IA et accessibilité : quand la technologie ouvre le numérique à tous

Une caméra fixée sur une paire de lunettes qui lit à voix haute le menu d'un restaurant. Une application qui décrit en une phrase ce qu'un smartphone voit à travers son objectif. Un clavier qui transforme du texte tapé en une voix qui ressemble, trait pour trait, à celle de son utilisateur avant qu'il ne la perde. Ce ne sont pas des scénarios de laboratoire : ce sont des usages quotidiens, déjà entre les mains de centaines de milliers de personnes en situation de handicap. Selon l'Organisation mondiale de la santé, environ 1,3 milliard de personnes dans le monde — soit une personne sur six — vivent avec un handicap significatif. Pour beaucoup d'entre elles, l'intelligence artificielle n'est pas un sujet de conversation abstrait : c'est l'outil qui permet de lire une facture, de suivre une réunion, de commander un café ou de garder une trace de sa propre voix.

Cet article fait le tour des usages de l'IA qui élargissent concrètement l'accès au numérique et au monde physique pour les personnes aveugles ou malvoyantes, sourdes ou malentendantes, présentant des troubles de la parole, des difficultés de lecture ou un handicap intellectuel. Il ne s'agit pas d'un inventaire de promesses lointaines : chaque technologie présentée ici est déployée, documentée et utilisée aujourd'hui, avec ses forces et ses limites. Nous verrons aussi ce que le cadre réglementaire européen, entré dans une nouvelle phase en 2025, change pour les organisations qui publient du contenu numérique.

Le fil conducteur est simple : l'accessibilité n'est pas une case à cocher, c'est un problème d'ingénierie à part entière — reconnaissance d'image, traitement du langage, synthèse vocale, vision par ordinateur — que l'IA aborde avec des résultats tangibles. Comprendre comment ces outils fonctionnent, où ils excellent et où l'humain reste nécessaire permet de lire ce sujet sans naïveté ni scepticisme excessif, mais avec la précision qu'il mérite.

Une communauté immense, un numérique encore trop fermé

Avant de parler de solutions, il faut mesurer l'ampleur du problème qu'elles adressent. Le chiffre de 1,3 milliard de personnes en situation de handicap avancé par l'OMS recouvre des réalités très diverses : déficience visuelle, surdité ou malentendance, troubles moteurs affectant la parole, dyslexie, handicap intellectuel, troubles du spectre de l'autisme. Ce nombre progresse d'ailleurs avec l'allongement de l'espérance de vie et la hausse des maladies non transmissibles, ce qui rend la question de l'accessibilité numérique plus pressante à chaque décennie, et non moins.

Or le numérique, censé démultiplier l'autonomie, reste largement construit sans ces publics à l'esprit. Le rapport WebAIM Million 2025, qui audite chaque année l'accessibilité des pages d'accueil des sites web les plus visités au monde, dresse un constat sans détour : sur un million de pages testées, 94,8 % présentent au moins une défaillance détectable au regard des critères WCAG (Web Content Accessibility Guidelines), avec une moyenne de 51 erreurs par page. Le problème le plus répandu, un contraste de texte insuffisant, touche à lui seul 79,1 % des pages. La bonne nouvelle, si l'on peut dire, c'est que la tendance s'améliore lentement : ce taux était de 98,1 % en 2020, et le nombre moyen d'erreurs par page a reculé de 10,3 % entre 2024 et 2025. Le mouvement est réel, mais il reste lent au regard de la vitesse à laquelle le web se complexifie — la page d'accueil moyenne comptait 1 257 éléments en février 2025, contre 1 173 un an plus tôt.

Indicateur	Valeur	Évolution / précision
Personnes en situation de handicap dans le monde	1,3 milliard	Environ 16 % de la population mondiale (OMS)
Pages d'accueil avec au moins une défaillance WCAG détectable	94,8 %	En baisse depuis 98,1 % en 2020 (WebAIM Million 2025)
Erreurs d'accessibilité moyennes par page	51	En baisse de 10,3 % par rapport à 2024
Pages affectées par un contraste de texte insuffisant	79,1 %	Problème le plus répandu du classement WebAIM

C'est dans cet écart — entre l'ampleur du besoin et la lenteur des progrès structurels du web — que l'intelligence artificielle a trouvé un terrain particulièrement fertile. Là où il faudrait des années pour que chaque site corrige son contraste, structure ses titres et légende ses images, une IA de reconnaissance d'image peut décrire une photo non légendée en une fraction de seconde, au moment même où l'utilisateur en a besoin. L'IA ne remplace pas la nécessité de concevoir des sites accessibles à la source ; elle offre un filet de sécurité immédiat pour un web encore imparfait.

