Aller au contenu

Japon Sakura

Actualité

OCR Microsoft dans Office et SharePoint : fonctionnalités, outils et conseils pour bien débuter

Professionnelle utilisant la reconnaissance de texte OCR dans Microsoft Office sur un grand écran dans un bureau moderne

La reconnaissance optique de caractères dans l’écosystème Microsoft couvre aujourd’hui plusieurs applications et services, de SharePoint à Purview en passant par Copilot. Chaque brique remplit un rôle différent, avec ses propres conditions d’activation et ses limites. L’OCR Microsoft dans Office et SharePoint ne se résume pas à une fonction unique : c’est un ensemble de mécanismes qui fonctionnent en parallèle, parfois sans que l’utilisateur en ait conscience.

OCR de recherche et OCR de conformité Purview : deux mécanismes distincts

Une confusion fréquente consiste à traiter l’OCR SharePoint comme une fonction monolithique. En réalité, deux circuits coexistent. Le premier extrait le texte des images et documents numérisés pour les rendre consultables via la recherche SharePoint. Le second, dans Microsoft Purview, analyse les images pour appliquer des règles de conformité, notamment la protection contre la perte de données (DLP).

L’administrateur doit activer chacun de ces circuits séparément. L’OCR Purview est facultatif et nécessite un paramétrage dédié : il faut choisir les emplacements à analyser et configurer les stratégies DLP associées. Activer l’OCR pour la recherche ne signifie pas que les images seront analysées à des fins de conformité.

Pour approfondir le fonctionnement de l’OCR Microsoft dans Office et SharePoint, les différences de licence entre ces deux usages méritent une attention particulière, car elles conditionnent ce qui est réellement disponible dans chaque abonnement.

Homme consultant une bibliothèque SharePoint avec fonctionnalité OCR sur une tablette dans un bureau à domicile minimaliste

Indexation SharePoint : ce que l’OCR ne garantit pas

Déposer un PDF numérisé dans une bibliothèque SharePoint avec l’OCR activé ne rend pas ce document immédiatement trouvable. L’indexation s’effectue en arrière-plan sans délai garanti, selon la charge du service et le volume de contenu. Aucun réglage ne permet de forcer un traitement instantané.

Cette latence a des conséquences concrètes dans les organisations qui traitent des volumes importants de documents scannés. Un service comptable qui dépose cinquante factures numérisées peut constater que certaines ne remontent pas dans les résultats de recherche avant plusieurs heures.

Qualité du scan et fiabilité de l’extraction

Microsoft précise que la qualité des caractères et du scan affecte directement le résultat de l’OCR. Un document photographié de travers, avec un éclairage inégal ou une résolution faible, produira un texte extrait incomplet ou erroné. Les formulaires manuscrits posent un problème similaire : l’OCR traite l’écriture manuscrite, mais le taux de reconnaissance chute avec les écritures peu lisibles.

Trois facteurs dégradent la qualité de l’extraction :

  • Un contraste faible entre le texte et le fond, fréquent sur les formulaires pré-imprimés ou les étiquettes industrielles en couleur
  • Une rotation ou une déformation du document, même légère, qui complique la segmentation en lignes et en mots par le moteur OCR

Copilot et OCR : une couche supplémentaire à comprendre

L’arrivée de Copilot dans Microsoft 365 ajoute une dimension au traitement des documents numérisés. Copilot peut résumer des PDF, y compris ceux traités par OCR, et répondre à des questions sur leur contenu. Cette capacité repose sur la couche texte extraite : sans OCR préalable, Copilot ne peut pas lire un PDF purement image.

La distinction entre un PDF natif (généré depuis un traitement de texte) et un PDF numérisé (issu d’un scanner) reste donc déterminante. Un PDF natif contient déjà sa couche texte. Un PDF numérisé sans traitement OCR reste opaque pour Copilot comme pour la recherche SharePoint.

Limites connues du traitement par Copilot

La précision de l’extraction varie selon la langue et le type de document. Les documents multilingues ou ceux mélangeant texte imprimé et annotations manuscrites restent des cas limites où le résultat peut nécessiter une vérification manuelle.

Copilot fonctionne dans OneDrive, SharePoint, Teams et Edge, mais l’OCR sous-jacent dépend de l’activation au niveau du tenant. Si l’OCR n’est pas configuré dans le centre d’administration SharePoint, Copilot ne disposera pas de la couche texte nécessaire pour traiter les documents numérisés.

Deux collègues analysant des résultats OCR Microsoft 365 sur un ordinateur portable en salle de réunion moderne

Classification de contenus historiques : une étape souvent oubliée

Les organisations qui adoptent l’OCR SharePoint se concentrent sur les documents entrants. Les archives existantes, parfois des milliers de fichiers déjà stockés dans les bibliothèques, ne sont pas automatiquement retraitées. La classification à la demande dans Purview permet de rattraper ce retard, mais elle exige une démarche explicite de l’administrateur.

Ce point est rarement abordé dans les guides de démarrage. Une entreprise qui active l’OCR aujourd’hui rend ses futurs documents consultables, mais ses archives restent en l’état tant qu’un retraitement n’est pas lancé. L’effort de reprise dépend du volume, du format et de l’organisation des fichiers existants.

Formats pris en charge par l’OCR SharePoint

Les fichiers déjà dotés d’une couche texte ne sont pas retraités. Cette sélectivité signifie que l’OCR ne modifie pas les PDF natifs et ne crée pas de doublons textuels.

Le fonctionnement de l’OCR dans l’écosystème Microsoft repose sur plusieurs briques qu’il faut activer, configurer et surveiller séparément. Aucun bouton unique ne rend tous les documents consultables d’un coup. La distinction entre OCR de recherche, OCR de conformité et traitement par Copilot conditionne ce que chaque utilisateur peut réellement attendre du système.

OCR Microsoft dans Office et SharePoint : fonctionnalités, outils et conseils pour bien débuter