Rendre la visualisation de données accessible aux personnes aveugles et malvoyantes

Par : Jessica Lachance, Élections Canada

Note de la rédaction : Les renseignements dont il est question dans le présent article sont présentés comme des solutions possibles pour l'accessibilité des produits de visualisation des données, y compris certaines solutions intéressantes et avant-gardistes auxquelles de nombreuses personnes n'ont pas accès aujourd'hui. Aucun des outils dont il est question dans le présent article ne doit être interprété comme une recommandation officielle ni être envisagé aux fins de mise en œuvre dans votre environnement sans avoir fait l'objet au préalable d'un examen approfondi.

Introduction

Tout au long du 21e siècle, la quantité et la variété des données accessibles aux citoyens, aux chercheurs, à l'industrie et au gouvernement ont augmenté de façon exponentielle (voir Volume of data/information created, captured, copied, and consumed worldwide from 2010 to 2020, with forecasts from 2021 to 2025 [en anglais seulement]). En raison de cette croissance, on s'attend à ce que les données soient utilisées pour éclairer les politiques, les décisions opérationnelles et les choix des consommateurs.

Le cerveau humain n'est pas en mesure d'interpréter efficacement cette vaste quantité de données brutes. Or, nous devons résumer les données pour en comprendre les caractéristiques. Les principaux outils utilisés pour nous aider à comprendre les données sont les produits de visualisation. Ils peuvent aller d'images statiques simples à un logiciel interactif qui nous permet de choisir des données particulières et d'afficher des sommaires personnalisés.

Malgré leurs avantages, les produits de visualisation des données présentent des obstacles majeurs pour les personnes aveugles et malvoyantes (AMV). Ces obstacles empêchent les personnes AMV de participer pleinement au discours public ou à leur milieu de travail, ou encore de faire des choix éclairés. Par exemple, les lignes directrices actuelles sur le texte de remplacement ne sont pas toujours fondées sur des données bien documentées. Cela mène à des lacunes qui ne permettent pas aux personnes AMV de saisir des renseignements statistiques à la même vitesse que les utilisateurs voyants. Comment une personne peut-elle comprendre ce que signifie « aplatir la courbe » si elle ne peut pas voir le graphique qui lui est associé? (Voir Making data visualizations more accessible [en anglais seulement].)

Nous nous pencherons davantage sur les principaux besoins et sur les méthodes utilisées pour aider à améliorer l'accessibilité des produits de visualisation des données et fournir des solutions de rechange non visuelles pour la présentation des données. Nous explorerons ensuite quelques solutions qui fonctionnent pour un certain nombre de types de produits de visualisation.

Lignes directrices actuelles sur l'accessibilité

Les Règles pour l'accessibilité des contenus Web (WCAG) 2.1 sont la norme internationale sur l'accessibilité des sites Web. L'accessibilité du Web repose sur quatre grands principes : le contenu doit être perceptible, utilisable, compréhensible et robuste (voir Understanding the Four Principles of Accessibility [en anglais seulement]). Selon le Guide de rédaction du contenu du site Canada.ca, dont les règles prennent appui sur les WCAG 2.1, les auteurs doivent fournir une description longue pour expliquer les graphiques, ainsi qu'un texte de remplacement plus court pour une description de plus haut niveau. Pour les graphiques, un tableau (HTML) pourrait être utilisé pour la description longue.

Cependant, les chercheurs et les défenseurs font valoir que cela ne répond pas toujours aux besoins des personnes AMV, et que les tableaux HTML exigent plus d'efforts (ou une charge cognitive plus élevée) de la part des utilisateurs AMV pour trouver la réponse à une question simple comme « quelle série de données représente le maximum? » Les utilisateurs voyants peuvent facilement obtenir ce renseignement en un coup d'œil. De plus, les textes de remplacement ne fournissent pas toujours suffisamment de détails, surtout en ce qui concerne l'information spatiale du graphique.

Caractéristiques d'un produit de visualisation accessible

Nous avons constaté que chaque chercheur avait une définition unique de ce qui rend le produit de visualisation des données utilisable et des renseignements nécessaires pour la rendre compréhensible et robuste. Les dimensions suivantes doivent être prises en considération pour rendre le produit de visualisation accessible.