Cet écart entre besoin et conception se retrouve, sous des formes différentes, dans chacun des domaines que nous allons parcourir : la vision, l'audition, la parole et la lecture. Dans chaque cas, le schéma se répète — un pan entier de contenu ou de service reste, par défaut, hors de portée d'une partie de la population, et l'IA s'insère précisément là où un adulte devrait normalement pouvoir compter sur une conception pensée dès l'origine pour lui. Comprendre cette dynamique aide à lire les outils qui suivent non comme des gadgets isolés, mais comme les pièces d'un même effort de rattrapage.

Voir pour ceux qui ne voient pas : la révolution des applications visuelles

Le domaine où l'IA a le plus visiblement transformé le quotidien des personnes aveugles ou malvoyantes est celui de la description visuelle assistée. Trois outils illustrent trois approches complémentaires du même problème : comprendre ce que l'œil ne peut pas voir.

Be My Eyes et Be My AI : l'humain et la machine, côte à côte

Be My Eyes a d'abord bâti son succès sur un principe simple et purement humain : mettre en relation, par appel vidéo, une personne aveugle ou malvoyante avec un volontaire voyant qui décrit ce que la caméra du téléphone capte. L'application a ensuite ajouté une couche d'intelligence artificielle, Be My AI, un modèle entraîné pour fournir des descriptions précises et détaillées, adaptées aux besoins des utilisateurs malvoyants, sans attendre la disponibilité d'un volontaire. L'utilisateur prend une photo ou pointe sa caméra, et reçoit en quelques secondes une description structurée de la scène : objets présents, texte visible, agencement spatial. Le duo humain-IA n'est pas un hasard de conception : l'IA traite l'instantané et le volume, l'humain reste disponible pour les situations ambiguës ou celles qui demandent du jugement — lire une étiquette de médicament dont la photo est floue, par exemple, ou confirmer une information sensible.

Seeing AI : le laboratoire de Microsoft devenu outil du quotidien

Développée par Microsoft, Seeing AI pousse la logique de la description automatique plus loin, avec une approche par « canaux » spécialisés. Un canal lit un texte dès qu'il apparaît dans le champ de la caméra ; un autre guide l'utilisateur par des indications audio pour cadrer une page imprimée avant de la lire dans son intégralité, mise en forme comprise ; un autre encore scanne les codes-barres pour identifier un produit en rayon, reconnaît les visages précédemment enregistrés et leurs expressions, décrit une scène générale, ou identifie la valeur d'un billet de banque au moment de payer en espèces. L'application, disponible sur iOS et Android, illustre une caractéristique commune à beaucoup de ces outils : elle ne cherche pas à remplacer la vue par un long discours, mais à répondre à des micro-besoins précis et répétés du quotidien — lire, identifier, reconnaître.

OrCam MyEye : l'assistance embarquée, sans smartphone

Autre approche, autre matériel : OrCam MyEye, conçu par la société israélienne OrCam, se présente comme une mini-caméra qui se fixe directement sur une monture de lunettes, alimentée par sa propre batterie, sans connexion permanente à un smartphone. L'utilisateur pointe du doigt le texte qu'il souhaite faire lire, et l'appareil s'exécute par synthèse vocale. Le dispositif reconnaît également jusqu'à une centaine de visages préalablement enregistrés — collègues, proches — et les annonce lorsqu'ils sont détectés, ainsi que les couleurs ou la valeur des billets de banque. La version la plus avancée du produit, MyEye Pro, ajoute une fonction de lecture ciblée : demander à l'appareil de ne lire que les prix sur un menu, ou de commencer directement à la rubrique « desserts », plutôt que de subir une lecture linéaire de tout le document.

