Comment fonctionne la traduction d’images par IA, et que vérifier dans le résultat
Dans un fichier JPG ou PNG, les mots font partie de l’image : les lettres et le fond partagent la même grille de pixels, et rien ne garde la trace de ce qui se trouve derrière les lettres. Pour traduire ce texte en conservant la mise en page, un outil doit trouver le texte, le lire, le traduire, puis dessiner la traduction au même endroit, sur un fond qu’il doit reconstruire. Trois familles d’outils s’y prennent chacune à leur manière. Elles ne rendent pas la même chose, ne se trompent pas aux mêmes endroits, et chacune appelle ses propres vérifications avant de publier le résultat.
En bref
- Les traducteurs par caméra et superposition comme Google Traduction, Google Lens ou l’app Traduire d’Apple affichent la traduction par-dessus la photo ou la vue de la caméra. Ils servent à lire sur place.
- Les chaînes OCR, inpainting et recomposition détectent le texte, l’effacent, comblent le vide et composent la traduction. Les pixels hors des zones de texte restent tels quels, mais chaque étape peut laisser des marques.
- Les modèles génératifs en une passe, la méthode qu’utilise TranslateMyImage, redessinent toute l’image avec le texte traduit. Le résultat est le plus proche d’un visuel fini, mais n’importe quelle partie de l’image peut changer : vous vérifiez donc plus que les mots.
Pourquoi le texte d’une image est plus difficile à traduire que celui d’un document
Dans un fichier Word ou une page web, le texte est stocké à part de la mise en page. Traduisez-le et la page se réorganise autour des nouveaux mots : une phrase plus longue passe à la ligne suivante, et le fond ne bouge pas.
Une image n’a pas de calque de texte à remplacer : il faut d’abord reconnaître les mots à partir de leur forme. Il faut ensuite repeindre la zone qu’ils couvraient, car la photo, le dégradé ou le motif situé derrière les lettres n’a jamais été enregistré. Et la place est fixe : une traduction plus longue doit tenir dans la même zone, en plus petit ou sur plus de lignes.
La reconnaissance de texte (OCR) seule ne règle que la première partie. Elle transforme l’image en une suite de caractères et laisse la mise en page de côté ; sur une page avec des colonnes, des légendes ou des bulles, elle peut aussi se tromper d’ordre de lecture. Chaque famille d’outils présentée ci-dessous ajoute quelque chose à l’OCR, ou la remplace, pour retrouver la mise en page.
1. Les traducteurs par caméra et superposition
Ces outils sont gratuits, sur un téléphone ou dans un navigateur.
- L’app Google Traduction. Pointez la caméra vers le texte pour le voir traduit, appuyez sur le déclencheur pour figer l’image, ou choisissez une photo déjà prise. La traduction par caméra fonctionne hors connexion une fois les langues téléchargées (Aide Google Traduction).
- Le site Google Traduction. L’onglet Images traduit une image importée, avec un bouton pour copier le texte traduit et un autre pour télécharger l’image traduite (Aide Google Traduction).
- Google Lens. En 2022, Google a annoncé que Lens pouvait fondre le texte traduit dans des images complexes, grâce à des réseaux antagonistes génératifs (GAN), la technologie de la Gomme magique des téléphones Pixel (Google).
- L’app Traduire d’Apple. Son mode caméra affiche des traductions superposées que vous pouvez toucher pour les copier, les enregistrer ou les écouter, et elle traduit aussi les photos de votre photothèque (Guide d’utilisation de l’iPhone).
Ce que vous obtenez : la traduction affichée par-dessus l’original sur votre écran, et dans certaines applis une image traduite à enregistrer. Le but est de comprendre ce que dit le texte.
Leurs limites : les pages d’aide de Google préviennent qu’un texte petit, peu net ou stylisé risque d’être mal traduit, et que la précision dépend de la netteté du texte. Avant de réutiliser une image traduite enregistrée, vérifiez que chaque ligne a été traduite et que la traduction ne masque pas une partie de l’image.
Utile pour : lire un panneau, un menu ou un courrier sur place. Notre guide pour traduire une photo sur votre téléphone détaille chaque appli.
2. Les chaînes OCR, inpainting et recomposition
C’est la méthode classique. Elle découpe le travail en étapes séparées, chacune confiée à son propre modèle :
- Détecter. Un modèle de détection de texte repère où se trouve le texte. Deux exemples publiés sont CRAFT, qui trouve chaque caractère et les liens entre eux (Baek et al., CVPR 2019), et DBNet (Liao et al., AAAI 2020). Le résultat est un masque : une carte des pixels qui appartiennent aux lettres.
- Lire. L’OCR transforme chaque zone détectée en caractères, et une étape d’analyse de la mise en page décide dans quel ordre lire les blocs.