Les tâches liées aux données doivent exiger une charge cognitive égale et un effort égal : Comme nous l'avons mentionné plus haut, les tableaux HTML nécessitent une charge cognitive plus élevée pour déterminer certaines caractéristiques statistiques, comme le minimum ou le maximum. Cela ne veut pas dire que les tableaux HTML n'ont pas de valeur. En général, les utilisateurs AMV apprécient cette fonctionnalité, tout comme la plupart des utilisateurs voyants. Cependant, lorsque le tableau HTML est la seule interface offerte, la tâche peut parfois être astreignante.

Fournir des renseignements à différents niveaux de complexité : Toutes les tâches liées aux données ne sont pas égales. Un produit de visualisation peut montrer différents niveaux de complexité des renseignements. Un article intéressant de Lundgard et Satyanarayan (voir Accessible Visualization via Natural Language Descriptions: A Four-Level Model of Semantic Content [en anglais seulement]) définit quatre niveaux distincts de contenu sémantique que pourrait transmettre une description de visualisation des données.

Il s'agit des suivants :

  1. Liste des propriétés propres à la composition de la visualisation (p. ex. axes, type de graphique, couleurs);
  2. Rapports sur les concepts statistiques et les relations;
  3. Détermination du phénomène perceptuel et cognitif;
  4. Obtention des renseignements propres au domaine.

Leur étude a révélé que les participants aveugles et voyants trouvaient que le contenu de niveau 3 était le plus utile. Les participants aveugles ont trouvé que le contenu de niveau 2 était plus utile que leurs homologues voyants, mais ils ont trouvé le contenu de niveau 4 beaucoup moins utile.

Ces différents niveaux sémantiques s'harmonisent également avec le mantra de Shneiderman pour la recherche de renseignements visuels, soit : survol d'abord, zoom et filtre, puis détails sur demande (voir Schneiderman's Mantra | Data Visualization [en anglais seulement]). Ce mantra est un principe très important de la création de produits de visualisation, et il s'applique aussi aux utilisateurs AMV. Ces derniers veulent se représenter une vue d'ensemble du graphique, puis faire un zoom avant dessus et le filtrer pour obtenir des concepts statistiques, des relations et des détails.

Dépeindre mentalement l'image : Certaines lignes directrices existantes stipulent que des détails comme les couleurs du graphique ou les descriptions des axes doivent être ignorés pour réduire la charge cognitive. Mais de nombreuses études ont montré que ces éléments sont importants puisqu'ils aident les utilisateurs AMV à se représenter les graphiques. Par exemple, ils les aident à communiquer les résultats avec leurs collègues voyants et à comprendre les produits de visualisation des données en tant qu'outil statistique, ou lorsqu'ils découvraient un type de graphique moins courant.

Les utilisateurs AMV veulent savoir « ce que l'auteur veut que vous sachiez » : La majorité des utilisateurs AMV ont trouvé que les niveaux 2 et 3, où nous commençons à comprendre l'essentiel des données, sont là où les lignes directrices actuelles sur l'accessibilité font le plus défaut. Il est plus facile de se souvenir des tendances et des caractéristiques lorsqu'on les présente avec des descriptions physiques du graphique. Cette image mentale aide les utilisateurs à se rappeler facilement où trouver des renseignements statistiques comme le minimum, le maximum ou le point où deux lignes se croisent.

Présenter les données objectivement : Les AMV qui ont participé aux études ont souligné que les descriptions accessibles ne devraient pas contenir de contenu éditorialisé associé au contenu sémantique de niveau 4. Les utilisateurs AMV devraient être en mesure de vérifier par eux-mêmes toute allégation faite au sujet des données et ne pas recevoir un point de vue éditorialisé, au-delà de ce à quoi un utilisateur voyant aurait accès. Ils ont également exprimé une préférence pour les descriptions qui utilisent un ton objectif.

S'assurer que la solution convient à la navigation sur le Web : Nous pouvons également envisager la portée de la solution. Une clé électronique pour les personnes en situation de handicap est une solution bien intentionnée qui privilégie la forme à sa fonction de dispositif d'accessibilité. Rendre les produits de visualisation des données accessibles ne nécessite pas un nouvel outil sophistiqué. Idéalement, les solutions devraient être compatibles avec les technologies couramment utilisées par les personnes AMV, comme l'affichage en braille et les lecteurs d'écran. Lorsque les solutions nécessitent des logiciels ou du matériel coûteux, leur opérabilité et leur robustesse sont réduites.

