OCR sans téléverser l’image : comment fonctionne la reconnaissance locale (2026)
Presque tous les outils OCR disent être privés. Le mot ne coûte rien. Ce qui coûte cher, et ce qui est vérifiable, c’est l’architecture : est-ce que les pixels quittent un jour la machine, et est-ce que le code aurait pu les envoyer.
Ceci est la version où ils ne partent pas, et voici comment cela est réellement construit — le moteur, les fichiers de données, le manifeste, et la seule requête réseau qui est un téléchargement plutôt qu’un téléversement.
Ce que l’affirmation doit signifier
« Pas de téléversement » n’est pas une propriété mais trois, et elles échouent indépendamment :
- Capacité — ce code peut-il atteindre un serveur du tout ? Un programme sans autorisation réseau ne peut pas fuir, quelles que soient ses intentions.
- Chemin des données — où l’exécution de la reconnaissance a-t-elle réellement lieu ? Si elle tourne dans un worker à l’intérieur de votre navigateur, l’image n’a nulle part où aller en cours de traitement.
- Résidus — que conserve-t-on, et où ? Le texte que vous avez copié est aussi une donnée.
Un outil peut réussir la version marketing de l’affirmation et échouer aux trois points. Donc chacun des trois, dans l’ordre.
Le manifeste est le contrat
Manifest V3 oblige une extension à déclarer ce qu’elle veut toucher, et le navigateur vous montre cette liste sur la page de la boutique. Voici toute la liste pour une extension OCR locale :
| Déclaré | À quoi ça sert |
|---|---|
activeTab | Atteindre l’onglet sur lequel vous venez d’agir. Pas tous les onglets, et pas en silence. |
contextMenus | Ajouter l’élément du clic droit qui démarre le sélecteur. |
scripting | Injecter le calque du sélecteur de région à la demande. |
storage + unlimitedStorage | Passer l’image rognée à la fenêtre de résultat ; conserver l’historique et le choix de langue. |
clipboardWrite | Le bouton Copier. |
| Accès d’hôte : une entrée | Le propre point de terminaison de licence de l’extension. Aucun site n’est dans la liste. |
Deux conséquences qui méritent réflexion. D’abord, la capture d’écran vient de captureVisibleTab, qui est un appel pour « les pixels actuellement à l’écran » — ce n’est pas un téléchargement des images de la page, et cela renvoie une data URL qui reste en mémoire. Ensuite, il n’y a aucune autorisation d’hôte qui pourrait recevoir cette data URL. Une affirmation de confidentialité ici n’est pas une déclaration de politique ; c’est un vide dans ce que le code est autorisé à faire.
Le manifeste indique aussi offline_enabled, et la politique de sécurité du contenu pour les propres pages de l’extension est script-src 'self' 'wasm-unsafe-eval' — le script distant reste refusé, et le seul mot-clé ajouté est l’autorisation de compilation wasm dont le moteur intégré a besoin. C’est ce qui force le moteur à être intégré plutôt que chargé depuis un CDN.
Le moteur vit dans l’extension
La reconnaissance est Tesseract.js : le même moteur LSTM qui exécute des pipelines OCR côté serveur, compilé en WebAssembly pour pouvoir tourner dans votre processus navigateur.
- La bibliothèque, le script du worker et le noyau compilé — la construction SIMD quand le CPU la prend en charge, la construction simple quand il ne la prend pas — sont copiés dans le paquet de l’extension au moment de la construction et chargés depuis des URL
chrome-extension://. - La reconnaissance elle-même s’exécute dans la propre fenêtre de résultat de l’extension, pas dans la page que vous avez capturée. Les scripts de la page ne voient jamais l’image, et l’image ne voit jamais l’origine de la page.
- La progression revient par un rappel de journalisation qui ne pilote que la barre de progression ; il n’y a pas de résultat intermédiaire à exfiltrer.
Ce que cela vous achète, c’est une vitesse que vous sentez sur de petites régions et un outil qui marche dans un avion. Ce que cela coûte, c’est un temps de démarrage à froid : dépaqueter un noyau WebAssembly et un modèle linguistique est plus lent qu’un serveur chaud, ce qui explique pourquoi une capture pleine page prend un instant là où un appel cloud ne le ferait pas.
Deux langues livrées, sept à télécharger
Les données linguistiques sont la partie lourde, et c’est le seul endroit où une requête réseau existe par conception.
- Intégrées, gratuites, hors ligne pour toujours : l’anglais et le chinois simplifié. Leurs fichiers de données compressés sont dans le paquet, au même niveau de modèle que le sert le CDN public.
- Faisant partie de la licence : chinois traditionnel, japonais, coréen, russe, français, allemand et espagnol. Choisir l’une d’elles la première fois récupère le paquet de données de cette langue depuis le dépôt public de données Tesseract et le met en cache.
Soyez précis sur ce qu’est cette récupération. C’est une requête GET pour un fichier de modèle. Votre capture n’y est pas, ne peut pas y être, et il n’y a aucune autorisation d’hôte qui le permettrait. C’est aussi la raison pour laquelle la liste des langues Pro n’est pas « entièrement hors ligne » dès la sortie de boîte — le hors ligne commence après le premier téléchargement, pas avant.
Le chemin d’une capture
De bout en bout, avec le réseau dans le tableau :
- Vous appuyez sur le bouton de la barre ou choisissez l’élément de menu ; le calque est injecté dans l’onglet sur lequel vous avez agi.
