Une photo vaut mille mots… sauf quand on ne la voit pas !

Salut à toutes et à tous ! Aujourd’hui, j’ai envie de parler d’un sujet qui paraît banal : les photos. Nous en croisons partout. Sur Facebook, sur les sites Internet, dans nos messageries, sur nos smartphones, dans les articles, sur les réseaux sociaux… Pour quelqu’un qui voit, il suffit généralement de regarder. Pour moi, forcément, ça se passe autrement. Je suis complètement aveugle. Une photo, je ne la vois donc pas. Pourtant, cela ne veut pas dire que je ne peux pas savoir ce qu’elle représente, la comprendre, choisir une photo parmi plusieurs ou même décider laquelle je souhaite publier. Les outils ont énormément évolué et, aujourd’hui, les descriptions automatiques rendent déjà de sacrés services. Mais il reste aussi quelques situations où l’on se dit : « Ah merde… Facebook n’a pas pu décrire l’image ! » Et là, tout devient tout de suite beaucoup moins intéressant. Une description, même courte, change déjà beaucoup de choses Lorsque je parcours Facebook ou que je rencontre une image ailleurs, je n’ai pas nécessairement besoin qu’on me fasse immédiatement une description de vingt lignes. Souvent, quelques informations suffisent pour commencer. Les descriptions proposées par Facebook ou par Apple font d’ailleurs assez bien le travail dans beaucoup de situations. Elles restent parfois sommaires, certes, mais elles me permettent au moins de savoir ce que représente globalement l’image. Et bien souvent, c’est suffisant. Si je parcours rapidement des publications, je n’ai pas forcément envie que VoiceOver me lise pendant trois minutes la position de chaque personne, la couleur de chaque vêtement, ce qu’il y a au premier plan, au deuxième plan, à l’arrière-plan et la perspective de la photo. Parfois, je veux simplement savoir ce qu’il y a dessus et continuer. En revanche, si la photo m’intéresse particulièrement, là, je peux avoir envie d’aller beaucoup plus loin. Et c’est là que d’autres outils entrent en jeu. Quand j’ai envie d’en savoir davantage J’utilise notamment des applications comme Be My Eyes, Seeing AI ou ScribeMe, qui peuvent fournir des descriptions beaucoup plus détaillées. Elles peuvent aller plus loin dans l’analyse d’une scène, parler des différents éléments présents sur l’image, de leur disposition, parfois de la perspective et de nombreux autres détails. Il m’arrive même de vouloir comparer les descriptions données par plusieurs outils. Pourquoi ? Tout simplement parce que chacun peut mettre l’accent sur des éléments différents. En croisant les informations, je peux obtenir une représentation encore plus précise de ce que contient l’image. À ma connaissance, je n’ai pas encore rencontré de cas où deux outils m’auraient donné des descriptions complètement contradictoires. Cela arrivera peut-être un jour. Aucun système n’est infaillible. Mais ce que je trouve surtout intéressant, c’est que la technologie permettant de décrire correctement une image existe déjà. Et c’est là que j’aimerais voir les grands acteurs du numérique aller encore plus loin. Pourquoi devrais-je forcément avoir plusieurs applications sur mon smartphone simplement pour pouvoir demander : « Bon, qu’est-ce qu’il y a vraiment sur cette photo ? » Une description courte d’abord, les détails si je les veux À mon sens, le système idéal serait finalement assez simple. Lorsqu’une image apparaît, mon lecteur d’écran pourrait commencer par me donner une description courte. Si elle me suffit, parfait. Je continue. Si l’image m’intéresse, je pourrais demander une description beaucoup plus détaillée. Parce que l’accessibilité, ce n’est pas forcément recevoir systématiquement le maximum d’informations possible. C’est aussi pouvoir choisir les informations dont on a besoin au moment où on en a besoin. Et selon la situation, mes besoins ne sont pas les mêmes. Si je parcours rapidement Facebook, je veux peut-être simplement identifier la photo. Si je prends le temps de m’y intéresser, alors oui, racontez-moi davantage. « L’image contient peut-être du texte » Et puis il y a les grands moments. Vous tombez sur une image et votre lecteur d’écran vous annonce quelque chose du genre : « L’image contient peut-être du texte. » Merci les gars ! Mais lequel ? Savoir qu’il y a peut-être du texte quelque part sur l’image me fait une belle jambe si c’est justement ce texte que je cherche à connaître. Même chose avec certaines captures d’écran. Si l’on m’annonce : « Image représentant une capture d’écran d’un smartphone. » Bon… Soyons francs : je m’en fiche un peu. Ce que je voudrais savoir, c’est ce qu’il y a sur cette fichue capture d’écran. Est-ce une conversation ? Une publication ? Un message d’erreur ? Un réglage ? Une application ? Et surtout : qu’est-ce qui est écrit ? Une description peut donc être techniquement correcte tout en étant pratiquement inutile. Et ça, c’est une différence importante. Et les affiches photographiées de guingois… Alors là, on entre parfois dans une autre dimension. Une affiche contenant beaucoup de texte peut déjà être compliquée à analyser