Vous numérisez une pile de paperasse. Le scanner, l’app Notes ou votre téléphone vous rend un dossier plein de fichiers appelés Numérisation 2026-08-02 à 11.20.pdf. Six mois plus tard, vous cherchez la garantie du réfrigérateur et vous n’avez aucune idée duquel il s’agit : vous les ouvrez donc un par un.
Le plus agaçant, c’est que la réponse est écrite dans chacun de ces fichiers. Votre Mac ne la lit tout simplement pas. Voici pourquoi, et quatre façons d’y remédier, du gratuit et manuel jusqu’à l’automatique.
Les PDF sont deux choses complètement différentes sous la même extension.
Un PDF exporté depuis Word ou depuis une page web porte une couche de texte : les caractères y sont bien des caractères. Un PDF sorti d’un scanner ou de l’appareil photo d’un téléphone est une photographie de page. Pour l’ordinateur, ce sont des pixels. Il n’y a aucun texte dedans.
Le test qui prend une seconde : ouvrez-le dans Aperçu et essayez de sélectionner une ligne avec le curseur. Si vous pouvez surligner les mots, il y a une couche de texte. Si le curseur ne fait que dessiner un rectangle sur la page, il n’y en a pas.
Depuis le Terminal, vous pouvez vérifier un dossier entier d’un coup :
for f in *.pdf; do
strings "$f" | grep -qm1 "/Type/Font" || echo "pas de couche de texte : $f"
doneTout PDF qui contient du vrai texte porte des objets de police à l’intérieur. Une photographie de page n’en porte aucun. Tout ce que cette commande affiche ne contient rien qu’une recherche puisse lire. Ni « un peu », ni « ce sera indexé plus tard ». Rien.
C’est un comptage grossier, pas un verdict : un PDF peut compresser sa propre structure et être mal signalé. Faire glisser le curseur sur les mots dans Aperçu, voilà la vérification qui ne ment jamais.
Et c’est pour cela que le nom du fichier compte tant pour les scans : c’est la seule prise que vous ayez sur ce document. Or c’est précisément lui qui porte la date et l’heure où vous avez appuyé sur le bouton.
C’est la voie classique, et elle vaut la peine d’être connue même si vous finissez par automatiser. Vous passez le scan dans un programme de reconnaissance de texte qui réécrit le texte reconnu dans le PDF, en couche invisible. Dès lors, le document se comporte comme un PDF normal : Spotlight l’indexe, Aperçu permet de sélectionner le texte, et vous pouvez copier le nom du fournisseur pour le coller dans le nom du fichier.
La plupart des logiciels de scanner le font si vous l’activez. Les applications dédiées le font mieux. C’est la bonne réponse quand votre problème est de chercher à l’intérieur des documents, et c’est la seule de cette liste qui répare aussi Spotlight de façon durable.
Ce qu’elle ne fait pas : nommer quoi que ce soit. Vous ouvrez toujours chaque fichier et vous tapez.
Raccourcis sur macOS propose une action Extraire le texte d’une image, et elle s’exécute sur votre Mac sans rien envoyer nulle part. C’est la même reconnaissance de texte qu’Apple utilise pour Texte en direct.
Le hic : elle veut une image, et vous avez un PDF. Le raccourci doit donc d’abord transformer la page en image, extraire le texte, en tirer la partie utile avec des actions de texte, puis renommer le fichier. C’est à cette étape du milieu, « en tirer la partie utile », que la plupart des gens abandonnent, et pour une bonne raison sur laquelle je reviens plus bas.
C’est gratuit, c’est local, et si vous ne traitez qu’un seul type de document prévisible — disons les relevés d’une seule banque — cela fonctionne bien.
Hazel est la référence depuis des années. Elle surveille un dossier et applique les règles que vous écrivez. Depuis la version 6, elle peut aussi lancer la reconnaissance de texte sur un fichier qui n’en a jamais eu, lorsqu’elle doit comparer au contenu, ce qui permet d’écrire une règle du type « si ce PDF contient Assurances Acme, renomme-le et classe-le ».
C’est puissant et c’est déterministe, et cela compte. La contrepartie, c’est que vous écrivez un motif par type de document. Et en pratique ces motifs cassent : un utilisateur du forum Mac Power Users a raconté avoir renoncé exactement à cette tâche parce que « les formats de fichiers changent continuellement et rapidement » — la banque redessine son relevé, le motif ne correspond plus, vous réécrivez la règle.
Hazel coûte 42 dollars, en achat unique et définitif.
La quatrième approche saute les règles : lire le document, comprendre ce qu’il est, le nommer à partir de là. Aucun motif, aucune configuration par fournisseur.
C’est ce que j’ai passé ces derniers mois à construire ; lisez donc ce qui suit comme informé plutôt que neutre.
Toutes les options ci-dessus partagent la même seconde moitié du problème, et elle est bien plus ardue que la première.
Extraire le texte est pour l’essentiel résolu. Le framework Vision d’Apple lit un ticket de caisse froissé, photographié de biais sous une mauvaise lumière, sur l’appareil, en bien moins d’une seconde. Cette partie-là est vraiment bonne, et elle est gratuite pour tout développeur.
Et là, vous tenez quarante lignes de texte et il vous en faut trois.
Un ticket de supermarché porte le nom du magasin quelque part vers le haut, mais pas toujours. Il porte une date, qui peut apparaître sous quatre formats différents sur le même bout de papier. Il porte un total, situé près du mot « total » dans la langue du ticket. Il porte une adresse, un numéro de TVA, le nom d’une caissière, un programme de fidélité et un slogan.
J’ai essayé de confier cette décision à un modèle de langue local. Il comprenait les documents à merveille et échouait sur la mécanique : il renvoyait un nom contenant une barre oblique, que le système de fichiers refuse. Il me donnait une date qui figurait sur la page dans un autre format. Il renvoyait le même nom pour deux fichiers différents, ce qui écrase vos données en silence si vous n’y prenez pas garde.
Cette inversion est toute l’astuce, et c’est aussi la réponse honnête à l’objection selon laquelle l’IA locale hallucine. Elle hallucine. Alors ne lui demandez rien d’inventer. La reconnaissance de texte lit ce qui est sur la page — lire n’est pas halluciner — et le modèle se contente de choisir laquelle des choses présentes sur la page doit devenir le nom.
L’application que j’ai construite s’appelle Tidy. Elle lit ce qui se trouve dans vos images et vos PDF scannés avec la reconnaissance de texte que votre Mac embarque déjà, et nomme chaque fichier d’après son contenu ; elle vous laisse aussi chercher à l’intérieur de ces scans que Spotlight ne voit pas. 9 dollars, achat unique, sans abonnement, macOS 14 ou plus récent, et rien ne quitte jamais votre Mac. Elle ne supprime jamais rien et chaque passage s’annule en un clic. Je suis développeur indépendant à Santiago, au Chili, et je réponds moi-même à chaque e-mail.
À lire aussi : Trouver du texte dans les PDF scannés · Ranger le dossier Téléchargements · Tidy et Hazel, côte à côte
Cet article en : English · Español · Deutsch · Français · Português