Outil	Éditeur	Interaction principale	Point fort distinctif
Be My AI (dans Be My Eyes)	Be My Eyes	Photo + description IA, relais humain possible	Bascule entre IA et volontaire humain en temps réel
Seeing AI	Microsoft	Caméra smartphone, canaux spécialisés	Lecture de documents avec mise en forme conservée
OrCam MyEye	OrCam	Caméra portée sur lunettes, geste du doigt	Fonctionne sans smartphone, reconnaissance faciale embarquée

Ce qui frappe, en comparant ces trois outils, ce n'est pas leur rivalité mais leur complémentarité : une application mobile pour la polyvalence d'usage au quotidien, un dispositif porté pour les situations où sortir un téléphone est peu pratique, et un relais humain pour les cas où la machine hésite. Aucun des trois ne prétend remplacer une canne blanche, un chien guide ou une compétence en braille — ils s'ajoutent à la panoplie existante plutôt que de s'y substituer.

Décrire l'image : l'audiodescription assistée par IA

L'audiodescription — cette voix off qui décrit, entre les dialogues, ce qui se passe à l'écran pour un public aveugle ou malvoyant — reste une pratique coûteuse en temps humain : un descripteur professionnel doit visionner l'œuvre, rédiger un texte qui tient dans les silences disponibles, puis l'enregistrer avec une voix qui ne parasite pas le mixage original. Cette rareté explique pourquoi une large part du catalogue audiovisuel mondial reste, aujourd'hui encore, sans audiodescription.

L'intelligence artificielle intervient à plusieurs étapes de cette chaîne. Des outils de reconnaissance d'image et de vidéo identifient automatiquement les éléments visuels à décrire — personnages, actions, changements de décor — tandis que des systèmes de synthèse vocale de plus en plus naturels génèrent la voix off elle-même, dans des dizaines de langues, à partir du texte produit. Certaines solutions, comme celle développée par la société MAIIA, revendiquent une génération quasi instantanée d'audiodescriptions dans plus de trente langues, avec une réduction de coût considérable par rapport à une production entièrement manuelle. Ce gain de vitesse change la donne pour les catalogues volumineux — plateformes de streaming, archives audiovisuelles — où l'audiodescription humaine complète resterait, à l'échelle du catalogue entier, matériellement hors de portée.

Mais la prudence s'impose sur la qualité. Une étude conduite par le Centre national du cinéma et de l'image animée (CNC) avec le cabinet BearingPoint, publiée en avril 2024, tranche sur ce point avec netteté :

L'IA peut accélérer les processus de création d'audiodescription, mais ne peut pas entièrement remplacer l'interprétation humaine nécessaire pour garantir la qualité des contenus complexes.

La nuance est importante et se retrouve dans la plupart des retours de terrain du secteur : une scène d'action rapide, un jeu de regards silencieux entre deux personnages, une métaphore visuelle — autant de situations où une description automatique, aussi fluide soit sa voix de synthèse, peut manquer la portée narrative de l'image. L'usage qui se dessine n'est donc pas un remplacement pur et simple, mais une répartition des tâches : l'IA défriche un premier jet de description sur un volume que l'humain ne pourrait jamais couvrir seul, et l'expertise humaine se concentre sur la relecture, l'ajustement du rythme et les œuvres dont la complexité narrative le justifie.

Traduire les gestes : où en est la langue des signes automatique

La traduction automatique de la langue des signes vers le texte ou la parole — et inversement — est l'un des défis les plus ardus de l'accessibilité assistée par IA, pour une raison simple : une langue des signes n'est pas une suite de gestes isolés que l'on pourrait traduire mot à mot. Elle combine la position des mains, leur mouvement, l'expression du visage et une syntaxe spatiale propre, très différente de celle des langues vocales. La Langue des Signes Française (LSF) n'est d'ailleurs pas une simple transposition gestuelle du français : c'est une langue à part entière, avec sa grammaire.

