Le rapprochement entre IA et accessibilité produit deux discours opposés, tous les deux faux. Le premier promet que la génération automatique règle le problème : sous-titres, descriptions d'images, lecture vocale, tout serait résolu. Le second refuse ces outils au motif qu'ils sont imparfaits, et laisse les contenus sans aucune alternative.
La réalité tient dans un constat simple : ces technologies ont déplacé le coût de l'accessibilité. Ce qui demandait plusieurs heures de travail manuel en demande aujourd'hui quelques dizaines de minutes de correction. C'est un progrès considérable pour les organisations qui n'avaient pas les moyens de rendre leurs contenus accessibles. Ce n'est pas une exonération : la conformité, elle, n'a pas bougé d'un pouce.
Cet article passe en revue les quatre usages qui changent réellement la donne, indique précisément où la machine s'arrête, et rappelle ce que le cadre réglementaire français et européen attend, quel que soit l'outil utilisé pour produire le contenu.
IA et accessibilité : les quatre usages qui changent la donne
Quatre familles d'usage sont aujourd'hui matures au point d'être utilisables en production.
- La transcription et le sous-titrage automatique d'un enregistrement audio ou vidéo, avec horodatage. Sur un français clair, sans recouvrement de voix, la qualité brute est bonne.
- La description d'image, qui produit une phrase décrivant ce qu'un modèle de vision identifie sur une illustration ou une photographie.
- La simplification de texte, qui réécrit un contenu administratif ou technique dans une langue plus directe, phrases courtes et vocabulaire courant.
- La synthèse vocale, dont la qualité prosodique permet désormais d'écouter un article long sans fatigue, ce qui bénéficie autant aux personnes déficientes visuelles qu'aux personnes dyslexiques.
Un cinquième usage, moins commenté, mérite d'être cité : la reformulation d'un message reçu. Pour une personne en situation de handicap cognitif, pouvoir demander « explique-moi ce courrier en trois phrases » change le rapport à des documents administratifs conçus sans elle. C'est un usage individuel, qui n'engage pas la conformité d'un site, mais dont l'impact quotidien est réel.
Sous-titrage automatique : utile, insuffisant pour être conforme
Le sous-titrage est l'usage le plus déployé, et celui où le malentendu est le plus fréquent. Une transcription automatique se trompe précisément là où l'information est la plus dense : les noms propres, les acronymes, les chiffres, le vocabulaire métier. Elle ne distingue pas non plus qui parle, et ignore les informations sonores qui ne sont pas de la parole.
Or les règles internationales d'accessibilité des contenus web demandent des sous-titres qui restituent l'ensemble de l'information sonore utile à la compréhension, y compris l'identification des locuteurs et les sons signifiants. Un fichier brut sorti d'un moteur de transcription ne remplit pas ce critère, même avec un taux de mots corrects de 95 %.
La bonne pratique tient en trois gestes après la génération automatique :
- Corriger le lexique : noms de personnes, de produits, sigles internes. C'est là que se concentrent 80 % des erreurs gênantes.
- Ajouter l'identification des locuteurs dès qu'il y a plus d'une voix.
- Signaler les sons porteurs de sens et vérifier le découpage temporel, pour qu'un sous-titre reste affiché assez longtemps pour être lu.
Comptez dix à quinze minutes de relecture pour dix minutes de vidéo. C'est cinq à dix fois moins que la transcription intégrale à la main. Notre comparatif des outils de transcription audio par IA détaille les écarts de qualité brute entre moteurs, qui restent significatifs sur le français et sur les échanges à plusieurs voix.
Description d'image alternative : la machine ne connaît pas l'intention
C'est le cas où la limite est la plus structurelle. Un modèle de vision décrit ce qu'il voit. Une alternative textuelle, elle, doit transmettre la fonction de l'image dans son contexte. Ce sont deux choses différentes.
Prenons une photographie de deux personnes se serrant la main devant un bâtiment. La machine produira quelque chose comme « deux personnes en costume se serrant la main devant un bâtiment moderne ». Selon le contexte, l'alternative correcte est :
- vide, si l'image est purement décorative et que l'information figure déjà dans le texte ;
- « Signature du partenariat entre X et Y », si l'image illustre un événement identifié ;
- une description détaillée, si l'image porte une information non disponible ailleurs, comme un graphique ou un schéma.
Aucun de ces trois choix ne peut être déduit de l'image seule. C'est pourquoi la description d'image alternative générée automatiquement doit être traitée comme un brouillon à valider, jamais comme une sortie publiable. Le cas des graphiques et des tableaux d'images est le plus critique : un modèle décrit rarement correctement une courbe, et jamais la conclusion qu'elle sert à porter.
