Amélioration et Extraction d'Informations à partir de Documents Anciens Dégradés.

Abstract

Les documents anciens constituent une source précieuse de mémoire historique et culturelle, et servent également de pièces officielles pour prouver les propriétés privées et publiques. Cependant, avec le temps, ils subissent des dégradations physiques (jaunissement du papier, encre effacée, moisissures) qui rendent leur lecture difficile. La restauration numérique et l’extraction d’informations fiables à partir de ces documents sont donc essentielles pour leur préservation et leur mise à disposition.L’intelligence artificielle (IA), notamment les techniques de vision par ordinateur et de traitement automatique du langage naturel (TALN), offre des solutions innovantes. Grâce aux réseaux de neurones et à la reconnaissance optique de caractères (OCR), il est possible de restaurer visuellement les documents et d’en extraire le texte avec précision.Cependant, les méthodes classiques d’OCR ne s’adaptent pas facilement aux écritures anciennes ou manuscrites. Pour pallier ces difficultés, nous proposons une approche hybride combinant restauration d’images, OCR multilingue et analyse linguistique assistée par machine learning.Cette recherche vise à concevoir un système intelligent permettant de restaurer des documents anciens, améliorer la reconnaissance des caractères et extraire des informations pertinentes (noms, dates, lieux). Le système développé est modulaire, flexible et prend en charge plusieurs formats (image, PDF). Il utilise des techniques avancées comme CLAHE pour le contraste, PaddleOCR et EasyOCR pour la reconnaissance de texte, ainsi que des outils de post-traitement linguistique. Les tests effectués sur divers documents anciens en arabe, français et anglais ont montré une amélioration notable de la qualité visuelle (jusqu’à 20 %) et une extraction textuelle précise (taux moyen supérieur à 75 %).