Les progrès techniques récents s'appuient largement sur des architectures de vision par ordinateur combinées à des réseaux de neurones séquentiels. Un article de recherche publié en octobre 2025 détaille par exemple une approche hybride combinant réseaux convolutifs (CNN) et réseaux récurrents à mémoire longue (LSTM), s'appuyant sur la bibliothèque Mediapipe pour extraire en temps réel les points clés de la main, du visage et du buste — une méthode devenue courante dans ce champ de recherche, car elle permet de réduire la scène à un squelette de points suivis dans le temps plutôt qu'à des images brutes, beaucoup plus coûteuses à traiter.

Sur le plan applicatif, des projets comme SIGNON — une jeune pousse française née à Besançon — développent des systèmes visant à interpréter en temps réel, dans les deux sens, entre langue des signes française, langage oral et langage écrit ; le prototype, présenté en 2025, s'accompagne d'un patient travail de constitution de corpus LSF destiné à affiner le modèle. D'autres équipes de recherche, notamment à l'Université Bretagne Sud, explorent l'usage de l'IA générative combinée à des avatars 3D signants pour l'apprentissage de la langue des signes, une piste intéressante pour l'enseignement autant que pour la traduction. Le sujet a par ailleurs été popularisé par des initiatives individuelles marquantes, comme celle d'une étudiante ayant développé un système de reconnaissance des gestes de la langue des signes américaine (ASL) traduits en mots affichés à l'écran.

Malgré ces avancées, la littérature scientifique reste prudente sur la maturité réelle de ces systèmes :

L'intelligence artificielle et les dispositifs connectés doivent encore progresser pour interpréter fidèlement non seulement les gestes, mais aussi l'expression du visage et le contexte. La rareté des données et les variantes régionales compliquent la reconnaissance, et aucune solution ne peut prétendre résoudre la traduction LSF en temps réel de façon parfaite aujourd'hui.

Cette réserve mérite d'être prise au sérieux plutôt que balayée comme un simple avertissement d'usage. Les jeux de données d'entraînement disponibles pour les langues des signes restent, comparés à ceux du langage écrit, très réduits en volume, et chaque pays — parfois chaque région — possède sa propre langue des signes, avec ses propres variantes locales. Un système entraîné sur la langue des signes américaine ne transpose donc pas automatiquement à la LSF ou à la langue des signes britannique. C'est un domaine où l'IA progresse concrètement, sans pour autant avoir atteint le stade d'un outil de traduction fiable en toute circonstance — la comparaison honnête serait celle d'un traducteur automatique de langue écrite d'il y a une quinzaine d'années : utile pour dégrossir, encore loin de la nuance d'un interprète humain professionnel.

Sous-titrer et transcrire en temps réel

Pour les personnes sourdes ou malentendantes, le sous-titrage automatique généré par reconnaissance vocale est sans doute la technologie d'accessibilité par IA la plus largement diffusée, ne serait-ce que parce qu'elle équipe par défaut la plus grande plateforme vidéo du monde. YouTube génère automatiquement des sous-titres pour une large partie de ses vidéos grâce à un système de reconnaissance vocale qui transcrit l'audio en texte synchronisé.

La technologie a nettement progressé, mais elle reste sensible à plusieurs facteurs bien documentés : la précision baisse pour un vocabulaire technique spécialisé, pour les accents marqués ou les dialectes, et en présence de bruit de fond ou de musique superposée à la voix. Une vidéo enregistrée dans un environnement calme, avec une seule voix claire, donnera un résultat nettement plus fiable qu'une captation en extérieur ou une conversation à plusieurs voix qui se chevauchent. C'est pourquoi les créateurs de contenu sont invités à relire systématiquement les sous-titres générés automatiquement et à corriger les segments mal transcrits avant publication — la machine propose un premier jet exploitable, pas un résultat définitif à publier sans contrôle.

Cette limite n'enlève rien à l'utilité massive du dispositif : avant la généralisation des sous-titres automatiques, la quasi-totalité du contenu vidéo en ligne était tout simplement inaccessible à une personne sourde ou malentendante, sauf sous-titrage manuel préalable — une pratique rare en dehors des productions professionnelles. Le sous-titrage automatique par IA a fait basculer la norme par défaut : d'un web vidéo silencieux pour les personnes malentendantes, à un web vidéo dont une majorité de contenus offre au moins une transcription approximative, immédiatement corrigible. C'est un changement d'échelle, même si la qualité individuelle de chaque sous-titre reste variable.

