Un image describer regarde une image et rend une phrase qui la décrit. Tu lui passes une photo de produit, il écrit le texte alternatif. Tu lui passes un catalogue de trois mille visuels, il traite le lot pendant la nuit. Les usages sérieux sont au nombre de trois : l’accessibilité, le texte alternatif en masse, et le tri d’une photothèque. Voici ce que la technique rend correctement, et là où elle se trompe sans le dire.
Ce que produit un descripteur d’image
Selon le réglage, le même outil rend trois textes de longueur et de finalité différentes.
- La légende courte : une phrase de dix à quinze mots. C’est le format du texte alternatif.
- La description longue : un paragraphe qui détaille la scène, les positions et les couleurs. C’est le format pour les lecteurs d’écran sur une image complexe.
- La liste d’éléments : les objets détectés, sans phrase. C’est le format pour ranger et filtrer une photothèque.
Demander le mauvais format est l’erreur la plus courante. Un paragraphe de quatre-vingts mots dans un attribut alt gêne l’utilisateur de lecteur d’écran au lieu de l’aider.
Les trois usages qui justifient le déploiement
L’accessibilité
Une personne qui navigue au lecteur d’écran entend le texte alternatif à la place de l’image. Sans texte, elle entend le nom du fichier, ou rien. Les obligations d’accessibilité numérique visent d’abord les organismes publics et les grandes entreprises, mais le contrôle porte sur le résultat : une image porteuse d’information doit avoir une description. Un descripteur automatique traite le fond de catalogue en quelques heures, là où la rédaction manuelle prend des semaines et n’est jamais finie.
Le texte alternatif en masse
Sur une boutique de plusieurs milliers de références, les attributs alt sont vides ou remplis avec la référence produit. Un traitement automatique donne un texte utile pour chaque visuel. Le gain se voit sur la recherche d’images et sur la compréhension de tes pages par les moteurs, qui lisent l’alt pour établir le sujet de l’image.
Le tri d’une photothèque
Retrouver une photo dans un fonds de dix mille fichiers nommés IMG_4471 relève de la chance. Une description générée pour chaque fichier rend le fonds interrogeable en langage courant : femme en veste rouge, extérieur, hiver. Le sujet du classement automatique d’images est traité sur cette page, et les méthodes de recherche visuelle sont détaillées ici.
Écrire un bon texte alternatif, en cinq règles
- Décris la fonction, pas le pixel. Sur une fiche produit, ce qui compte est le produit et sa couleur, pas le fond de studio.
- Reste sous cent vingt-cinq caractères. Au-delà, les lecteurs d’écran coupent ou fatiguent.
- Ne commence pas par image de ou photo de. Le lecteur d’écran annonce déjà qu’il s’agit d’une image.
- Laisse l’attribut vide pour une image décorative. Une séparation graphique décrite à voix haute gêne la lecture.
- Ne répète pas la légende visible. L’utilisateur entendrait deux fois la même chose.
Un modèle laissé sans consigne produit systématiquement des descriptions trop longues qui commencent par une image montrant. Donne-lui ces cinq règles dans ta consigne, et la sortie devient exploitable sans relecture ligne à ligne.
Là où le descripteur se trompe
Les erreurs suivent des schémas connus. Elles arrivent en silence, avec une phrase parfaitement formée.
- Le texte dans l’image. Une affiche, un tableau de chiffres, une capture d’écran : la description ignore le contenu textuel ou le déforme. Pour ces cas, il faut une reconnaissance de caractères, pas une description.
- Le comptage. Au-delà de quelques objets, le nombre annoncé devient approximatif.
- L’identité. Le modèle décrit une personne par son apparence, jamais par son nom. Toute identification nominative dans une sortie automatique est à traiter comme fausse.
- Le contexte. Une photo prise dans un lieu précis sera décrite comme un lieu générique. Le modèle voit la scène, pas les métadonnées.
- Les détails techniques. Une référence, un numéro de série, une nuance précise de couleur ne se lisent pas de façon fiable.
- Les inférences sociales. Âge, profession, humeur : le modèle les invente à partir de l’apparence. Interdis-les dans ta consigne.
Traiter un catalogue sans se noyer
La méthode qui tient sur un gros volume tient en six étapes.
- Prends un échantillon de cinquante images représentatives du fonds, pas les cinquante premières.
- Écris une consigne unique, avec le format demandé, la longueur maximale et les interdictions.
- Lance l’échantillon, relis les cinquante sorties à la main. Compte les erreurs par type.
- Corrige la consigne sur le type d’erreur le plus fréquent, et relance le même échantillon.
- Quand le taux d’erreur descend sous cinq pour cent, traite le lot complet.
- Contrôle ensuite un tirage au sort de deux pour cent du lot final, et garde la trace de ce contrôle.
Le point qui fait échouer les projets est l’absence d’échantillon. Lancer dix mille images sans avoir relu cinquante sorties produit dix mille descriptions à corriger, ce qui coûte plus que la rédaction manuelle.
Le coût, et comment il se calcule
La facturation se fait à l’image traitée. Trois paramètres font varier la note du simple au quintuple.
- La longueur demandée. Une légende de quinze mots coûte une fraction d’une description de deux cents mots. Pour du texte alternatif, demande court : c’est meilleur et moins cher.
- La définition envoyée. Réduis tes images avant traitement. Une photo de huit mille pixels de large ne donne pas une meilleure description qu’une version à mille pixels, et elle coûte plus.
- Le nombre de passages. Chaque relance du lot complet double la facture. C’est pour cela que le réglage se fait sur cinquante images, pas sur dix mille.
Compte aussi le temps humain de contrôle, qui reste le poste principal. Sur un lot de dix mille visuels, le traitement automatique se compte en heures machine, et la relecture par échantillon en une journée de travail. Un projet qui ne prévoit pas cette journée livre un catalogue de descriptions jamais vérifiées.
Ce qu’il faut garder sous contrôle humain
- Les images médicales, juridiques ou de sécurité. Une description approximative y a des conséquences réelles.
- Les visuels qui portent un prix ou une mention légale. Le texte présent dans l’image se relit à la main.
- Les photos de personnes identifiables destinées à une publication.
- Les images d’archive dont la valeur tient au contexte historique, absent de l’image.
Par où démarrer cette semaine
Compte tes images sans attribut alt. Sur la plupart des sites, le chiffre dépasse la moitié du catalogue. Prends les cent visuels de tes pages les plus visitées, écris une consigne avec les cinq règles ci-dessus, génère, relis. Une heure de travail couvre les pages qui portent ton trafic. Le reste du fonds passe ensuite en traitement par lot, avec un contrôle par échantillon. Un descripteur bien réglé traite le volume ; c’est ta consigne qui décide de la qualité, pas le modèle.