automatiquement. Mais prenez maintenant cette même affiche, photographiez-la de travers, avec du texte tout petit, éventuellement un élément qui en masque une partie, une mauvaise perspective ou d’autres joyeusetés… Et bonne chance ! Les outils de reconnaissance peuvent faire des choses impressionnantes, mais ils ne font pas de miracles à chaque fois. Et moi, contrairement à quelqu’un qui voit, je ne peux pas simplement regarder l’image, zoomer sur le petit texte dans un coin et remettre mentalement l’affiche dans le bon sens. Alors il existe une solution extrêmement compliquée, nécessitant probablement plusieurs ingénieurs, quelques millions de francs et quinze années de recherche. Non, je plaisante. Écrivez simplement les informations importantes dans le texte de la publication. Vous voulez mettre votre jolie affiche ? Mettez-la ! Je ne demande certainement pas aux gens d’arrêter de publier des images. Mais s’il s’agit d’un événement, ajoutez par exemple dans le texte : la date, l’heure, le lieu, le prix, le moyen de s’inscrire et les informations essentielles. L’affiche reste là pour ceux qui veulent la regarder, et moi, je peux accéder directement aux renseignements importants. Tout le monde y gagne. Faut-il alors décrire absolument toutes les photos ? Pour moi, non. Ou, plus exactement : ça dépend. Les descriptions automatiques font déjà correctement le travail dans beaucoup de situations. Si elles me permettent de savoir suffisamment précisément ce que représente une photo, je n’ai pas nécessairement besoin que son auteur écrive lui-même un roman pour la décrire. En revanche, certaines images méritent davantage d’explications. Parce que l’auteur sait quelque chose qu’une intelligence artificielle ne connaît pas forcément : pourquoi il a choisi cette photo et ce qu’il veut montrer avec elle. Une description humaine peut alors apporter le contexte qui manque. Je ne demande donc pas qu’on me raconte chaque pixel. Je demande simplement d’avoir accès à l’image et à ce qui est important dedans. Parfois quelques mots suffisent. Parfois la description automatique suffit. Et parfois, il faut aller plus loin. Mais comment est-ce que je choisis mes propres photos ? Voilà une question que certaines personnes pourraient se poser. Si je ne vois pas les photos, comment puis-je savoir laquelle je vais publier ? En réalité, c’est assez simple. Je sais quelles sont mes photos les plus récentes. J’ai leur date. Les descriptions automatiques m’indiquent ce qu’elles représentent. En combinant ces informations, je peux généralement savoir exactement quelle photo j’ai devant moi. Et si j’en ai plusieurs qui se ressemblent ? Je demande simplement davantage de détails à une application de description. C’est aussi simple que ça. Je peux comparer les informations données pour différentes images et décider ensuite laquelle je veux utiliser. Et il y a là une distinction qui me paraît importante. Je ne demande pas : « Je suis aveugle, choisissez une photo à ma place. » Je demande : « Donnez-moi suffisamment d’informations sur ces photos pour que je puisse choisir moi-même. » Ce n’est vraiment pas la même chose. Bien sûr, je peux aussi demander l’avis de quelqu’un si j’en ai envie. Mais une personne voyante peut elle aussi montrer deux photos à quelqu’un et demander : « Tu préfères laquelle ? » Ce n’est pas une question de cécité. C’est simplement demander un avis. L’accessibilité ne consiste pas à décider à ma place Et finalement, c’est peut-être là que se trouve le fond de tout ça. Je ne verrai pas davantage la photo parce qu’elle est accessible. Je suis aveugle, et ça ne va pas changer parce qu’un smartphone est capable de me décrire une image. En revanche, l’information contenue dans cette image peut devenir accessible. Et une fois que j’ai cette information, je peux décider ce que je veux en faire. Lire. Comprendre. Comparer. Choisir. Partager. Publier. Ou décider que cette photo ne m’intéresse absolument pas et passer à la suivante. L’accessibilité ne consiste pas forcément à faire les choses à la place d’une personne. Elle consiste à lui donner les moyens de les faire elle-même. Les descriptions automatiques ont déjà énormément progressé. Les outils spécialisés montrent jusqu’où il est possible d’aller. Il reste maintenant à intégrer davantage ces possibilités directement dans les systèmes et les services que nous utilisons tous les jours. Cela éviterait notamment de devoir multiplier les applications simplement pour obtenir une information qui pourrait être accessible dès le départ. Alors oui, continuez à publier vos photos. Continuez à partager vos souvenirs, vos affiches, vos captures d’écran, vos bateaux, vos chevaux, vos paysages et tout ce que vous voulez. Mais de temps en temps, pensez simplement à celui qui tombe dessus avec VoiceOver ou JAWS et qui entend : « L’image contient peut-être du texte. » Parce qu’à ce moment-là, il risque fort de répondre : « C’est formidable… mais lequel ? » Et s’il dispose enfin de l’information nécessaire ? Eh bien, laissez-le faire le reste. Aveugle mais capable !