Scan, photo ou PDF : exigences de qualité des fichiers pour valider un document

Les exigences de qualité d'un scan de document se résument à trois questions : chaque caractère est-il lisible, la page entière est-elle dans le cadre, le fichier est-il complet et déverrouillé. Un scan à plat d'environ 150 DPI ou plus, un document par fichier, toutes les pages présentes et à l'endroit, répond à ce que la plupart des moteurs d'extraction de texte documentent. En dessous, renvoyez le fichier au candidat avec une demande précise, plutôt que de lancer une validation qui échouera ou, pire, renverra des valeurs fausses avec un score de confiance flatteur.

Cet article est fourni à titre informatif et ne constitue pas un conseil juridique. Les chiffres cités proviennent de documentations éditeurs consultées le 14 octobre 2026 et décrivent ces produits, pas CheckFile. Consultez un professionnel qualifié pour toute décision sur un cas particulier.

Ce que « lisible » veut dire pour un fichier

Un fichier est lisible quand un logiciel retrouve le texte imprimé et les champs sans deviner. Cela dépend de la résolution, du cadrage, de l'orientation et de la structure du fichier, pas de l'impression qu'il donne à un humain. Une photo nette à l'écran peut échouer si le texte ne fait que quelques pixels de haut.

Le guide de bonnes pratiques d'Amazon Textract recommande des images de haute qualité, idéalement d'au moins 150 DPI, et déconseille de convertir ou de sous-échantillonner un fichier déjà au format PDF, TIFF, JPEG ou PNG avant l'envoi (AWS, bonnes pratiques Amazon Textract). Ce second point compte à l'entrée : un portail qui réduit silencieusement chaque envoi pour économiser du stockage peut dégrader des fichiers qui étaient corrects.

Microsoft documente des seuils proches pour son modèle Read, la couche OCR sous ses modèles prébuilts (pièces d'identité, factures, reçus). Les chiffres ci-dessous sont des limites d'éditeurs, pas des règles universelles ni des limites de CheckFile.

Source de la colonne Microsoft : Microsoft Learn, modèle Read de Document Intelligence, exigences d'entrée. Ces pages sont versionnées et évoluent ; revérifiez-les avant de recopier un chiffre dans vos règles de collecte.

Redemander, rescanner ou revue manuelle : le tableau de décision

La règle la plus utile pour une équipe de collecte : décider par type de défaut, pas par fichier. Chaque défaut mène à une action : demander un nouveau fichier, demander un rescan avec des consignes précises, ou garder le fichier et le confier à une personne.

Le schéma : un défaut qui détruit l'information appelle une nouvelle demande, un défaut qui la cache seulement au logiciel appelle un rescan, un défaut qui demande du jugement appelle une revue manuelle.

Trois exemples synthétiques

Ces cas sont inventés pour montrer la décision ; aucun ne vient d'un dossier client.

Exemple 1, le bulletin de paie coupé. Un candidat envoie une photo de bulletin. La ligne du net à payer touche le bord bas et le dernier chiffre est tronqué. Le lecteur renvoie « 2 41 » avec une faible confiance. Action : demander une nouvelle photo avec la page entière et une marge visible sur les quatre côtés. Ne pas accepter la valeur partielle.

Exemple 2, le relevé bancaire de deux pages envoyé en une. Le PDF n'a qu'une page ; le pied indique « page 1/2 ». Action : demander la page 2. C'est d'abord un problème de complétude.

Exemple 3, le PDF verrouillé d'un portail employeur. Le fichier s'ouvre avec un mot de passe que le candidat connaît mais pas votre système. Action : demander un export déverrouillé ou une impression en PDF. Ne demandez jamais le mot de passe par message.

Dire aux candidats quoi faire

Les candidats échouent surtout parce que les consignes sont floues. Une liste jointe à la demande réduit les allers-retours, sans qu'on puisse en promettre un chiffre.

• Scanner à plat, au moins 150 DPI, en couleur, un document par fichier.
• Pour une photo : lumière du jour, page posée sur un fond sombre et plat, téléphone parallèle, cadre rempli avec une petite marge.
• Envoyer toutes les pages, dans l'ordre, à l'endroit.
• Ne pas photographier un écran ; envoyer le PDF d'origine.
• Retirer le mot de passe avant l'envoi, ou signaler que le fichier est protégé.
• Ne pas recadrer ni appliquer de filtre.

