L'IA comme outil d'accessibilité : forces et limites

Un véritable tournant — avec des réserves

L’intelligence artificielle transforme l’expérience du handicap de manières qui vont du véritablement transformateur au survendu. Le sous-titrage en temps réel, la description d’images, la simplification de texte et les interfaces à commande vocale se sont considérablement améliorés ces dernières années, et pour de nombreuses personnes en situation de handicap, les outils propulsés par l’IA ont concrètement changé ce qui est possible au quotidien.

Mais l’IA est aussi appliquée à l’accessibilité de façons qui ne fonctionnent pas — ou qui créent de nouvelles exclusions tout en prétendant les résoudre. Les surcouches d’accessibilité promettent une conformité instantanée propulsée par l’IA et n’en livrent aucune. Les biais dans les données d’entraînement font que certains systèmes d’IA fonctionnent nettement moins bien pour les utilisateurs en situation de handicap que pour la population générale. Et le coût des outils d’accessibilité IA de haute qualité reste un obstacle pour les personnes qui en ont le plus besoin.

Un regard honnête sur l’IA et le handicap suppose de reconnaître ces deux facettes.

Ce que l’IA permet réellement

Sous-titrage en temps réel

La reconnaissance automatique de la parole (ASR) s’est considérablement améliorée. Le sous-titrage en temps réel propulsé par l’IA — via des systèmes comme Google Live Captions, Microsoft Azure Cognitive Services, et des outils dédiés comme le CART (Communication Access Realtime Translation) augmenté par l’IA — peut désormais produire des sous-titres suffisamment précis pour être véritablement utiles en situation réelle : réunions, conférences, événements.

Pour les utilisateurs sourds et malentendants, cela représente une amélioration pratique significative. Il y a dix ans, des sous-titres précis en temps réel exigeaient un sténotypiste humain. Aujourd’hui, les systèmes d’IA peuvent produire des sous-titres avec un taux d’erreur suffisamment faible pour soutenir une communication efficace dans la plupart des scénarios — même si la relecture humaine demeure importante dans les contextes à fort enjeu.

La précision varie selon l’accent, le bruit de fond, le vocabulaire technique et le débit de parole. Les utilisateurs ayant un accent atypique (ce qui inclut de nombreux locuteurs non natifs de l’anglais) trouvent souvent les systèmes ASR actuels nettement moins précis pour eux que pour les locuteurs natifs — un biais ancré dans les données d’entraînement qui reste un problème d’actualité.

Description d’images et génération de texte alternatif

Les systèmes de vision par ordinateur peuvent désormais générer des descriptions d’images avec une précision suffisante pour être utiles. Des outils comme Microsoft Seeing AI, Google Lookout, et les fonctions de description d’images d’iOS et d’Android décrivent en temps réel des photographies, des documents et des scènes pour les utilisateurs aveugles et malvoyants.

Pour les sites web, le texte alternatif généré par l’IA représente une amélioration significative par rapport à l’alternative courante (pas de texte alternatif du tout). Les plateformes de réseaux sociaux ont déployé la génération de texte alternatif par IA à grande échelle, et bien que les descriptions soient souvent génériques, elles valent mieux que le silence.

La limite : le texte alternatif généré par l’IA ne peut pas transmettre de façon fiable le sens d’une image dans son contexte. Il peut dire « un groupe de personnes debout devant un bâtiment » mais pas « l’équipe QualiBooth au Web Summit 2025 ». Un texte alternatif rédigé par un humain, qui explique pourquoi l’image compte, reste la référence absolue. Consultez notre guide sur la rédaction de contenu accessible pour les réseaux sociaux pour des conseils pratiques.

Simplification de texte

Les grands modèles de langage peuvent simplifier des textes complexes — documents administratifs, termes juridiques, informations médicales — en un langage clair accessible aux personnes ayant un handicap cognitif, des troubles de l’apprentissage ou un niveau de littératie plus faible. Cette application présente un potentiel réel, en particulier pour les contenus que les organisations sont légalement tenues de publier mais qui sont intrinsèquement complexes.

Les défis : la simplification par l’IA peut introduire des erreurs. Le résultat simplifié devrait être relu par des humains. Et la « bonne » simplification varie considérablement d’un utilisateur à l’autre — ce qui aide une personne dyslexique peut différer de ce qui aide une personne ayant une déficience intellectuelle.

Commande vocale et dictée

La commande vocale propulsée par l’IA est devenue une alternative pratique au clavier et à la souris pour de nombreux utilisateurs ayant un handicap moteur. Dragon NaturallySpeaking, Windows Speech Recognition, et la commande vocale d’iOS/Android utilisent l’apprentissage automatique pour améliorer la précision propre à chaque utilisateur au fil du temps.