Redonner une voix : synthèse vocale et reconnaissance de la parole atypique

Un pan moins visible mais tout aussi significatif de l'accessibilité par IA concerne la parole elle-même — la reconnaître quand elle est atypique, et la restituer quand elle vient à manquer.

Project Euphonia : apprendre à comprendre une parole différente

Les systèmes de reconnaissance vocale grand public sont entraînés, dans leur grande majorité, sur des voix standards. Résultat documenté : leur précision chute nettement pour les personnes présentant un accent marqué, un dialecte, ou une parole affectée par un trouble neurologique — sclérose latérale amyotrophique (SLA), maladie de Duchenne, Parkinson, sclérose en plaques, séquelles d'un accident vasculaire cérébral. C'est précisément le problème qu'attaque Project Euphonia, un projet de recherche de Google qui collecte des exemples de parole atypique — d'abord en anglais, puis étendu à l'espagnol, au japonais, au français et à l'hindi — pour entraîner des modèles de reconnaissance vocale capables de comprendre ces voix. Le projet collabore notamment avec l'Université de l'Illinois à Urbana-Champaign dans le cadre du Speech Accessibility Project, qui constitue des jeux de données de parole atypique mis à disposition des chercheurs et des développeurs. Une application dérivée de ces travaux, Project Relate, permet à chaque utilisateur de personnaliser un modèle de reconnaissance vocale à partir de sa propre manière de parler, pour faciliter la communication au quotidien.

Personal Voice et Live Speech : conserver sa voix avant de la perdre

À l'inverse — donner une voix plutôt que la comprendre —, Apple a présenté avec iOS 17 la fonctionnalité Personal Voice : en lisant à voix haute, pendant une quinzaine de minutes, une série de textes proposés par l'appareil, l'utilisateur entraîne un modèle vocal qui reproduit fidèlement le timbre de sa propre voix. La cible visée n'est pas la personne qui a déjà perdu l'usage de la parole, mais celle qui risque de le perdre à l'avenir — typiquement dans le cadre d'une SLA évolutive — et qui souhaite préserver sa voix avant que la maladie ne l'affecte. Associée à Live Speech, une fonction qui permet de taper du texte pour le faire prononcer à voix haute lors d'un appel ou d'une conversation en face à face, cette voix personnelle peut ensuite être utilisée au quotidien, y compris quand la parole naturelle devient difficile ou impossible.

Pour cloner la voix de l'utilisateur cible, Apple a affiné le modèle acoustique par un entraînement embarqué sur l'appareil — l'entraînement du modèle et son inférence s'effectuent entièrement en local, afin de préserver la confidentialité des données vocales.

Ce choix technique — tout traiter sur l'appareil plutôt que d'envoyer des heures d'enregistrement vocal vers un serveur distant — répond à une préoccupation légitime : la voix est une donnée biométrique éminemment personnelle, et les personnes qui l'enregistrent en vue de la préserver le font souvent dans un contexte médical sensible. La confidentialité n'est pas ici un argument marketing accessoire, mais une condition d'adoption pour un public qui a des raisons concrètes de se soucier de la protection de ses données de santé.

Lire et comprendre : FALC, dyslexie et lecture assistée

Toutes les situations de handicap ne concernent pas la vue, l'ouïe ou la parole : certaines touchent directement la capacité à lire et à comprendre un texte, que ce soit du fait d'un handicap intellectuel, d'un trouble de l'apprentissage comme la dyslexie, ou plus largement d'une difficulté de compréhension face à un texte administratif dense.

Le FALC, une méthode ancienne renforcée par l'IA

Le FALC (Facile à Lire et à Comprendre) est une méthode de simplification textuelle qui précède largement l'intelligence artificielle : une cinquantaine de règles — phrases courtes, vocabulaire simple, mise en page aérée, illustrations — pensées à l'origine pour les personnes présentant un handicap intellectuel, mais aujourd'hui reconnues utiles bien au-delà : personnes dyslexiques, personnes âgées, parents non francophones, ou simplement lecteurs pressés. Le défi du FALC a toujours été sa lenteur de production : transformer un document administratif ou une actualité en version FALC demande un travail de réécriture minutieux, réalisé traditionnellement par des professionnels formés à la méthode.

