Un catalogue de milliers de fiches produits, une médiathèque remplie au fil des années, et un champ « texte alternatif » resté vide presque partout : la situation est courante. Générer automatiquement les balises alt avec l’IA (plus exactement les attributs alt des images) est souvent une bonne idée, à condition de ne pas inverser les priorités. Un texte alternatif sert d’abord aux personnes qui ne voient pas l’image ; le référencement en profite ensuite. Voici la méthode, avec ses garde-fous.
entréesimage, page d’usage, légende, texte voisin, données produit
modèlemodèle de vision, consigne écrite, exemples par type d’image
règlesune phrase utile, aucune invention, attribut vide si décoratif
contrôleslongueur, doublons, cohérence avec le catalogue
sortietableur : type, proposition, statut, motif, relecteur
journaldate, lot, version de la consigne, import réalisé
À quoi sert vraiment un texte alternatif, et quand le laisser vide
L’attribut alt remplace l’image pour ceux qui ne la voient pas : les personnes qui utilisent un lecteur d’écran, celles dont la connexion bloque le chargement, et les robots des moteurs. Les référentiels d’accessibilité (les WCAG, et le RGAA en France) demandent une alternative textuelle équivalente pour toute image porteuse d’information. Google s’appuie sur ce texte et sur le contexte de la page pour comprendre une image, notamment dans Google Images ; quand l’image sert de lien, son texte alternatif joue un rôle comparable à celui d’une ancre.
La bonne question n’est donc pas « que voit-on ? », mais « quelle information l’image apporte-t-elle ici ? ». La même photo de sac à dos montre une variante de couleur dans une fiche produit, et illustre simplement le propos dans un article de conseils.
Parfois, la bonne réponse est de ne rien dire. Une image décorative (un motif, une photo d’ambiance, une icône à côté d’un libellé explicite) porte un attribut vide : alt="". Le lecteur d’écran passe alors son chemin. Supprimer l’attribut serait une erreur, car certains lecteurs d’écran annoncent alors le nom du fichier.
Inventorier les images : informatives, décoratives, produits, schémas
Un crawl ou un export de la médiathèque fournit, pour chaque image : l’URL du fichier, les pages où elle apparaît, l’attribut actuel (absent, vide ou rempli), la légende, le paragraphe voisin, et le fait qu’elle se trouve ou non dans un lien. Chaque image reçoit ensuite un type, car c’est le type qui décide de la règle.
| Type d’image | Exemple | Ce que dit l’attribut alt | Qui le prépare |
|---|---|---|---|
| Décorative | motif, photo d’ambiance | rien : attribut vide | une règle, validée par un humain |
| Informative | photo d’une étape dans un guide | l’information utile ici, en une phrase | le modèle de vision, avec le contexte |
| Produit | vue de face, détail, mise en situation | le produit, sa variante, ce que montre la vue | le modèle, avec les données du catalogue |
| Schéma | infographie, courbe, plan | le message principal, le détail figurant dans le texte | un humain, aidé du modèle |
| Image texte | logo, bannière | le texte lui-même ou le nom de la marque | une règle, puis une relecture |
| Fonctionnelle | image cliquable, bouton | la destination ou l’action | un humain |
Ce tri fait déjà une partie du travail : logos et décorations se règlent par des règles simples, les schémas restent largement entre des mains humaines, et le modèle de vision intervient là où il rend le plus de services, sur les photos informatives et les catalogues.
Donner du contexte au modèle de vision : page, légende, produit
Un modèle de vision voit des pixels. Il ignore que la chaise photographiée s’appelle « Lisbonne » dans votre catalogue et qu’elle existe en trois teintes. Sans contexte, il écrit « une chaise en bois » ; avec le contexte, il peut proposer « Chaise Lisbonne en chêne massif, assise tressée, vue de trois quarts ». Pour chaque image, transmettez le titre et le h1 de la page, la légende et le paragraphe voisin, le type d’image, et pour un produit les données du catalogue : nom, variante, couleur et matière telles que la fiche les nomme.
Transmettez le strict nécessaire, et rien de plus : un modèle n’a besoin ni des données clients ni des commentaires internes pour décrire une photo. Une règle explicite s’impose aussi pour les personnes. Le modèle ne cherche jamais à identifier quelqu’un d’après son visage ; il reprend un nom seulement si la légende le donne, et reste factuel, sans supposition sur l’âge, l’origine ou l’état d’esprit.
Générer automatiquement les balises alt : les règles d’écriture de la consigne
La consigne traduit en instructions ce qu’un bon rédacteur web fait d’instinct :
- une phrase courte, l’information la plus importante en premier ;
- pas de « image de » en ouverture, le lecteur d’écran annonçant déjà une image, sauf si la nature du visuel compte (capture d’écran, schéma) ;
- aucune répétition de la légende : l’attribut complète, il ne double pas ;
- le texte visible dans l’image reproduit s’il porte une information ;
- le vocabulaire du catalogue respecté : si la fiche dit « bleu orage », l’attribut ne dit pas « bleu marine » ;
- le droit de répondre « décorative » (attribut vide) ou « incertain » (relecture obligatoire).
La sortie est structurée : identifiant, type proposé, texte, niveau de confiance. Ajoutez des exemples validés pour chaque type, dont une image décorative correctement laissée vide : les modèles, qui ont tendance à tout décrire, traitent mal ce cas spontanément.
Éviter le bourrage de mots-clés et les descriptions inventées
Deux dérives guettent toute génération automatique, et elles sont symétriques : en dire trop pour plaire aux moteurs, ou en dire trop par imagination.