L’amélioration de la qualité de ces systèmes au cours de la dernière décennie est substantielle. Pour les utilisateurs atteints de pathologies comme la sclérose en plaques, la SLA ou une arthrite sévère, la commande vocale a rendu possible une autonomie qui était bien plus difficile à atteindre avec les technologies antérieures.

La lacune : la précision de la commande vocale varie encore fortement selon la qualité du microphone, le bruit de fond et les schémas d’élocution. Les utilisateurs atteints de dysarthrie (qui touche de nombreuses personnes ayant une paralysie cérébrale ou ayant subi un AVC) peuvent trouver les systèmes de reconnaissance vocale actuels moins efficaces que pour une parole claire et typique — une lacune d’accessibilité persistante au sein même d’un outil d’accessibilité.

Là où l’IA échoue

Biais dans les données d’entraînement

Les systèmes d’IA apprennent à partir de données. Lorsque les données utilisées pour entraîner un système sous-représentent les personnes en situation de handicap — ou les représentent principalement dans des contextes pathologiques ou stéréotypés — le système qui en résulte peut fonctionner moins bien pour les utilisateurs en situation de handicap, mal interpréter les contenus liés au handicap, ou renforcer des présupposés nuisibles.

Ce n’est pas une préoccupation théorique. Des études ont montré que les systèmes ASR sont moins précis pour les locuteurs atteints de dysarthrie ou ayant des schémas d’élocution atypiques. Les systèmes de reconnaissance faciale sont moins précis pour les utilisateurs qui ne correspondent pas aux normes démographiques des données d’entraînement. Les algorithmes de présélection à l’embauche entraînés sur des données historiques peuvent désavantager les candidats en situation de handicap.

Développer une IA qui fonctionne bien pour les utilisateurs en situation de handicap exige d’inclure des personnes en situation de handicap dans le processus de conception et de test — non pas après coup, mais en tant que participantes dès les toutes premières étapes.

Surcouches d’accessibilité : l’« AI washing »

Les surcouches d’accessibilité propulsées par l’IA prétendent détecter et corriger automatiquement les problèmes d’accessibilité des sites web. Elles sont promues de façon agressive et souvent présentées comme produisant une conformité instantanée aux exigences WCAG ou ADA.

Elles ne fonctionnent pas. Les surcouches ne peuvent pas corriger les barrières de code sous-jacentes qui causent les défaillances d’accessibilité. Elles interfèrent fréquemment avec les technologies d’assistance sur lesquelles les utilisateurs s’appuient déjà — les lecteurs d’écran se comportent de façon inattendue, la navigation au clavier se brise, la surcouche elle-même introduit de nouvelles barrières. Et elles sont apparues dans un nombre croissant de poursuites en accessibilité comme preuve que le défendeur avait connaissance de problèmes d’accessibilité mais a choisi une non-solution plutôt qu’une véritable remédiation. Nous traitons ce sujet en détail dans notre article sur la véritable accessibilité numérique.

Coût et accès

Les outils d’accessibilité IA les plus efficaces sont souvent onéreux, dépendants du matériel, ou fondés sur un abonnement. Les utilisateurs en situation de handicap, qui font déjà face à des coûts plus élevés pour l’équipement, les soins de santé et les technologies d’assistance, ne peuvent souvent pas s’offrir les formules premium des services d’IA offrant le meilleur soutien à l’accessibilité.

La conception universelle — intégrer l’accessibilité aux produits grand public plutôt que de compter sur l’achat d’outils spécialisés par les utilisateurs — reste l’approche la plus équitable.

Ce que cela signifie pour notre manière de concevoir

L’implication la plus importante du rôle de l’IA dans le handicap n’est pas que les outils d’IA résoudront le problème de l’accessibilité à notre place. Ils ne le feront pas. Les fondamentaux de la conception accessible — HTML sémantique, opérabilité au clavier, étiquetage correct, contraste suffisant — restent le socle dont dépendent à la fois les utilisateurs humains et les outils d’IA.

Ce que l’IA change, c’est le soutien disponible pour les utilisateurs par-dessus ce socle. Lorsque le socle est solide, les outils propulsés par l’IA peuvent étendre et amplifier ce qui est possible. Lorsque le socle est défectueux, les outils d’IA tentent de compenser quelque chose qui aurait dû être construit correctement.

Construisez des produits numériques accessibles. Ensuite, les technologies d’assistance IA pourront réellement aider les personnes qui les utilisent.

Si vous voulez comprendre où en sont actuellement vos produits numériques sur ce socle, lancez une analyse gratuite ou parlez à notre équipe d’un audit d’accessibilité complet.