Sur les forums, les mêmes questions reviennent : une photo de téléphone vaut-elle un scan, une capture d'écran d'un bulletin en ligne est-elle acceptée, pourquoi un PDF parfaitement lisible est refusé. Les réponses honnêtes : une bonne photo suffit souvent, une capture est plus faible que le fichier d'origine, et un refus vient souvent d'une limite technique (poids, verrou, dimensions) plutôt que du contenu.

Seuils de confiance et repli humain

Un contrôle de qualité n'est que la moitié de la collecte ; l'autre moitié décide quoi faire des extractions incertaines. Les recommandations Textract indiquent que des processus à enjeu financier peuvent exiger des seuils de confiance de 90 % ou plus, et que les résultats sous le seuil doivent être écartés ou signalés pour un examen humain (AWS, utiliser les scores de confiance).

En pratique, fixez un seuil par type de champ, pas par fichier. Un nom ou une date sous le seuil part en revue ; une ligne d'adresse libre tolère un seuil plus bas. Consignez le seuil appliqué.

Conserver l'original ; lisible ne veut pas dire authentique

Stockez le fichier tel que reçu, horodaté, et travaillez sur des copies. Si un rescan remplace un fichier défectueux, gardez les deux et liez-les. Un litige sur ce que le candidat a envoyé pourra ainsi être tranché sans s'appuyer sur une image retouchée.

Lisible ne veut pas dire authentique. Le scan net d'un document falsifié passe tous les contrôles de qualité décrits ici. Le tri qualité prépare un dossier à la validation ; il ne teste pas l'authenticité d'un document et ne doit pas être présenté comme tel. Si l'authenticité est un enjeu, traitez-la comme un contrôle distinct.

Collecter plus que nécessaire est un risque en soi : un rescan ne doit pas devenir prétexte à réclamer des pièces en plus. La minimisation des données prévue par l'article 5, paragraphe 1, point c du RGPD s'applique, et la CNIL publie ses recommandations. Quand un contrôle légal est en jeu, suivez la procédure qui lui est propre ; un bon scan ne la remplace pas.

Où cela se place dans le flux de validation

La qualité du fichier est l'étape zéro. Viennent ensuite la complétude (toutes les pièces sont-elles là), la validité (dates, échéances, registres) et la cohérence (noms, adresses et montants concordent d'un document à l'autre). Pour le lien entre extraction et ces contrôles, lisez Validation croisée de documents : au-delà de l'OCR et de l'IDP et le comparatif Meilleur logiciel OCR pour la vérification de documents. La méthode d'ensemble figure dans le guide de vérification des documents.

Les équipes opérationnelles qui collectent des pièces auprès de candidats ou de fournisseurs trouvent l'organisation de ces contrôles sur la page des tarifs et le traitement des données sur la page sécurité. Les contrôles comparent des champs, des dates et des registres entre documents ; ils ne prouvent pas qu'un document est authentique.

Questions fréquentes

Quelles sont les exigences de qualité d'un scan pour la validation ?

Un fichier à plat, à l'endroit et complet, toutes les pages présentes, un document par fichier, avec un texte assez grand : les éditeurs l'expriment par environ 150 DPI ou une hauteur minimale de 12 pixels sur une image 1024 x 768. Les limites varient selon l'outil.

Une photo de téléphone vaut-elle un scan ?

Souvent oui, si elle est prise en lumière uniforme, parallèle à la page, et remplit le cadre sans couper les bords. Une photo avec reflet, flou ou bords coupés doit être refaite.

Faut-il accepter une capture d'écran ?

Préférez le fichier d'origine. Une capture perd en résolution et en structure, et la photo d'un écran peut produire du moiré qui gêne l'extraction.

Pourquoi mon PDF est refusé alors qu'il est net ?

Causes fréquentes : mot de passe, fichier trop lourd, dimensions hors limites ou pages manquantes. Retirez le verrou et renvoyez un document par fichier.

Un bon scan prouve-t-il que le document est authentique ?

Non. La qualité dit seulement que le contenu est lisible. L'authenticité est une autre question qui demande son propre contrôle.