Si vous conservez déjà vos fichiers dans Nextcloud, la partie pénible de la gestion documentaire est rarement le stockage. C’est le tri. Vous scannez un contrat, photographiez une carte d’identité, téléchargez une facture en PDF, et le fichier atterrit dans un dossier où vous ne le retrouverez que si vous vous souvenez du nom que vous lui avez donné. L’OCR Nextcloud est précisément le manque que comble Tri de documents : il lit le texte de ce que vous déposez dans une boîte de réception, détermine la nature de chaque document et le classe dans des dossiers par catégorie et par type.
Ce tutoriel décrit une installation fonctionnelle sur votre propre serveur, puis compare honnêtement l’outil à Paperless-ngx, car les deux répondent à des besoins qui se recoupent sans être identiques.
Ce qu’il vous faut au préalable
- Nextcloud 30 à 34 et PHP 8.1 ou plus récent.
- Les tâches de fond de Nextcloud (Cron) actives, puisque le tri automatique s’exécute toutes les 15 minutes.
- Python 3.8 ou plus récent (
python3) sur le serveur si vous voulez lire les images et les PDF scannés. Les fichiers bureautiques et le texte brut sont triés sans cela. - Un accès Internet une fois, pour l’installation du lecteur, qui télécharge les paquets Python.
- Une licence pour l’application (une par instance Nextcloud). Tous les détails se trouvent dans le guide d’utilisation.
Étape 1 : installer et activer l’application
Téléchargez l’archive docsort-x.y.z.tar.gz depuis votre compte MediaLab Works, rubrique Licences, puis extrayez-la dans votre dossier d’applications pour obtenir apps/docsort/, appartenant à l’utilisateur du serveur web :
cd /var/www/nextcloud/apps
sudo tar -xzf ~/docsort-x.y.z.tar.gz
sudo chown -R www-data:www-data docsort
Activez-la en ligne de commande ou depuis la page Applications :
sudo -u www-data php occ app:enable docsort
Ouvrez ensuite Paramètres d’administration → Tri de documents → Licence, collez votre clé de licence et enregistrez. L’application contacte le serveur de licences, lie la clé à cette instance et affiche la licence comme Active. La vérification a lieu une fois par jour ; sans Internet, l’application continue de fonctionner 7 jours après la dernière vérification réussie. Si la licence n’est pas valide, le tri s’arrête simplement et les fichiers attendent dans la boîte de réception — rien n’est supprimé.
Étape 2 : installer le lecteur de documents
Dans Paramètres d’administration → Tri de documents, appuyez sur Installer le lecteur. Une tâche de fond construit un environnement Python dans le répertoire de données (appdata_<id>/docsort/python) avec RapidOCR, pypdfium2 et OpenCV. Comptez environ 150 Mo à télécharger et environ 500 Mo sur le disque. Si vous préférez le terminal :
sudo -u www-data php occ docsort:install
Utilisez --remove pour recommencer, ou le bouton Supprimer et réinstaller dans les paramètres. C’est ce lecteur qui permet l’extraction de texte par RapidOCR sur les photos et les PDF scannés ; les PDF contenant déjà une couche de texte sont lus directement, et les fichiers bureautiques sont lus à partir du XML qu’ils contiennent.
Étape 3 : configurer votre boîte de réception personnelle
Chaque utilisateur règle cela pour lui-même dans Paramètres personnels → Tri de documents :
- Activez Trier mes documents.
- Définissez les Dossiers de boîte de réception, un par ligne, relatifs à vos fichiers. Par défaut :
Documente/De sortat(roumain pour « Documents/À trier »). - Choisissez où vont les documents triés — par défaut
Documente. - Choisissez ce qui arrive à un document reconnu : le déplacer, le copier (l’original reste dans la boîte de réception) ou seulement l’étiqueter.
- Choisissez un dossier par catégorie puis par type, ou un dossier par type.
- Décidez du sort des documents non reconnus : ils restent dans la boîte de réception, ou vont dans un dossier Non triés.
- Choisissez les noms de dossiers et d’étiquettes en roumain ou en anglais.
Ce dernier point compte si vous partagez l’instance avec votre famille ou vos collègues : les mêmes règles produisent soit Documente/Financiar/Factura, soit Documents/Finance/Invoice, selon le réglage.
Étape 4 : déposez des fichiers et regardez-les être classés
Placez scans, photos et PDF dans le dossier de boîte de réception depuis l’interface web, le client de bureau ou votre téléphone. En 15 minutes au plus, chaque fichier est lu, reconnu, étiqueté Document: <type> et déplacé vers Documente/<catégorie>/<type>/.