Le bourrage de mots-clés
Remplir les attributs de listes de mots-clés (« chaise bois chaise chêne chaise salle à manger ») relève du bourrage que visent les règles de Google contre le spam, et rend la page pénible à écouter. Le terme principal apparaît s’il décrit naturellement l’image, une fois. Ne donnez pas au modèle de mots-clés à placer : donnez-lui le contexte, le vocabulaire juste suivra.
Les descriptions inventées
Un modèle de vision complète volontiers ce qu’il ne voit pas : une marque, une matière, un lieu, un texte illisible. Sur une fiche produit, une matière inventée devient une fausse information commerciale. La consigne l’interdit noir sur blanc, et des contrôles automatiques attrapent une bonne partie des dérives avant la relecture : longueur hors bornes, ouverture interdite, même texte pour plusieurs images d’une page, texte identique au nom du fichier, couleur ou matière absente des données du produit.
Erreur fréquente
Appliquer le même texte à toutes les photos d’une fiche. Cinq images décrites « Chaise Lisbonne en chêne » n’apprennent rien à qui écoute la page : chaque vue mérite sa différence (de face, détail de l’assise, en situation).
Relire par échantillon et corriger la consigne
La relecture porte sur un échantillon de chaque type d’image, plus serré là où l’enjeu est fort : produits phares, pages stratégiques, schémas. Le relecteur voit l’image, son contexte et la proposition, puis tranche : validé, corrigé ou refusé. En cas de correction, il choisit un motif dans une courte liste : information inventée, information clé manquante, trop long, mauvais type, répétition de la légende.
Comptés par type d’image, ces motifs disent exactement quoi corriger dans la consigne. On corrige, on relance les lots concernés, on remesure, et un lot n’est accepté que si son échantillon passe sous le seuil d’erreurs fixé à l’avance.
Conseil d’atelier
Faites écouter quelques pages avec un lecteur d’écran par une personne qui en a l’habitude. Une courte séance révèle ce qu’aucun tableur ne montre : descriptions trop longues, répétitions, images qui auraient dû rester silencieuses.
Intégrer les textes validés, puis maintenir le dispositif
Avant tout import, vérifiez où votre CMS lit réellement l’attribut : dans de nombreux outils, le texte saisi dans la médiathèque sert de valeur par défaut mais n’est pas répercuté sur les images déjà insérées dans les contenus. Sur un site e-commerce, les textes des photos de produits vivent souvent dans le catalogue ou l’outil de gestion des informations produit.
- Sauvegardez les valeurs actuelles, pour pouvoir revenir en arrière.
- Importez sur un environnement de test ou un petit lot de pages.
- Contrôlez le code source des pages, pas seulement l’administration.
- Déployez le reste par lots, chacun inscrit au journal d’exécution, puis relancez un crawl.
Ensuite, branchez la recette sur le flux : une image ajoutée à la médiathèque déclenche une proposition, que la personne qui publie valide ou corrige avant la mise en ligne, au moment où le contexte est le plus frais. Un crawl mensuel liste les images sans attribut et les doublons, et chaque changement de consigne ou de modèle est daté puis vérifié sur un échantillon. Pour les images éditoriales, l’auteur de l’article reste le mieux placé pour dire ce que l’image apporte : l’IA l’aide sur le volume, pas sur le jugement.
Questions fréquentes sur les textes alternatifs générés par l’IA
Google pénalise-t-il les textes alternatifs générés par l’IA ?
Google évalue la qualité de ce qui est publié, pas l’outil qui l’a produit. Un texte alternatif exact, concis et relu ne pose aucun problème, quelle que soit son origine. Ce sont les dérives qui en posent : listes de mots-clés, descriptions fausses, textes identiques en série. Le workflow décrit ici sert justement à les écarter.
Toutes les images doivent-elles avoir un attribut alt ?
Toutes les balises img doivent porter l’attribut, mais pas forcément un texte. Les images informatives reçoivent une description utile, les images décoratives un attribut vide que les lecteurs d’écran ignorent. Un attribut absent est la pire option, car le nom du fichier risque alors d’être lu.
Quelle différence entre le texte alternatif, l’attribut title et la légende ?
Le texte alternatif remplace l’image pour qui ne la voit pas. L’attribut title affiche une infobulle, mal restituée par les technologies d’assistance, et ne remplace pas l’attribut alt. La légende, visible par tous, commente l’image : quand elle existe, le texte alternatif peut rester bref.
Peut-on traiter un catalogue de plusieurs milliers de produits ?
Oui, c’est même là qu’un modèle de vision se montre le plus utile, à condition de recevoir les données du catalogue pour chaque produit. Commencez par une gamme, avec contrôles automatiques et relecture par échantillon, mesurez la part de propositions acceptées sans correction, puis élargissez.
Conclusion : décrire juste, plutôt que décrire plus
Générer les textes alternatifs avec l’IA compte parmi les automatisations SEO les plus utiles, parce qu’elle rattrape un retard réel au profit des personnes qui ne voient pas les images. Elle ne tient ses promesses que dans le bon ordre : l’accessibilité d’abord, le référencement ensuite. Typez les images, donnez le contexte, interdisez l’invention et le bourrage, relisez par échantillon, importez avec une sauvegarde. Un bon texte alternatif ne se remarque pas : il dit ce qu’il faut, et se tait quand il n’a rien à ajouter.
Expert SEO français indépendant, Julien Jimenez pratique le référencement depuis 2009. Autodidacte, il a appris en créant ses propres sites et des dizaines de sites de test, une hypothèse et une mesure à la fois. Spécialiste de Google Discover et créateur de la formation « Disco », il conçoit des workflows d’automatisation par l’IA pour le SEO et le marketing de contenu, avec une règle constante : l’IA prépare, l’humain valide.
