Description Visuelle Équitable
La Description Visuelle Équitable (Fair Visual Description) est une pratique et un objectif visant à générer des descriptions textuelles d’images qui sont factuelles, objectives, et exemptes de biais sociaux préjudiciables, d’hypothèses non fondées ou de stéréotypes, en particulier lors de la représentation de personnes. Elle cherche à décrire ce qui est visuellement présent dans une image de manière neutre et respectueuse, sans introduire d’interprétations ou de jugements basés sur des préjugés liés à des attributs comme l’ethnicité perçue, le genre, l’âge, le handicap, ou le statut socio-économique.
Les concepts fondamentaux sous-jacents à la Description Visuelle Équitable reposent sur plusieurs principes essentiels. L’objectivité est primordiale : la description doit se concentrer sur les éléments visuellement vérifiables plutôt que sur des inférences ou des suppositions. La neutralité exige l’utilisation d’un langage dénué de connotations émotionnelles ou de jugements de valeur. L’équité (Fairness) implique de traiter tous les individus et groupes représentés de manière égale, en évitant la sur-représentation ou la sous-représentation de certains détails basés sur des caractéristiques protégées, et en s’abstenant de renforcer des stéréotypes. La contextualisation pertinente peut être nécessaire, mais doit rester factuelle et éviter la spéculation. Enfin, la dignité humaine doit être préservée, en évitant les descriptions déshumanisantes ou objectivantes. La conscience des biais potentiels, qu’ils soient sociétaux, algorithmiques ou personnels, est une condition préalable à l’application de ces principes.
L’importance de la Description Visuelle Équitable est croissante dans plusieurs domaines. Dans le développement de l’intelligence artificielle (IA), en particulier pour les systèmes de génération automatique de légendes d’images (image captioning), elle est cruciale pour construire des technologies responsables et éthiques qui ne perpétuent ni n’amplifient les biais sociaux existants. Pour l’accessibilité numérique, elle garantit que les textes alternatifs (alt text) fournis aux utilisateurs malvoyants sont non seulement informatifs mais aussi respectueux et impartiaux. Plus largement, elle contribue à la lutte contre la propagation des stéréotypes dans les médias numériques et favorise une représentation plus inclusive et équitable des diverses populations. L’adoption de descriptions équitables renforce également la confiance des utilisateurs dans les technologies qui interprètent le contenu visuel.
Les applications pratiques de la Description Visuelle Équitable sont variées. Le domaine le plus évident est l’amélioration des modèles d’IA générant des légendes d’images, où des efforts de recherche considérables sont déployés pour intégrer des mécanismes de contrôle des biais. Elle est également essentielle dans la création manuelle ou semi-automatique de textes alternatifs pour les images sur le web, conformément aux bonnes pratiques d’accessibilité. Dans la modération de contenu, elle peut aider à identifier des descriptions potentiellement offensantes ou biaisées associées à des images. Les systèmes d’archivage et de gestion des ressources numériques (DAM) peuvent utiliser des descriptions équitables pour cataloguer les images de manière neutre. Par exemple, au lieu d’une description biaisée comme « Un groupe de jeunes délinquants traîne dans la rue », une description équitable serait « Un groupe de jeunes gens se tient sur un trottoir ». De même, « Une femme médecin compétente examine un patient » (supposition de compétence et focalisation sur le genre) pourrait devenir « Une personne portant une blouse blanche et un stéthoscope se penche vers une autre personne allongée sur une table d’examen ».
Il existe des nuances et différentes perspectives sur la Description Visuelle Équitable. Un débat constant concerne l’équilibre entre l’objectivité stricte et le besoin d’informativité. Une description trop aseptisée pourrait manquer de détails utiles, tandis qu’une description trop détaillée risque de tomber dans l’interprétation subjective. La frontière entre description et interprétation est parfois floue, notamment lorsqu’il s’agit de décrire des expressions faciales ou des interactions sociales complexes. Les normes culturelles peuvent également influencer ce qui est perçu comme neutre ou biaisé. La plupart des discussions sur l’équité se concentrent sur la représentation des personnes, mais des questions similaires peuvent se poser pour la description d’objets (par exemple, éviter les promotions implicites de marques) ou de scènes (éviter les jugements sur les environnements). Le degré d’automatisation introduit aussi des variations : les défis pour atteindre l’équité sont différents s’il s’agit d’une description humaine ou générée par une machine.
Plusieurs concepts sont étroitement liés à la Description Visuelle Équitable. L’éthique de l’IA, le biais algorithmique, l’équité algorithmique (algorithmic fairness), et la transparence des systèmes (explainable AI) sont des domaines connexes majeurs. L’accessibilité numérique et les directives pour le contenu accessible sur le Web (WCAG), notamment concernant le texte alternatif, sont directement concernées. La vision par ordinateur (computer vision) et le traitement du langage naturel (NLP) sont les disciplines techniques sous-jacentes à la génération automatique de descriptions. Des termes comme « description visuelle neutre » ou « description visuelle non biaisée » peuvent être considérés comme des synonymes approximatifs. Les antonymes seraient « description visuelle biaisée », « description stéréotypée », ou « légendage subjectif/préjudiciable ».
L’émergence du terme et du concept de Description Visuelle Équitable est relativement récente, largement stimulée par les progrès rapides de l’IA dans la compréhension des images et la génération de texte au cours des années 2010 et 2020. Simultanément, une prise de conscience accrue des problèmes de biais dans les algorithmes et leurs impacts sociétaux a mis en lumière les risques associés à la génération automatique de descriptions. Le concept s’appuie sur des travaux antérieurs en accessibilité web sur la manière de rédiger des textes alternatifs utiles et objectifs, ainsi que sur des décennies de critiques des médias concernant la représentation stéréotypée des groupes marginalisés. Il s’inscrit dans le mouvement plus large pour une technologie plus juste, responsable et transparente (FAccT – Fairness, Accountability, and Transparency).
La poursuite de la Description Visuelle Équitable présente des avantages significatifs, notamment la réduction des préjudices causés par la perpétuation de stéréotypes, l’amélioration de l’accès à l’information pour les personnes handicapées, la promotion de l’équité sociale et le renforcement de la confiance du public envers l’IA. Cependant, elle fait face à des défis et limitations importants. Définir ce qui constitue une description véritablement « objective » et « équitable » peut être complexe et sujet à débat, notamment dans des contextes interculturels. Il y a un risque constant que la recherche de neutralité absolue conduise à des descriptions vagues ou peu utiles. Techniquement, concevoir des algorithmes capables de reconnaître et d’éviter les biais subtils tout en générant des descriptions cohérentes et informatives est extrêmement difficile. Cela nécessite des jeux de données d’entraînement massifs, diversifiés et soigneusement annotés, qui sont eux-mêmes difficiles à créer sans introduire de biais. La question de savoir quelles informations démographiques (comme le genre ou l’ethnicité perçus) doivent être incluses, et comment les formuler de manière neutre, reste controversée. Enfin, une description équitable ne garantit pas une interprétation équitable par le lecteur, et elle ne corrige pas les biais potentiellement présents dans l’image elle-même.