- Traduire. Chaque bloc de texte part vers un moteur de traduction automatique, en général sous forme de texte brut, sans l’image.
- Effacer et combler. Les pixels masqués sont supprimés et un modèle d’inpainting repeint le vide à partir de la zone qui l’entoure. Les anciennes méthodes d’inpainting produisaient souvent des structures déformées ou des textures floues, ce que Yu et al. (CVPR 2018) ont corrigé en permettant au modèle d’emprunter des détails à des parties éloignées de l’image. LaMa (WACV 2022) a été conçu pour les grands masques, et ses auteurs notent que les systèmes d’inpainting peinent encore avec les grandes zones manquantes, les structures géométriques complexes et les images en haute résolution.
- Composer. Un moteur de rendu choisit une police, une taille, une couleur et des retours à la ligne, puis loge la traduction dans la zone qu’occupait le texte d’origine.
Le projet open source manga-image-translator montre toute la chaîne : vous choisissez un détecteur de texte (CRAFT en fait partie), un modèle d’OCR, un traducteur (DeepL, ChatGPT ou un modèle hors ligne, entre autres), un modèle d’inpainting (des variantes de LaMa sont proposées) et un moteur de rendu capable de composer le texte à l’horizontale ou à la verticale.
Ce que vous obtenez : un fichier image traduit. Dans une chaîne typique, les pixels hors des masques de texte restent exactement tels qu’ils étaient, et certains outils conservent le texte traduit pour que vous puissiez corriger une ligne et la recomposer.
Ses limites : chaque étape transmet ses erreurs à la suivante.
- Le texte que le détecteur manque (courbe, stylisé, vertical, peu contrasté ou très petit) reste dans la langue d’origine.
- Un masque trop serré laisse les contours pâles des anciennes lettres ; un masque trop large étale les détails voisins.
- L’inpainting est facile sur un aplat de couleur et difficile sur les photos, les dégradés, les visages et les motifs fins, où il peut laisser un flou ou une texture répétée.
- Le moteur de rendu peut se rabattre sur une police générique, réduire le texte au point de le rendre difficile à lire, ou couper les lignes à de drôles d’endroits. Les lettres arabes doivent être liées à leurs voisines : un moteur de rendu qui ne gère pas la mise en forme de l’arabe les affiche isolées.
- Le moteur de traduction ne voit jamais l’image : un mot comme « Home » reçoit la même traduction sur le bouton d’un site web et dans la légende d’une photo de maison.
3. La régénération générative en une passe
C’est la méthode qu’utilise TranslateMyImage. Un modèle d’image reçoit l’image et une instruction, et il génère une nouvelle image dans laquelle le texte est dans la langue cible. La lecture, la traduction et le redessin se font à l’intérieur du modèle, en une seule passe. Il n’y a ni masque ni police séparée : les lettres et le fond qui se trouve derrière sont dessinés ensemble, comme le reste de l’image.
L’instruction qu’envoie notre traducteur demande au modèle de traduire tout le texte visible dans la langue choisie, de garder le sens et le ton, de conserver la mise en page, la hiérarchie, la typographie, les couleurs et le design, de ne changer la longueur du texte que si l’équilibre visuel l’exige, et de ne rien ajouter ni retirer. Les modes ajoutent des consignes pour les visuels marketing, les mangas et les BD, ou la documentation technique, et à partir de l’offre Pro une instruction personnalisée de 1 000 caractères au maximum peut lister les noms à garder ou les termes à employer.
Ce que vous obtenez : un nouveau fichier image, sans calque de texte à modifier. Ses dimensions en pixels peuvent différer de celles de l’original.
Ses limites : comme le modèle redessine toute l’image, un changement peut apparaître n’importe où. Les logos, les visages, la forme des produits, les textures et les petits caractères peuvent revenir légèrement différents. Les chiffres et les noms sont redessinés comme n’importe quelles autres lettres : ils peuvent être modifiés ou reformatés, des mots peuvent comporter des fautes, et une partie du texte peut rester dans la langue d’origine. Le guide d’OpenAI sur ses propres modèles GPT Image cite le même genre de limites : ces modèles peuvent encore avoir du mal à placer le texte avec précision et à le rendre net, et à placer précisément les éléments dans des compositions où la mise en page compte (OpenAI). Deux générations à partir de la même image peuvent aussi donner des résultats différents.
Un exemple : une affiche anglaise traduite en arabe
Cet exemple tiré de notre site a été généré par notre traducteur d’images, de l’anglais vers l’arabe.


Ce que voit un relecteur en comparant les deux :
- La photo et le logo WWF ont le même aspect que dans l’original. Le fichier est revenu en 864 × 1232 pixels au lieu de 600 × 848.