- Vous glissez un cadre. Le rectangle est de pures coordonnées de page — aucune image n’a encore été prise.
- L’onglet visible est capturé en PNG. C’est un appel dans le navigateur, pas un téléchargement.
- Le rectangle est rogné dans le worker d’arrière-plan avec un canvas hors écran, mis à l’échelle par le rapport entre le bitmap capturé et le viewport — HiDPI et zoom de page tombent donc juste, et
devicePixelRatione sert que de repli si le viewport manque. Arithmétique locale sur des pixels qui vous appartenaient déjà. - La fenêtre de résultat s’ouvre, charge le noyau intégré et le fichier de données intégré, et reconnaît. Aucune requête.
- Le texte apparaît dans une boîte éditable. Copier l’écrit dans votre presse-papiers ; rien n’est envoyé nulle part pour le faire.
Requêtes aux étapes 1–6 : zéro, pour une langue intégrée. C’est cela la propriété dont le reste de cet article traite.
Où le texte est conservé
Deux choses sont écrites sur le disque, toutes deux dans la propre zone de stockage local du navigateur pour l’extension :
- Historique — chaque reconnaissance réussie est placée en tête d’une liste, plafonnée à 10 entrées en gratuit et 200 avec une licence, et chaque entrée contient au plus 20,000 caractères de texte reconnu. La vider est un bouton, pas un ticket d’assistance.
- Réglages et compteurs — la langue choisie et le compteur d’utilisation du jour.
Il n’y a pas de compte, donc il n’y a pas de profil à construire. L’image rognée elle-même est transmise par le stockage pour la seule étape d’ouverture de la fenêtre de résultat et est consommée à la lecture ; ce n’est pas une archive.
La seule requête qui part vraiment
Le réseau n’existe que dans un seul but : la validation de licence. Ouvrir une page demande au point de terminaison de licence si la clé stockée est toujours active, et même cela est limité — dans une fenêtre de deux heures on utilise la réponse en cache et aucune requête n’est faite. Une clé manquante signifie zéro requête, ce qui explique pourquoi le chemin gratuit ne téléphone pas en douce à la maison.
Si le point de terminaison est injoignable et qu’une licence a été mise en cache, l’extension continue de fonctionner plutôt que de vous verrouiller ; le compteur de quota du jour est délibérément local pour la même raison. C’est le compromis que fait tout outil hors ligne d’abord : les limites deviennent coopératives plutôt qu’imposées, et en échange l’outil ne dépend pas de la disponibilité d’une entreprise pour ouvrir une capture d’écran.
Comment vérifier n’importe quel outil OCR
Les mêmes trois questions marchent sur n’importe quelle extension, la nôtre ou une autre :
- Lisez le bloc des autorisations sur la page de la boutique. Un accès d’hôte pour «
all sites», ou un domaine d’API tiers, vous dit l’architecture avant que vous installiez. - Coupez le réseau. Reconnaissez quelque chose Wi-Fi éteint. Du texte signifie local ; une page d’erreur signifie qu’un serveur était dans la boucle.
- Demandez ce qui est conservé. Cherchez une liste d’historique et un bouton d’effacement dans la propre interface de l’extension. Si l’historique n’est visible qu’après connexion, il est sur leur disque, pas le vôtre.
Une mise en garde pour que cela ne survende pas : local signifie que votre machine doit toujours être à vous. Un navigateur de travail géré avec des agents de point de terminaison, ou une extension de navigateur combinée à un outil de synchronisation de captures d’écran, change entièrement le tableau — le fait que l’OCR soit locale ne dit rien sur tout ce qui d’autre surveille l’écran.
FAQ
L’OCR dans une extension de navigateur a-t-elle besoin d’une connexion internet quelconque ?
Non pour les deux langues intégrées. Le moteur, son noyau WebAssembly et les fichiers de données anglais et chinois simplifié sont intégrés dans l’extension, si bien que la reconnaissance se termine réseau débranché. Une langue non intégrée a besoin d’un seul téléchargement de son paquet de données la première fois que vous la choisissez.
Puis-je vérifier par moi-même que rien n’est téléversé ?
Oui, de deux façons. Ouvrez la page de détail de l’extension dans le navigateur et lisez ses autorisations et accès d’hôte : tout ce qui pourrait publier votre image devrait y apparaître comme une autorisation d’hôte. Puis lancez une reconnaissance réseau désactivé. Si du texte revient quand même, la lecture a eu lieu en local.
Pourquoi le compteur quotidien gratuit vit-il sur ma machine plutôt que sur un serveur ?
Un compteur côté serveur vous verrouillerait chaque fois que le réseau est indisponible, ce qui contredit une promesse hors ligne. Le coût du choix local est que la limite est une frontière d’usage honnête plutôt qu’une défense rigide, et que le compteur se remet à zéro sur votre propre jour civil, pas sur minuit UTC.
L’OCR WebAssembly est-elle aussi bonne qu’un service cloud ?
Pour des captures propres de vraie typographie, elles sont proches, parce que les deux utilisent la même classe de modèles LSTM et les mêmes données publiques entraînées. Les services cloud prennent l’avantage sur les photos avec distorsion de perspective, l’écriture manuscrite et l’analyse de mise en page de documents entiers. Une capture d’écran est le cas facile, ce qui explique pourquoi un moteur local est un compromis raisonnable ici.
Plus de guides sur le blog VKT ; questions à support@annmax1983.com.
