents tapés ou manuscrits en texte électronique consultable, mais il présente des inconvénients qui limitent ses applications.

Documents limités

L'OCR fonctionne mieux avec des documents tapés de bonne qualité. Les documents manuscrits ne peuvent pas être facilement lus par les logiciels OCR. De même, les polices tapées qui ressemblent à de l'écriture manuscrite — ainsi que les polices non latines — créent de nombreuses erreurs pendant le processus OCR. Si le document a un faible contraste, est froissé ou sale, ou si le texte et l'arrière-plan ont une obscurité similaire, l'OCR peut ne pas bien fonctionner. L'OCR a des difficultés avec les documents mélangeant images et texte. Les tableaux produisent aussi plus d'erreurs.

Précision

Aucun logiciel OCR n'est précis à 100 %. Le nombre d'erreurs dépend de la qualité et du type de document, y compris la police utilisée. Les erreurs incluent la lecture erronée de lettres, l'omission de lettres illisibles, ou le mélange de texte de colonnes adjacentes ou de légendes d'images. Si une haute précision est requise — comme pour convertir des livres numériques en format électronique — un nettoyage du texte électronique sera nécessaire.

Contournements

L'OCR a du mal à différencier certains caractères, comme le chiffre zéro et le « O » majuscule. Pour contourner cela, on peut utiliser une police OCR spéciale, comme écrire « zéro » en toutes lettres. Cependant, cela ne fonctionne que pour des documents créés avec l'OCR à l'esprit, comme les questionnaires. Lors de la création de questionnaires manuscrits, les chercheurs utilisent aussi des cases pour chaque lettre.

Travail supplémentaire

Même si l'image numérisée du document original est de haute qualité, des étapes supplémentaires sont nécessaires pour nettoyer le texte OCR. Corriger les erreurs créées par l'OCR est très laborieux. Une personne doit comparer manuellement le document original et le texte électronique. Les gens font aussi des erreurs en saisissant du texte depuis un document, mais parfois il est plus rapide de sauter l'étape OCR.