- Le titre sur deux lignes est devenu deux lignes centrées en arabe, lues de droite à gauche, avec le point final à l’extrémité gauche.
- Les capitales étroites à l’aspect usé ont laissé place à une police arabe grasse et nette.
- Le slogan « for a living planet » est resté en anglais, et le premier i de « living » a perdu son point. Une version arabe a été ajoutée à gauche du logo, là où l’original n’en avait pas.
Ces écarts sont typiques d’une image régénérée, et c’est pour cela que les vérifications ci-dessous vont au-delà des mots.
Ce qu’il faut vérifier dans une image traduite
Quelle que soit la méthode, comparez le résultat avec l’original côte à côte, en taille réelle, une zone à la fois. Voici où se cachent les erreurs.
- Noms et marques. Les personnes, les lieux, les produits et les marques doivent rester tels qu’ils sont écrits, sauf si vous voulez les traduire. Vérifiez qu’aucun n’a été traduit mot à mot ou translittéré. Sur TranslateMyImage, une instruction personnalisée de l’offre Pro peut lister les noms à garder.
- Chiffres, prix, dates et unités. Comparez chaque chiffre. Les formats peuvent changer avec la langue : 3.400 peut devenir 3,400, un symbole monétaire peut changer de place, une unité peut être abrégée autrement. Décidez si chaque changement est une adaptation correcte ou une erreur.
- Petits caractères. Mentions légales, notes de bas de page, légendes de schémas et slogans sont les premiers à être sautés, déformés ou laissés dans la langue d’origine.
- Texte qui s’allonge. Le W3C, dans son article sur la taille du texte en traduction, cite des moyennes d’IBM pour l’anglais traduit vers des langues européennes : les chaînes de 10 caractères au plus atteignent 200 à 300 % de leur longueur, celles de plus de 70 caractères environ 130 %. Plus le texte est court, plus il s’allonge, et les mots composés allemands peuvent refuser de passer à la ligne. Cherchez le texte qui déborde de sa zone, les caractères réduits au point d’être difficiles à lire, et les formulations raccourcies au point de perdre de l’information.
- Écritures de droite à gauche. L’arabe s’écrit de droite à gauche, ses lettres se lient à leurs voisines, et les nombres gardent un ordre de gauche à droite dans la ligne (W3C, Arabic & Persian Layout Requirements). L’hébreu se lit lui aussi de droite à gauche. Vérifiez l’ordre des lignes, la liaison des lettres, la position de la ponctuation, et que les flèches et les étapes numérotées se lisent toujours dans un sens logique. La page traducteur d’images en arabe propose une liste plus détaillée.
- Texte vertical. Le japonais peut se composer en colonnes verticales, les caractères allant de haut en bas et les lignes de droite à gauche (W3C, Requirements for Japanese Text Layout). Les dialogues de manga sont souvent composés ainsi. Vérifiez que les bulles ont été lues dans le bon ordre, qu’une traduction horizontale tient dans une bulle étroite, et que les onomatopées dessinées dans l’image ont été traitées comme vous le souhaitez. Plus de détails sur la page traducteur de manga.
- Tout ce qui n’est pas du texte. Avec une méthode générative, regardez les logos, les visages, la forme des produits et le fond. Scannez chaque QR code et chaque code-barres : un code redessiné peut ne plus fonctionner.
- Restes. Cherchez les mots encore dans la langue d’origine, les traces des anciennes lettres et le texte qui aurait été ajouté.
Partez du meilleur fichier dont vous disposez : la version la plus grande, sans forte compression JPEG. Un texte flou est plus difficile à lire, quelle que soit la méthode. Si le visuel est encore modifiable dans Photoshop, Figma, Canva ou PowerPoint, traduire ses calques de texte garde les polices exactes et un fond que personne n’a à redessiner ; nos guides pour Canva et PowerPoint suivent cette voie.
Quelle méthode pour quel besoin
| Votre objectif | Méthode | Pourquoi |
|---|---|---|
| Lire un panneau, un menu ou un courrier | Une appli de caméra ou de superposition | Gratuit et immédiat ; Google Traduction fonctionne hors connexion une fois les langues téléchargées |
| Copier ou citer le texte | L’OCR, ou la copie du texte dans Google Traduction | Vous obtenez des mots à coller et à modifier |
| Traduire un visuel encore modifiable | Les calques de texte dans Photoshop, Figma, Canva ou PowerPoint | Polices exactes, fond intact |
| Publier un JPG ou un PNG aplati dans une autre langue | Un outil à chaîne OCR ou un traducteur génératif, puis les vérifications ci-dessus | Vous obtenez un fichier image fini |
| Traduire beaucoup d’images en plusieurs langues | Un outil avec traitement par lot ou API | Un seul lancement au lieu d’un envoi par image et par langue |
Pour la dernière ligne, la traduction par lot de TranslateMyImage prend jusqu’à 10 images par lancement à partir de l’offre Pro, et l’API de traduction d’images est disponible avec les mêmes offres. Pour sept outils comparés selon ce qu’ils rendent, voir les meilleurs traducteurs d’images. ChatGPT peut fournir du texte comme une image générée : voir ChatGPT peut-il traduire des images ?
