IA & accessibilité
Audit d'accessibilité par IA : méthode, fiabilité, limites
Comment un audit d'accessibilité par IA juge les critères contextuels, comment sa fiabilité se mesure, et où passent ses limites honnêtes.
La méthode : mesurer, juger, tracer
Un audit d'accessibilité par IA digne de ce nom repose sur trois piliers :
- Mesurer ce qui se calcule — contrastes, structure, attributs — sans jamais le confier à une opinion ;
- Juger ce qui demande du contexte — l'IA lit l'arbre d'accessibilité (ce que restitue un lecteur d'écran), regarde la capture, navigue au clavier ;
- Tracer chaque verdict — preuve, niveau de confiance, méthode utilisée. Un constat sans preuve ne vaut rien juridiquement.
La fiabilité se mesure, elle ne se décrète pas
Les jugements IA sont comparés entre méthodes et entre modèles sur des sites réels : quelle approche donne le verdict le plus stable ? Les critères où l'IA hésite sont remontés en priorité à la relecture humaine, avec leur niveau de confiance affiché.
> La limite assumée — Certains critères exigent une restitution sur un lecteur d'écran réel ou un contexte que la machine n'a pas (exemption légale, contenu tiers dérogé). L'IA les signale « à confirmer » : c'est une limite honnête, pas un angle mort caché.
Pourquoi c'est mieux qu'un audit pressé
Un auditeur humain fatigué survole ; l'IA examine chaque critère avec la même rigueur, à chaque page. L'humain garde le dernier mot — mais sur un dossier déjà instruit.
---
À lire aussi