Le projet Cap'FALC, porté par l'association Unapei en partenariat avec l'Inria et Meta AI depuis 2018, met l'intelligence artificielle au service de cette transcription. L'outil ne remplace pas le jugement humain : il propose des suggestions de phrases simplifiées et un dictionnaire de définitions FALC, que des travailleurs en situation de handicap intellectuel évaluent ensuite eux-mêmes, en jugeant la pertinence de chaque proposition avant de la valider. Cette conception — l'IA propose, l'utilisateur concerné juge — est un exemple particulièrement abouti de conception inclusive : les premiers bénéficiaires de l'outil participent directement à son fonctionnement, plutôt que de le subir en aval.

Le lecteur immersif : simplifier sans réécrire

Une autre approche, complémentaire, consiste non pas à réécrire le texte mais à transformer la façon dont il est présenté à l'œil et à l'oreille. Le Lecteur immersif de Microsoft, intégré à des outils comme Word, OneNote, Teams et au navigateur Edge, propose un mode de mise au point qui retire les distractions visuelles de la page, une lecture à voix haute, un espacement des lignes et des polices ajustable, une syllabation visuelle des mots et un dictionnaire d'images associées au vocabulaire. Conçu à l'origine pour accompagner les personnes dyslexiques, il s'adresse plus largement à des profils variés — troubles de l'attention, autisme, paralysie cérébrale — ainsi qu'aux lecteurs émergents et aux locuteurs qui apprennent une nouvelle langue. Cette double approche — simplifier le fond avec le FALC, simplifier la forme avec le lecteur immersif — illustre bien que l'accessibilité de la lecture ne se résume pas à une seule technique : selon le besoin, on adapte le texte lui-même, ou on adapte la manière de le recevoir.

Le cadre réglementaire qui pousse le mouvement

Les avancées techniques présentées jusqu'ici ne se développent pas dans un vide juridique. Depuis le 28 juin 2025, le European Accessibility Act (EAA), une directive européenne, impose aux entreprises fournissant certains services numériques au grand public — commerce en ligne, banque, livre numérique, transport, télécommunications, médias — de rendre leurs services accessibles. Sont concernées les entreprises de plus de dix salariés ou réalisant plus de deux millions d'euros de chiffre d'affaires ; les microentreprises restent exemptées, sauf lorsqu'elles opèrent dans le cadre d'une délégation de service public.

En France, le référentiel technique qui traduit concrètement cette obligation est le RGAA (Référentiel Général d'Amélioration de l'Accessibilité), dans sa version 4.1.2, qui reprend les critères des WCAG 2.1 niveau AA — le standard international de référence — répartis en 106 critères regroupés en treize thématiques. Tout contenu numérique mis en ligne après le 28 juin 2025 doit être conforme dès sa publication ; les contenus déjà en ligne avant cette date bénéficient d'un délai de mise en conformité s'étendant jusqu'en 2030. Les sanctions prévues pour non-conformité technique peuvent atteindre 50 000 euros, renouvelables tous les six mois en l'absence de correction (décret n° 2023-931 du 9 octobre 2023), auxquels s'ajoutent des pénalités spécifiques en cas de défaut de déclaration de conformité.

Ce cadre réglementaire compte pour notre sujet à double titre. D'une part, il crée une obligation légale qui pousse les organisations à investir dans l'accessibilité — y compris via des outils d'IA d'audit automatique capables de détecter en quelques minutes des défauts de contraste, de structure de titres ou de description d'image sur un site entier, là où un audit manuel exhaustif prendrait des jours. D'autre part, il rappelle une limite essentielle des outils présentés dans cet article : les technologies d'assistance individuelles — lecteur d'écran, description IA, sous-titrage automatique — compensent, pour un utilisateur donné, un défaut d'accessibilité à la source. Elles ne dispensent jamais l'éditeur d'un site ou d'un service de le concevoir correctement dès le départ. Les deux démarches sont complémentaires, pas substituables l'une à l'autre.

Ce que l'IA ne résout pas (encore)

Il serait malhonnête de clore ce panorama sans nommer clairement les limites actuelles de ces technologies, qui reviennent d'ailleurs comme un motif récurrent dans les sources techniques citées tout au long de cet article.