Sur la page personnelle, Trier maintenant lance le traitement immédiatement, et Afficher seulement ce qui se passerait prévisualise le résultat sans rien déplacer. Triés récemment liste ce qui a été classé et où. Depuis un terminal, vous pouvez aussi lancer :
sudo -u www-data php occ docsort:scan [user] [--dry-run] [--again] [--limit N]
sudo -u www-data php occ docsort:classify <file> [--text]
La première commande trie la boîte de réception de tout le monde ou d’une seule personne (avec option de simulation) ; la seconde montre comment un fichier donné serait trié.
Les 48 types en 13 catégories
D’origine, l’application reconnaît 48 types de documents regroupés en 13 catégories : identité, état civil, permis et autorisations, véhicule, finances, juridique, propriété, santé, éducation, travail, services publics, assurance et autres. Chaque type est une liste de mots-clés pondérés, en roumain et en anglais, avec un score minimal. C’est pourquoi une carte d’identité et un acte de naissance finissent dans des dossiers différents sans que vous ayez à nommer correctement un seul fichier.
Étape 5 : ajuster les règles quand une supposition est fausse
Les règles sont un simple JSON avec les champs id, category, en, ro, min et keywords. En tant qu’administrateur, vous pouvez les modifier sous Règles, appuyer sur Enregistrer les règles, ou revenir à tout moment aux règles intégrées. Avant d’enregistrer, utilisez Tester les règles : collez le texte d’un document, appuyez sur Classer et voyez comment il serait trié et quels mots ont décidé. Rien n’est stocké. C’est le moyen le plus rapide de corriger un classement erroné récurrent — ajoutez le mot manquant au bon type et passez à la suite.
Dépannage
- Les images et les PDF scannés ne sont pas triés, les fichiers bureautiques le sont : le lecteur n’est pas installé. Paramètres d’administration → Vue d’ensemble affiche un avertissement ; installez-le depuis la section Tri de documents.
- « Aucun Python 3 n’a été trouvé sur ce serveur » : installez-le (
apt install python3 python3-venv) et appuyez de nouveau sur Installer le lecteur. - L’installation échoue pendant le téléchargement : le serveur a besoin d’un accès Internet une fois pour récupérer les paquets Python. Vérifiez le proxy et le pare-feu, puis réessayez.
- Un fichier reste dans la boîte de réception avec l’étiquette
Document: ?: aucun type n’a atteint son score minimal. Vérifiez le texte avec Tester les règles et ajoutez les mots manquants.
Une note de confidentialité qu’il vaut la peine de répéter : le texte d’un document n’est jamais stocké. L’application retient seulement ce que chaque fichier a été reconnu comme étant, afin de ne pas le lire deux fois. Tout s’exécute sur votre serveur ; aucun document n’est envoyé ailleurs.
Tri de documents face à Paperless-ngx, honnêtement
Paperless-ngx est une archive documentaire dédiée : elle a sa propre base de données, sa propre interface web, son propre dossier de consommation et sa propre idée de la façon dont les documents doivent être stockés. Si votre objectif est une archive interrogeable avec des correspondants, des types de documents et une recherche plein texte puissante, c’est un choix mature et excellent. Il fait un seul travail, et le fait en profondeur.
Tri de documents adopte une autre position. Il ne construit pas une seconde archive à côté de Nextcloud ; il travaille dans l’arborescence de fichiers que vous avez déjà. Les scans restent des fichiers ordinaires dans des dossiers ordinaires, accessibles depuis le client de bureau, l’application mobile et toutes les autres fonctions de Nextcloud. L’application ajoute la reconnaissance, l’étiquetage et le classement par-dessus, par utilisateur, chacun choisissant sa propre boîte de réception, sa destination et son mode. Pour un foyer ou une petite équipe qui vit déjà dans Nextcloud, cela signifie pas de second système à sauvegarder, pas de second identifiant, et aucune migration des dossiers existants.
Le compromis est réel : Tri de documents est un outil de tri, pas une archive avec son propre modèle de métadonnées et son interface de recherche. Si vous avez besoin de correspondants à la Paperless et d’une base documentaire dédiée, Paperless-ngx reste le meilleur choix. Si ce que vous voulez vraiment, c’est que Nextcloud cesse d’être un amas de scans non triés, c’est l’outil le plus petit et le plus naturel.
Conclusion
Une installation OCR Nextcloud fonctionnelle repose sur trois choses : l’application activée avec une licence valide, le lecteur installé pour les images et les PDF scannés, et un dossier de boîte de réception que chaque utilisateur utilise réellement. Ensuite, la tâche de 15 minutes fait le travail ennuyeux, les règles restent modifiables en JSON, et Tester les règles vous permet de corriger les erreurs sans deviner. Commencez sur la page produit, gardez le guide et le journal des modifications à portée de main, et si quelque chose se comporte bizarrement, la base de connaissances et la FAQ sont l’étape suivante.