Solutions de rechange accessibles

Nous avons décrit six grandes consignes pour répondre aux besoins des utilisateurs AMV lorsqu'ils visualisent des données :

  1. Fournir des renseignements à différents niveaux de complexité;
  2. Dépeindre une image mentale de la visualisation;
  3. Faire savoir aux utilisateurs AMV ce que vous, en tant qu'auteur, voulez qu'ils sachent;
  4. Présenter les données objectivement;
  5. Intégrer les outils d'accessibilité dont les utilisateurs AMV disposent déjà ou qui peuvent facilement être intégrés au navigateur;
  6. Avoir une solution qui fonctionne pour de nombreux types de graphiques différents.

Nous avons déjà décrit les défaillances des principales recommandations. Nous décrirons dans ce qui suit des solutions de rechange accessibles pour la visualisation des données, ainsi que leurs avantages et inconvénients.

Sonification

La sonification fait référence à l'utilisation d'échelles sonores pour cartographier les données d'une manière analogue aux échelles de couleurs. Les sons peuvent changer de timbre, de hauteur tonale ou de volume pour représenter les changements dans les données. La recherche sur la sonification des graphiques s'intéresse à la façon de cartographier les données sous forme de sons afin d'optimiser la compréhension des utilisateurs AMV.

La sonification, comme la visualisation, peut être traitée en parallèle, ce qui la rend bien adaptée aux données multidimensionnelles. Grâce aux intégrations d'un dispositif Soundscape en 3D, la sonification peut même être utilisée pour tracer des données ayant des relations spatiales, comme des choroplèthes. Consultez la Data Sonification Archive (en anglais seulement) pour en savoir plus.

Les utilisateurs AMV ont découvert que la sonification les aidait à « visualiser » le graphique, mais qu'il y avait une courbe d'apprentissage à surmonter. Le manque de normes pose également des difficultés pour les concepteurs qui tentent d'intégrer les échelles de sonification dans l'environnement en ligne, bien que plusieurs nouvelles bibliothèques de source libre (TwoTone Data Sonification, Highchart Sonification Studio) promettent de créer des échelles de sonification, en utilisant des données.

Retour haptique

Le retour haptique concerne le sens du toucher, par exemple par des sensations de force ou de friction sur son doigt. Le retour haptique peut aider les utilisateurs à ressentir les hauts et les bas d'un graphique linéaire ou la hauteur d'un graphique à barres par rapport au quadrillage.

Selon la recherche sur la visualisation haptique, de nombreuses personnes AMV apprennent par le toucher, donc la représentation tactile du graphique peut faciliter le lien entre ce qu'elles ont appris à l'école et ce qui est présenté devant elles. Toutefois, en pratique, ce n'est pas toujours le cas. Certains utilisateurs ont trouvé les différentes frictions « dérangeantes » et « déroutantes », ce qui les a amenés à percevoir de façon incorrecte la disposition d'un graphique complexe. Cela pourrait être attribuable au fait que la gamme des valeurs perçues par les yeux est beaucoup plus grande que ce qui peut être perçu par le toucher. Donc, même si le retour haptique peut être utile pour saisir l'essentiel d'un graphique, il n'est pas bien adapté pour détecter des points de données précis.

Un autre inconvénient est que sans une bibliothèque facilement accessible avec laquelle travailler, le concepteur de site Web moyen n'est pas en mesure de créer un produit de visualisation des données qui se traduit en retour haptique. Pour remédier au manque de bibliothèques haptiques et répondre au besoin d'un dispositif haptique spécialisé, il pourrait suffire de simplement créer une clé électronique pour les personnes en situation de handicap.

Descriptions accessibles

Une description accessible nécessite la rédaction d'une description du produit de visualisation des données. Bien qu'elles ressemblent aux textes de rechange dans les WCAG 2.1, les stratégies ci-dessous vont un peu plus loin que les lignes directrices actuelles.

Les textes de rechange ne sont pas tous mauvais. Dans le cadre d'une étude, on a demandé aux participants d'évaluer la qualité des textes de rechange trouvés dans des revues universitaires. Ces derniers étaient reconnaissants quand ces textes contenaient des renseignements recommandés par les lignes directrices sur les textes de rechange. Cependant, ces lignes directrices ne sont pas suffisantes en ce qui concerne les trois premiers points mentionnés dans l'introduction. Les textes de rechange sont très utiles pour transmettre des renseignements comme le sujet et le type de graphique, mais ne donnent pas aux utilisateurs AMV un résumé des données ou des caractéristiques statistiques.