La première limite est celle de la fidélité au contexte. Une description d'image automatique restitue ce qu'elle reconnaît — objets, personnes, texte — mais peine encore à saisir une intention narrative, une ironie visuelle ou une nuance émotionnelle qu'un descripteur humain identifierait d'instinct. C'est exactement le constat posé par l'étude du CNC sur l'audiodescription, et il vaut tout autant pour la traduction de la langue des signes, où l'expression du visage porte une part de la grammaire elle-même.

La deuxième limite est celle des données d'entraînement disponibles. Les systèmes de reconnaissance vocale ou gestuelle sont d'autant plus précis que leurs données d'entraînement sont abondantes et diversifiées — or les voix atypiques, les langues des signes régionales ou les accents minoritaires restent, par nature, sous-représentés dans les corpus disponibles. C'est précisément pour combler ce déséquilibre que des projets comme Project Euphonia ou le Speech Accessibility Project existent : constituer, patiemment, les données qui manquent.

La troisième limite est structurelle et rejoint le constat du rapport WebAIM Million 2025 : même avec une amélioration continue, 94,8 % des pages d'accueil du web les plus visitées présentent encore une défaillance d'accessibilité détectable. Aucune application d'assistance, aussi performante soit-elle, ne compense entièrement un web dont la conception de base ignore les standards d'accessibilité. Un lecteur d'écran peut contourner un mauvais contraste ; il ne peut pas deviner le contenu d'une image sans description alternative, ni donner un sens à une structure de page mal balisée.

Enfin, une limite plus fine, mais réelle : ces outils fonctionnent d'autant mieux que les conditions d'usage se rapprochent du cas d'entraînement — un environnement calme pour la transcription vocale, une image nette pour la lecture de texte, une gestuelle standard pour la langue des signes. Le monde réel est plus bruyant, plus flou, plus varié que n'importe quel jeu de données. C'est pourquoi la quasi-totalité des outils présentés ici conserve, d'une manière ou d'une autre, une porte de sortie vers l'humain : le relais volontaire de Be My Eyes, la relecture recommandée des sous-titres automatiques, ou la validation par l'utilisateur concerné dans Cap'FALC.

Ces limites ne sont pas des défauts passagers voués à disparaître mécaniquement avec la prochaine génération de modèles : elles tiennent, pour une bonne part, à la nature même des situations qu'elles cherchent à couvrir. La diversité des voix humaines, des gestuelles régionales et des contextes visuels est, par construction, plus vaste que n'importe quel corpus d'entraînement, aussi grand soit-il. Le progrès attendu dans les prochaines années ressemblera donc moins à une bascule soudaine vers la perfection qu'à un rétrécissement progressif de l'écart entre les cas courants, déjà bien traités, et les cas rares, qui continueront longtemps de solliciter un jugement humain.

Ce que ces avancées changent, concrètement

Pour une organisation qui publie du contenu numérique — site web, application, vidéo, document —, ce panorama se traduit en priorités d'action assez lisibles.

La première consiste à traiter les fondamentaux de l'accessibilité comme un prérequis, pas comme une option : texte alternatif sur les images, contraste suffisant, structure de titres logique, sous-titres relus après génération automatique. Ce sont précisément les points que le rapport WebAIM Million 2025 identifie comme les plus fréquemment négligés, et ce sont aussi ceux qu'un outil d'audit automatisé par IA peut détecter en quelques minutes sur un site entier — un gain de temps réel pour prioriser les corrections.

La deuxième consiste à considérer les outils d'assistance par IA — description d'image, transcription, synthèse vocale — comme un complément et non comme une excuse. Publier une vidéo sans sous-titres en misant sur la génération automatique de la plateforme d'hébergement, sans jamais relire le résultat, revient à transférer la charge de la qualité sur l'utilisateur final, précisément celui que l'on cherche à mieux servir.

La troisième, plus large, consiste à retenir le principe illustré par Cap'FALC : la meilleure conception inclusive associe les personnes concernées à l'évaluation des outils censés les servir. Un système d'IA entraîné sans retour des utilisateurs finaux tend à optimiser ce qui est facile à mesurer — une métrique de reconnaissance — plutôt que ce qui compte réellement pour l'usage quotidien.

