« Si vous voulez une radio, dites RADIO. » Daniel Ploquin s'exécute. Une, deux, trois fois. À chaque tentative, la plateforme téléphonique lui répond qu'elle n'a pas compris. Laryngectomisé total et sans implant depuis 2012, il voulait simplement prendre rendez-vous pour une radiographie à l'hôpital. « Je finis par lâcher l'affaire. C'est mon épouse qui reprend le combiné et finit par prononcer le mot-clé », raconte-t-il. Un problème qu'il rencontre à chaque prise de rendez-vous hospitalière par téléphone. Pourtant, Daniel assure être parfaitement compris dans ses échanges quotidiens humains. Une fois par an, il intervient même sans micro devant une quarantaine d'étudiants de quatrième année à l'école d'orthophonie de Tours. « Tous me comprennent très bien », souligne-t-il. Les robots et plateformes téléphoniques, en revanche, restent pour lui « totalement inaccessibles ».
Cette différence entre compréhension humaine et reconnaissance automatisée, Jérôme Farinas l'étudie justement. Enseignant-chercheur à l'Institut de recherche en informatique de Toulouse (IRIT), il travaille sur la parole de personnes dont la voix a été altérée après un cancer ORL. « Quand ils n'arrivent pas à comprendre, ils essaient de se raccrocher à des choses qu'ils ont apprises et sortent parfois des réponses qui n'ont rien à voir », explique-t-il à propos des systèmes de reconnaissance vocale.
Pas de « neutralité mathématique »
« Whisper, développé par OpenAI, a été entraîné sur environ 680 000 heures d'enregistrements, rappelle-t-il. Mais ces immenses corpus contiennent surtout des voix non altérées ». Certaines personnes opérées après un cancer ORL ne peuvent plus produire certains sons ou certaines consonnes. Quand une voix s'éloigne trop de ce que le système a appris, celui-ci peut produire des « hallucinations » : des mots sans rapport avec ceux prononcés. « Autant la synthèse vocale est utilisable, autant l'autre sens est beaucoup plus difficile », résume Jérôme Farinas.
Le problème dépasse la reconnaissance vocale. « Il n'y a ni magie technologique ni neutralité mathématique », avertissaient dès 2020 le Défenseur des droits et la Commission nationale de l'informatique et des libertés (CNIL). Les algorithmes sont conçus par des humains et alimentés avec des données issues de pratiques humaines. Le manque de représentativité fait partie des biais les plus fréquents. Un système identique pour tous peut donc produire davantage d'erreurs pour certains groupes, en particulier ceux déjà exposés aux discriminations, comme les personnes en situation de handicap.
L'IA comme outil de compensation
Pour autant, l'IA ouvre aussi des possibilités très concrètes. Au TechLab d'APF France handicap, Sébastien Vermandel teste des aides techniques destinées à faciliter l'accès au numérique. Dans la communication alternative et améliorée (CAA), certaines fonctions permettent de reformuler une succession de pictogrammes en phrases plus naturelles. D'autres transcrivent la question d'un interlocuteur et suggèrent des réponses pour fluidifier l'échange.
La synthèse vocale a également beaucoup progressé. Des outils peuvent aujourd'hui reproduire une intonation, une intention, voire cloner une voix enregistrée avant qu'une maladie évolutive ne l'altère. C'est le cas par exemple de la solution « Invincible voice », une IA qui permet aux personnes atteintes de la SLA de continuer à dialoguer, malgré la perte de la parole ( Perte de voix SLA: une IA inédite pour préserver le dialogue ).
Selon Sébastien Vermandel, ces fonctions encore expérimentales il y a deux ou trois ans apparaissent désormais dans des logiciels commercialisés. Elles peuvent donc compenser une difficulté… à condition de rester accessibles et adaptées à ceux qui les utilisent.
Le biais de l'image
Le biais se niche aussi dans les images. En 2024, une équipe de Google Research et de l'Université de Washington a présenté à la conférence internationale CHI sur l'interaction homme-machine une étude menée auprès de 25 personnes handicapées. Les participants ont évalué des images générées par DALL-E 2, Stable Diffusion et Midjourney.
Fauteuil roulant omniprésent, personnes montrées tristes, seules, inactives ou incapables, faible diversité des handicaps, des âges ou des profils : plusieurs stéréotypes déjà présents dans la société réapparaissent dans les productions. L'étude, qualitative, ne permet pas de mesurer la fréquence de ces clichés dans l'ensemble des images générées. Elle montre en revanche que les modèles sont capables de les reproduire. Les chercheurs insistent aussi sur la nécessité d'associer davantage les personnes handicapées à l'évaluation de ces systèmes.
Une autonomie sous abonnement
Mais que se passe-t-il lorsque l'outil devient indispensable ? Sébastien Vermandel parle d'« un énorme risque de millefeuille » autour du handicap. Un service pour reformuler, un autre pour générer une voix, un troisième pour créer une image : accéder aux fonctions les plus performantes peut obliger à multiplier les abonnements et les quotas.
L'enjeu devient alors financier, mais aussi fonctionnel. « Si le service du jour au lendemain n'est plus disponible parce que je n'ai plus les moyens de payer ou parce qu'il y a un problème technique, j'en dépendrais quand même », souligne le responsable du TechLab. Une IA peut donc accroître l'autonomie tout en créant une nouvelle dépendance à un service privé, à ses conditions d'accès et à son prix.
Sortir des profils majoritaires dans les données
Pour Mohamed Rayane Mokhtari, doctorant travaillant sur des fauteuils roulants électriques intelligents et lui-même utilisateur de fauteuil, l'IA doit rester « un outil compensateur », pas « un outil décideur à la place d'une personne autonome ». Deux utilisateurs d'un même fauteuil peuvent avoir des capacités, des gestes ou des préférences différents. La personnalisation est justement l'un des atouts de l'IA, à condition de penser cette diversité dès la conception.
Le chercheur appelle donc à intégrer davantage de personnes qui s'écartent des profils majoritaires représentés dans les données, les « outliers » en statistique. « La big data qui représente, entre parenthèses, l'histoire de l'humanité réservait moins de place aux personnes en situation de handicap », observe-t-il. Pour tester une reconnaissance vocale, faire lire parfaitement un texte à des profils standards ne suffit pas. Il faut aussi chercher les voix, comportements et morphologies qui s'écartent de la majorité.
L'accessibilité ne peut donc pas être ajoutée après coup, un peu comme en architecture, lors de la conception d'un bâtiment. Cette notion doit intervenir nativement, dès le choix des données, pendant les tests et au moment de définir l'usage de l'outil. Pas seulement en ajoutant une case « handicap » dans un panel, mais en confrontant volontairement le système aux personnes qui sortent de la moyenne statistique. Une condition pour que l'IA compense les singularités au lieu de les transformer en anomalies.
©SUMALI IBNU CHAMID de Alemedia.id / Canva
0
0
