Aperçu : un vaste portefeuille, un carnet de commandes en hausse
Une grande entreprise médiatique, dont le chiffre d'affaires s'élève à plusieurs milliards de dollars et qui gère un vaste portefeuille de sites numériques, s'est attachée à répondre à une question à laquelle sont confrontés la plupart des programmes d'accessibilité à grande échelle : les tâches à accomplir sont identifiées, l'engagement est réel, mais la capacité à les mener à bien ne suit jamais tout à fait le rythme. Le fait de devoir maintenir la conformité aux Directives pour l'accessibilité des contenus Web (WCAG) sur des dizaines de sites, tout en jonglant avec les priorités de la feuille de route, a entraîné une accumulation de retards en matière d'accessibilité qui s'est aggravée plus rapidement que les équipes ne pouvaient y remédier.
Le défi : l'IA peut-elle résoudre les problèmes d'accessibilité de bout en bout ?
À la suite d'un audit manuel complet de l'accessibilité réalisé par Deque, l'équipe a identifié 171 problèmes d'accessibilité conformes aux WCAG 2.2 niveau AA sur l'ensemble de ses supports numériques. Pour résoudre ces problèmes, les ingénieurs ont dû examiner les résultats, déterminer la correction appropriée, écrire du code, créer des pull requests et accompagner les modifications tout au long du processus de révision — un effort estimé à environ 257 heures d'ingénierie, soit environ cinq semaines de travail et plus de 25 000 dollars de coûts de mise en conformité.
L'équipe s'est donné pour mission de répondre à une question importante : un agent d'IA serait-il capable de gérer l'ensemble du processus de correction, avec un minimum d'intervention manuelle ?
L'approche : les agents corrigent les problèmes, les ingénieurs vérifient
L'équipe a mis en place l'intégralité du workflow d'agents en moins d'une heure, en intégrant Axe MCP Server à son processus d'ingénierie existant. Axe MCP Server est un outil d'Deque qui met l'expertise de la plateforme Axe au service des agents de codage basés sur l'IA. Plutôt que d'utiliser l'IA comme un assistant de développement proposant des corrections, ils ont conçu le workflow de manière à ce que la correction s'effectue automatiquement :
- Les résultats concernant l'accessibilité ont été transmis à un agent d'IA.
- L'agent a utilisé l'outil de correction pour appliquer directement la correction HTML prévue au code source.
- Les demandes de modification ont été créées et documentées automatiquement.
Dans ce modèle, le rôle de l’ingénieur a considérablement évolué : il n’est plus seulement chargé de rédiger manuellement le code de correction, mais doit désormais vérifier les modifications générées par l’IA, valider les demandes de fusion et veiller à la qualité globale ainsi qu’aux résultats. Il n’en a pas seulement résulté une accélération des corrections, mais aussi un modèle opérationnel fondamentalement différent pour les travaux liés à l’accessibilité.
Résultat : 253 heures d'ingénierie récupérées
L'équipe a appliqué ce processus à 171 problèmes d'accessibilité conformes aux WCAG 2.2 niveau AA — un travail dont la durée était initialement estimée à 257 heures d'ingénierie, mais qui a finalement été ramené à 4 heures. Les résultats parlent d'eux-mêmes :
- 80 % des problèmes d'accessibilité concernés ont été corrigés avec succès et validés de bout en bout ; 70 % d'entre eux n'ont nécessité aucune intervention humaine et 10 % n'ont nécessité qu'une révision humaine sommaire.
- Une correction 98 % plus rapide
- L'agent a étendu les mesures correctives au-delà du périmètre initial en identifiant et en corrigeant des problèmes d'accessibilité récurrents sur d'autres pages, grâce à un balayage VPAT plus approfondi.
- D'après des estimations internes, ce processus a permis d'économiser plus de 25 000 dollars en coûts d'ingénierie.
Cela a permis d'accélérer la mise en œuvre des mesures correctives, ce qui a permis aux ingénieurs de se concentrer principalement sur la validation, la gouvernance et le contrôle qualité plutôt que sur la mise en œuvre manuelle.
Perspectives d'avenir
L’équipe continue de traiter d’autres problèmes d’accessibilité via ce workflow, en se concentrant actuellement sur l’élargissement de la couverture de détection et l’amélioration des performances de correction. Ces résultats indiquent un changement significatif dans ce qui est désormais possible : lorsque les workflows automatisés prennent en charge la majeure partie du travail de correction, les ressources d’ingénierie qui étaient auparavant consacrées à la gestion du retard accumulé peuvent être réaffectées au développement de produits, à l’amélioration de la qualité et aux décisions en matière d’accessibilité qui nécessitent véritablement un jugement humain. Pour les organisations confrontées à des exigences similaires en matière d’accessibilité, cela montre une voie concrète pour faire de l’accessibilité une capacité d’ingénierie continue plutôt qu’un projet de correction récurrent.
