FR
EN
JA
PT
ES
IT
DE
SV
DA
RU
ZH
AR
NL
EL
LV
KO
TR
FR
EN
JA
PT
ES
IT
DE
SV
DA
RU
ZH
AR
NL
EL
LV
KO
TR
Parmi les erreurs les plus fréquemment détectées lors des audits d’accessibilité, l’absence de texte alternatif sur les images reste l’un des problèmes les plus répandus. Plus de vingt-cinq ans après la publication des premières Web Content Accessibility Guidelines (WCAG), cette exigence pourtant élémentaire continue de faire défaut sur un grand nombre de sites web. Les […]
Résumé de l’actualité
Parmi les erreurs les plus fréquemment détectées lors des audits d’accessibilité, l’absence de texte alternatif sur les images reste l’un des problèmes les plus répandus. Plus de vingt-cinq ans après la publication des premières Web Content Accessibility Guidelines (WCAG), cette exigence pourtant élémentaire continue de faire défaut sur un grand nombre de sites web.
Les outils d’analyse automatisée comme WAVE, axe DevTools ou Accessibility Insights identifient régulièrement des milliers d’images dépourvues d’attribut alt. Ce constat concerne aussi bien les sites institutionnels que les plateformes e-commerce, les médias ou les applications métier.
Face à ce défi, l’intelligence artificielle apparaît aujourd’hui comme une aide précieuse. Les services de vision par ordinateur proposés par Microsoft, Google, Amazon ou OpenAI sont désormais capables de décrire automatiquement le contenu d’une image.
Faut-il pour autant laisser l’IA rédiger les textes alternatifs à notre place ?
La réponse est plus nuancée qu’il n’y paraît.
Le texte alternatif (attribut alt) permet aux technologies d’assistance, notamment les lecteurs d’écran, de restituer le contenu d’une image lorsqu’elle ne peut être perçue visuellement.
Il joue également un rôle lorsque :
Un texte alternatif correctement rédigé améliore donc à la fois l’accessibilité, la compréhension du contenu et parfois même le référencement naturel.
Dans les grandes organisations, plusieurs facteurs expliquent cette situation.
Les équipes éditoriales ne connaissent pas toujours les règles d’accessibilité.
Les systèmes de gestion de contenu rendent parfois l’attribut alt facultatif.
Les catalogues de produits ou les bibliothèques d’images peuvent contenir plusieurs milliers de visuels.
Dans certains projets, les images sont ajoutées automatiquement sans contrôle humain.
Résultat : certaines entreprises découvrent lors d’un audit plusieurs milliers d’images dépourvues de texte alternatif.
Corriger manuellement un tel volume représente un travail considérable.
La réponse est oui.
Les services de vision par ordinateur sont aujourd’hui capables d’analyser une image et d’en proposer une description.
Microsoft Azure AI Vision, Google Cloud Vision, Amazon Rekognition ou encore certains modèles multimodaux d’OpenAI peuvent identifier :
Ils produisent ensuite une description qui peut servir de base à un texte alternatif.
Pour une photographie représentant un produit, l’IA peut par exemple générer :
« Chaussure de randonnée noire avec semelle crantée posée sur un fond blanc. »
Cette description est souvent suffisante pour une fiche produit.
L’intérêt de cette approche apparaît immédiatement sur les sites comportant plusieurs milliers d’images.
Les plateformes e-commerce, les médiathèques ou les sites immobiliers peuvent ainsi obtenir rapidement une première description de chaque visuel.
Cette automatisation permet notamment :
Pour certains projets, cette approche représente un gain de plusieurs centaines d’heures de travail.
C’est également sa principale limite.
L’intelligence artificielle décrit ce qu’elle voit.
Elle ne comprend pas pourquoi cette image a été choisie.
Prenons l’exemple d’une photographie illustrant la page d’accueil d’une entreprise.
L’IA pourrait proposer :
« Groupe de personnes souriant dans un escalier. »
Un rédacteur humain écrira peut-être :
« Les collaborateurs de l’entreprise échangent dans une ambiance conviviale, illustrant les valeurs de diversité et de collaboration de l’organisation. »
Les deux descriptions sont correctes.
Mais seule la seconde traduit réellement l’intention éditoriale.
L’intelligence artificielle ne connaît ni le message marketing, ni la stratégie de communication, ni les émotions que l’image cherche à transmettre.
Les moteurs de vision par ordinateur associent généralement un indice de confiance à chaque description générée.
Plus une image est complexe, artistique ou ambiguë, plus ce niveau de confiance diminue.
Une photographie simple d’un produit obtiendra souvent un score élevé.
À l’inverse, une illustration abstraite, une scène symbolique ou un photomontage produiront des résultats beaucoup plus incertains.
Dans ces situations, une validation humaine reste indispensable.
Pour les organisations souhaitant automatiser la génération de textes alternatifs, plusieurs bonnes pratiques s’imposent.
La première consiste à sécuriser le service utilisé.
Les API d’intelligence artificielle doivent être protégées par un mécanisme d’authentification afin d’éviter tout usage abusif.
Il est également recommandé de mettre en place un système de cache.
Générer une description à chaque affichage d’une image peut rapidement entraîner des coûts importants, notamment lorsque plusieurs milliers de requêtes sont envoyées quotidiennement.
Enfin, chaque description générée devrait pouvoir être relue, validée et, si nécessaire, corrigée par un rédacteur avant publication.
Les textes alternatifs jouent un rôle essentiel dans la compréhension des contenus.
Ils doivent donc être rédigés en tenant compte du contexte d’utilisation.
Une même photographie pourra recevoir des descriptions très différentes selon qu’elle apparaît :
Cette contextualisation demeure aujourd’hui hors de portée de la plupart des modèles de vision artificielle.
L’IA constitue donc un excellent assistant, mais elle ne remplace pas l’expertise humaine.
Les progrès récents de l’intelligence artificielle ouvrent des perspectives très intéressantes pour améliorer rapidement l’accessibilité de grands volumes de contenus.
Associée à une gouvernance de qualité, elle peut considérablement accélérer la correction des défauts les plus fréquents.
Cependant, les textes alternatifs ne doivent jamais être considérés comme une simple obligation technique.
Ils participent à la qualité éditoriale d’un site, à l’expérience utilisateur et à la compréhension des contenus.
Une stratégie efficace consiste donc à utiliser l’IA pour identifier les images concernées et proposer une première description, tout en conservant une validation humaine pour les contenus à forte valeur éditoriale.
L’intelligence artificielle représente aujourd’hui un levier puissant pour améliorer l’accessibilité des contenus numériques.
Elle permet de traiter rapidement des milliers d’images et d’accélérer les démarches de mise en conformité avec les WCAG, le RGAA, la norme EN 301 549 ou l’European Accessibility Act.
Mais elle ne constitue pas une solution définitive.
Le meilleur texte alternatif reste celui qui décrit non seulement ce que montre une image, mais aussi le rôle qu’elle joue dans le contenu et le message qu’elle souhaite transmettre.
L’accessibilité repose avant tout sur une démarche éditoriale, dans laquelle l’intelligence artificielle devient un outil d’assistance plutôt qu’un substitut à l’expertise humaine.
À propos de l'auteur·rice
Mayeul Beretta
Président du Média de l’Accessibilité