Traduisez une image et vérifiez le résultat
Importez une image JPG, PNG ou WebP de 10 Mo maximum, choisissez une langue et obtenez une nouvelle image avec le texte traduit dans la mise en page d’origine. Comparez-la ensuite avec l’original.
Questions fréquentes
Comment l’IA traduit-elle le texte d’une image ?
Elle doit trouver le texte, le lire, le traduire et redessiner la traduction dans l’image, sur un fond reconstruit. Les applis de caméra comme Google Traduction affichent la traduction par-dessus la photo. Les chaînes OCR effacent le texte d’origine, comblent le vide avec un modèle d’inpainting et composent la traduction. Les modèles d’image génératifs redessinent toute l’image avec le texte traduit, en une seule passe.
TranslateMyImage utilise-t-il l’OCR ?
Pas comme une étape séparée. Un modèle d’image d’IA générative reçoit l’image avec l’instruction de traduire tout le texte visible dans la langue cible en gardant la mise en page, la typographie et les couleurs, et il renvoie une nouvelle image. Aucun fichier texte n’est produit en route : il n’y a donc pas de texte traduit à modifier après coup, vous relisez l’image elle-même.
Qu’est-ce que l’inpainting en traduction d’image ?
L’inpainting remplit une zone masquée d’une image avec des pixels accordés à ce qui l’entoure. Les traducteurs à base d’OCR s’en servent pour reconstruire le fond là où le texte d’origine a été effacé, avant de composer la traduction. Il marche bien sur les aplats de couleur ; sur les photos, les dégradés et les motifs fins, il peut laisser un flou ou de légères traces des anciennes lettres.
Pourquoi les chiffres ou les noms sont-ils différents dans mon image traduite ?
Les modèles génératifs redessinent chaque caractère, chiffres compris, et peuvent aussi adapter les formats, par exemple transformer 3.400 en 3,400. Les chaînes OCR peuvent mal lire un chiffre ou une lettre stylisée. Comparez chaque nom, prix, date et unité avec l’original avant de publier. Avec l’offre Pro de TranslateMyImage, une instruction personnalisée peut lister les noms qui ne doivent pas changer.
Un traducteur d’images sait-il gérer l’arabe ou le japonais vertical ?
Souvent, mais ce sont les résultats à vérifier en premier. L’arabe s’écrit de droite à gauche, ses lettres se lient entre elles, et les nombres gardent un ordre de gauche à droite. Le japonais est souvent composé en colonnes verticales, lues de droite à gauche. Vérifiez l’ordre de lecture, la liaison des lettres et les retours à la ligne. TranslateMyImage lit les deux comme texte source, et l’arabe fait partie de ses 45 langues cibles, via les pages de langue.
Vaut-il mieux traduire le fichier source que l’image ?
Oui, quand vous l’avez. Si le visuel est encore modifiable dans Photoshop, Figma, Canva ou PowerPoint, traduire ses calques de texte garde les polices exactes et laisse le fond intact. Un traducteur d’images sert quand vous n’avez que le JPG ou le PNG aplati, ou quand refaire chaque fichier à la main prendrait trop de temps.
À propos de l’auteur
Fondateur et développeur de TranslateMyImage, un traducteur d’images IA en ligne. Il écrit sur la traduction du texte dans les images, l’OCR et la localisation e-commerce.
Voir le profil de l’auteurArticles associés

ChatGPT peut-il traduire des images ?
Oui : importez une image dans ChatGPT et demandez une traduction, vous obtenez du texte. Une image traduite, c’est un autre travail. Prompts, limites et confidentialité.

Comment localiser les images de vos fiches Amazon pour de nouvelles marketplaces
Quelles images de vos fiches Amazon traduire pour une nouvelle marketplace (images secondaires, modules A+, guides des tailles, mais pas l’image principale), une méthode pour un ASIN et les points à vérifier avant l’import.

Meilleurs traducteurs d’images en 2026 : 7 outils comparés selon ce qu’ils produisent
Google Traduction, Texte en direct d’Apple, DeepL, Papago, Canva, ChatGPT et TranslateMyImage comparés sur le résultat, l’usage gratuit, le traitement par lots et l’API. Fonctionnalités documentées uniquement.