Un usage indiscutablement rentable existe malgré tout : le rattrapage de masse. Un site de e-commerce avec 15 000 fiches produit sans alternative textuelle a tout intérêt à générer une première passe automatique, puis à corriger manuellement les catégories les plus consultées. Une alternative imparfaite vaut mieux que l'absence totale d'alternative, à condition de ne pas s'arrêter là. Cette logique de traitement de masse rejoint les usages de l'IA dans le e-commerce que nous avons documentés.
Simplification de texte et synthèse vocale : les usages les plus sûrs
Ces deux usages sont ceux où le rapport bénéfice sur risque est le meilleur, pour une raison simple : ils s'ajoutent au contenu original sans le remplacer.
La simplification produit une version en langage clair, proposée à côté du texte de référence. Les précautions sont connues : vérifier qu'aucune information n'a disparu à la réécriture, surveiller les nuances juridiques, et ne jamais simplifier automatiquement un texte à valeur contractuelle sans relecture. Sur un contenu informatif, en revanche, le gain de compréhension est important et le risque faible.
La synthèse vocale, elle, ne modifie pas le texte. Le point d'attention porte sur la structure : une voix de synthèse lit ce qu'on lui donne, et restitue mal un document dont les titres ne sont pas de vrais titres. Le travail utile est donc en amont, dans la structuration du contenu, qui bénéficie de toute façon aux lecteurs d'écran.
C'est un enseignement général : la plupart des gains d'accessibilité viennent de la structure du document, pas de l'outil qui le lit. Une hiérarchie de titres correcte, des listes balisées comme des listes, des tableaux avec des en-têtes, des liens dont l'intitulé a du sens hors contexte.
Ce que le cadre réglementaire attend, quel que soit l'outil
L'accessibilité numérique n'est pas une bonne pratique optionnelle en France. Elle s'appuie sur trois niveaux de textes.
| Niveau | Ce qu'il impose | Qui est concerné |
| Loi française sur l'égalité des droits et des chances | Accessibilité des services de communication au public en ligne, déclaration d'accessibilité, schéma pluriannuel | Secteur public, et entreprises privées au-dessus d'un seuil de chiffre d'affaires |
| Référentiel général d'amélioration de l'accessibilité | La méthode de vérification et les critères de conformité applicables | Les mêmes, comme référentiel technique |
| Directive européenne sur l'accessibilité des produits et services | Exigences d'accessibilité sur une liste de produits et services, dont le commerce en ligne, les services bancaires et les livres numériques | Acteurs économiques concernés, hors micro-entreprises de services |
Deux conséquences pratiques pour qui utilise des outils d'IA. D'abord, l'obligation porte sur le résultat, pas sur le procédé : la conformité se constate sur la page publiée, et le fait qu'un sous-titre ait été généré automatiquement n'entre pas en ligne de compte. Ensuite, la déclaration d'accessibilité engage : y annoncer un niveau de conformité que la production automatique ne tient pas est un risque juridique en plus du problème d'usage.
Un manquement expose à une sanction administrative, dont le montant est fixé par la réglementation et peut être renouvelé tant que la situation n'est pas corrigée. Le détail des obligations et le modèle de déclaration sont publiés sur le site officiel de l'accessibilité numérique.
Une méthode : la machine pour la première passe, l'humain pour la conformité
La répartition qui fonctionne en pratique est stable d'une organisation à l'autre.
| Tâche | Génération automatique | Validation humaine |
| Transcription d'une réunion interne | Suffisante | Facultative |
| Sous-titres d'une vidéo publiée | Première passe | Obligatoire |
| Alternative d'image décorative | À éviter, l'alternative doit rester vide | Décision humaine |
| Alternative d'image informative | Brouillon | Obligatoire |
| Alternative de graphique ou de schéma | Insuffisante | Rédaction humaine |
| Version en langage clair | Première passe | Relecture, obligatoire si le texte engage |
Trois indicateurs suffisent à piloter le sujet dans la durée : la part de contenus publiés avec une alternative textuelle validée, le délai entre la publication d'une vidéo et celle de ses sous-titres corrigés, et le nombre de retours d'utilisateurs signalant un blocage. Le troisième est le plus important et le moins suivi.
Ce qu'il faut retenir
Le couple IA et accessibilité fonctionne à une condition : traiter la génération automatique comme une accélération de la production, jamais comme une garantie de conformité. Elle divise par cinq ou dix le coût du sous-titrage et rend envisageable le rattrapage de milliers d'images sans alternative. Elle ne décide pas de l'intention d'une image, ne restitue pas un graphique, et ne signe pas une déclaration d'accessibilité.
Le geste à poser cette semaine est modeste : prenez vos cinq contenus les plus consultés, vérifiez qu'ils ont des sous-titres relus et des alternatives d'images pertinentes, et mesurez le temps que cela vous prend. Vous saurez alors quel volume vous pouvez tenir, et sur quels contenus concentrer l'effort humain.
Laisser un commentaire