Présentation de Goodnotes
Goodnotes est une application de prise de notes disponible sur iOS et iPadOS. Elle propose un canevas sans bord où l’utilisateur peut écrire à la main avec un stylet Apple Pencil ou tout autre dispositif compatible. L’application capture chaque trait sous forme vectorielle, conserve la couleur et la pression, puis génère un aperçu raster pour l’affichage instantané. En parallèle, un moteur de reconnaissance optique de caractères (OCR) transforme le contenu manuscrit en texte indexable, ce qui rend possible la recherche de mots clés dans l’ensemble du carnet.
Architecture du moteur OCR
Le moteur OCR de Goodnotes s’appuie sur des modèles de machine learning entraînés sur des corpus de manuscrits occidentaux. La chaîne de traitement débute par une segmentation des traits, qui identifie les séparations entre caractères et lignes. Chaque segment est ensuite évalué par un réseau de neurones convolutifs (CNN) spécialisé dans la classification de glyphes. Les modèles sont exécutés localement sur le processeur du dispositif, ce qui évite l’envoi de données brutes vers un serveur distant. Cette approche réduit la latence perçue, mais impose une contrainte de consommation CPU et de mémoire vive, surtout sur les iPad plus anciens. Aucun taux de précision n’est publié par les développeurs, et aucune comparaison avec des standards comme Tesseract n’est fournie.
Gestion des données, export et synchronisation
Les notes sont stockées dans un format propriétaire combinant des images raster (PNG) pour le rendu visuel et des métadonnées vectorielles (JSON) décrivant chaque trait et son attribut de pression. Cette double représentation permet d’appliquer la recherche texte sur les calques OCR sans altérer le rendu original. Goodnotes propose une synchronisation cloud via son propre service, mais la documentation ne précise pas le chiffrement utilisé ni les protocoles (TLS 1.2, TLS 1.3, etc.). L’exportation se fait sous forme de PDF, de fichiers image ou de texte brut, chaque format conservant ou éliminant les données vectorielles selon le choix de l’utilisateur. Le partage se réalise via un lien public ou privé, mais les mécanismes d’authentification du lien ne sont pas détaillés.
Limites techniques et perspectives d’évolution
Le principal facteur limitant la fiabilité de la recherche est la qualité de l’écriture. Les caractères cursifs, les abréviations ou les langues non latines sont reconnus avec moins de précision, ce qui entraîne des faux négatifs lors des requêtes. Le modèle OCR ne semble pas être mis à jour de façon continue, ce qui pourrait conduire à une stagnation des performances face aux avancées récentes en reconnaissance de l’écriture manuscrite. En outre, l’absence de métriques publiques empêche d’évaluer l’impact sur la batterie et la charge CPU pendant de longues sessions d’écriture. Enfin, le modèle économique repose sur un abonnement après la période d’essai de 30 jours, sans indication claire sur les coûts à long terme ni sur les éventuelles options d’entreprise.
