Qu'est-ce que la détection de la langue ?
La détection de la langue est la reconnaissance automatique de la langue dans laquelle un texte est écrit, comme l'anglais, l'espagnol ou le japonais. Pour un PDF, l'outil lit le texte des pages et le compare à des profils statistiques de nombreuses langues : quelles lettres, quelles combinaisons et quels mots courts apparaissent le plus souvent. Le résultat est la langue la plus probable, parfois avec un niveau de confiance ou une liste de langues quand un document en mélange plusieurs.
Pourquoi il faut du vrai texte
La détection travaille sur des caractères : le PDF doit donc contenir du texte sélectionnable. Dans un document numérisé, chaque page n'est qu'une image et il n'y a aucun caractère à lire. Lancez d'abord la reconnaissance de texte : elle ajoute une couche de texte, après quoi la langue peut être détectée. Les textes très courts, les listes de noms ou de chiffres et les pages remplies de tableaux donnent des résultats moins fiables, car il y a peu de mots à comparer.
À quoi elle sert
Connaître la langue d'un fichier aide à trier de grandes collections de documents, à envoyer chacun au bon lecteur ou au bon traducteur, à choisir le bon dictionnaire pour la reconnaissance de texte et à vérifier qu'un document destiné à un marché n'a pas été livré par erreur dans une autre langue. Les archives et les moteurs de recherche enregistrent aussi la langue pour que la recherche et les lecteurs d'écran fonctionnent correctement.
Langue du texte et langue du fichier
Un PDF peut aussi déclarer sa langue dans ses réglages internes, que les lecteurs d'écran utilisent pour choisir la prononciation. Cette déclaration est fixée par le logiciel qui a créé le fichier et peut manquer ou être fausse. La détection examine les mots réels : les deux peuvent donc différer.
Outils qui utilisent ce terme
Guides qui le mettent en pratique
Questions fréquentes
- Peut-on détecter la langue d'un PDF numérisé ?
- Seulement après la reconnaissance de texte. Un scan contient des images de pages ; la reconnaissance les transforme en texte analysable.
- Et les documents en plusieurs langues ?
- La détection indique la langue principale et peut lister les autres qu'elle trouve. Pour les documents mixtes, vérifiez les sections séparément si le détail compte.
- La langue détectée modifie-t-elle le fichier ?
- Non. La détection lit seulement le texte et rend compte du résultat ; le PDF n'est pas modifié.