La question qui structure vraiment ce domaine n'est pas « l'IA peut-elle remplacer l'assistance humaine ? » mais « où l'IA libère-t-elle du temps humain pour les cas qui en ont le plus besoin ? » — et les meilleurs outils du secteur, de Be My Eyes à Cap'FALC, sont précisément ceux qui ont construit leur réponse autour de cette question.

Une technologie qui tient sa promesse la plus simple

L'intelligence artificielle appliquée à l'accessibilité n'a pas besoin de superlatifs pour convaincre : elle se mesure à des gestes très concrets rendus possibles ou plus simples — lire une lettre reçue par courrier, suivre les sous-titres d'une vidéo, faire traduire un formulaire administratif en langage clair, conserver une trace de sa propre voix. Chacune des technologies passées en revue dans cet article — description d'image, audiodescription assistée, traduction gestuelle, sous-titrage automatique, synthèse et reconnaissance vocale, simplification textuelle — répond à un besoin identifié, documenté, et déjà servi par des millions d'usages quotidiens.

Ce panorama montre aussi une caractéristique commune à ce champ d'application de l'IA, plus rare qu'on ne le croit ailleurs dans le secteur : la quasi-totalité des outils qui fonctionnent bien assument leurs limites plutôt que de les masquer, et conservent un chemin vers l'intervention humaine pour les cas où la machine hésite. Be My Eyes garde son réseau de volontaires en parallèle de son IA ; Cap'FALC fait valider chaque suggestion par les personnes concernées ; les experts de l'audiodescription rappellent eux-mêmes, à travers l'étude du CNC, que l'IA accélère sans remplacer. Cette honnêteté méthodologique est sans doute la meilleure garantie que ces outils continueront de s'améliorer sans jamais perdre de vue l'utilisateur qu'ils sont censés servir.

Le cadre réglementaire européen, avec l'entrée en application de l'European Accessibility Act à la mi-2025, ajoute une dynamique structurelle à ces avancées technologiques : l'accessibilité numérique cesse progressivement d'être une bonne pratique facultative pour devenir une obligation vérifiable. La combinaison des deux — des outils d'IA de plus en plus capables, et un cadre légal qui pousse à corriger l'accessibilité à la source — dessine une trajectoire cohérente vers un numérique conçu, dès le départ, pour tout le monde.

Sources

Cet article s'appuie sur des sources publiques et vérifiables :

• Organisation mondiale de la santé, « Handicap » — who.int (statistiques mondiales du handicap).
• Be My Eyes, « Be My AI » — bemyeyes.com (description visuelle assistée par IA).
• Microsoft, « Seeing AI — A Visual Assistant for the Blind » — seeingai.com (application officielle et fonctionnalités).
• Association Valentin Haüy — CERTAM, évaluation « MyEye d'OrCam » — avh.asso.fr.
• Retour d'image, « Quels usages de l'IA pour l'audiodescription et le sous-titrage des œuvres ? » — retourdimage.eu (dont l'étude CNC / BearingPoint, avril 2024).
• SIGNON, « Traduction langue des signes en temps réel par IA » — signon-app.fr.
• « Reconnaissance Automatique des Langues des Signes : une approche hybridée CNN-LSTM basée sur Mediapipe » — arXiv 2510.22011 (octobre 2025).
• Google Research, « Project Euphonia: Communication research for non-standard speech » — sites.research.google.
• Apple Machine Learning Research, « Advancing Speech Accessibility with Personal Voice » — machinelearning.apple.com.
• Unapei, « L'innovation Cap'FALC » — falc.unapei.org (projet de recherche avec Inria et Meta AI).
• Microsoft Support, « Utiliser Lecteur immersif dans Microsoft Edge » — support.microsoft.com.
• WebAIM, « The WebAIM Million — The 2025 report on the accessibility of the top 1,000,000 home pages » — webaim.org.
• Mon Parcours Handicap (gouvernement français), « Accessibilité numérique et handicap : entrée en vigueur de l'EAA » — monparcourshandicap.gouv.fr.