Pour les concepteurs, ce serait une tâche fastidieuse, sinon impossible, de rédiger ces descriptions. Plus encore lorsque les graphiques sont interactifs et permettent aux utilisateurs de choisir différentes vues d'un graphique. Par conséquent, la recherche pour la prochaine génération de descriptions accessibles porte principalement sur trois possibilités :

  1. Permettre aux utilisateurs AMV de « naviguer » une visualisation, comme ils le font actuellement pour une page Web;
  2. Générer par programmation des descriptions en langage naturel;
  3. Présenter un mode de recherche interactif où les utilisateurs peuvent poser des questions sur les données en langage naturel.

Graphiques vectoriels adaptables navigables

Le HTML structure une page Web en sections hiérarchiques et chaque balise en décrit le contenu. Les utilisateurs AMV qui utilisent des lecteurs d'écran pour naviguer sur le Web ont l'habitude de naviguer entre ces sections.

Certains chercheurs et développeurs Web font la promotion de l'utilisation d'éléments HTML pour créer des produits de visualisation des données et présenter des descriptions accessibles pour les personnes AMV. Les graphiques vectoriels adaptables (SVG) sont fréquemment utilisés pour la création de produits de visualisation en ligne par programmation, notamment dans Chart.js, D3.js - Data-Driven Documents, Google Charts et autres. Lorsque c'est bien conçu, chaque balise d'un SVG peut être organisée de manière à ce qu'une arborescence puisse être parcourue par des lecteurs d'écran d'une manière significative (p. ex. Semiotic, Accessibility module de Highchart, Accessibility in d3 Bar Charts | a11y with Lindsey).

Génération du langage naturel

La génération du langage naturel est un domaine d'apprentissage automatique qui génère automatiquement du texte qui ressemble à ce qu'aurait écrit un humain. Cela pourrait être utilisé pour créer une description d'un graphique et un résumé de ses données. Il existe actuellement plusieurs bibliothèques (p. ex. VoxLens, evoGraphs), mais elles se limitent aux graphiques 2D, comme les graphiques à barres ou les graphiques linéaires.

Modèles de recherche interactive

Les modes de recherche interactifs permettent aux utilisateurs de contrôler la quantité de renseignements qu'ils reçoivent à la fois. Ces interfaces de langage naturel permettent aux utilisateurs de poser des questions de complexité variable sans être accablés, et ils complètent les autres méthodes décrites dans le présent article.

L'apprentissage des modèles de recherche interactifs peut également être intuitif. Dans une étude, les utilisateurs de VoxLens ont eu l'option d'ajouter des échelles sonores à un graphique ou d'utiliser un dialogue interactif. La plupart préféraient le dialogue interactif.

Mais les modes de recherche interactifs, en particulier en langage naturel, repoussent les limites de nos capacités de traitement actuelles, en particulier pour l'analyse nuancée ou dépendante du contexte des données. Le défi actuel pour la génération de langage naturel et les modèles de recherche interactive est la capacité de créer une solution robuste même pour des produits de visualisation complexes.

Visualisation multimodale

La visualisation multimodale, comme son nom l'indique, est une combinaison des techniques décrites précédemment pour communiquer les données. Les principaux avantages sont les suivants :

  1. La faiblesse d'une méthode peut être compensée par une autre méthode;
  2. Les solutions multimodales représentent un plus large éventail de préférences pour les utilisateurs;
  3. Avoir plusieurs entrées sensorielles peut réduire la charge cognitive nécessaire pour comprendre les données.

La solution multimodale la plus courante est la combinaison de la sonification et du retour haptique. Comme le toucher est une méthode d'apprentissage familière pour certaines personnes AMV, elle peut renforcer l'information fournie par la sonification, qui est moins connue. Inversement, des indices sonores peuvent renforcer la réception haptique, comme l'émission d'un son lorsqu'un utilisateur passe de manière haptique à une série de données différente notée par différentes frictions. Cependant, l'approche multimodale fondée sur le retour haptique présente le même inconvénient que l'utilisation du retour haptique elle-même, elle nécessite un matériel spécialisé.

Les approches multimodales qui combinent la sonification et les descriptions accessibles connaissent un meilleur succès. VoxLens a enregistré une augmentation de 122 % de l'exactitude des tâches et une réduction de 36 % du temps total d'interaction.

En résumé, les approches multimodales qui combinent la sonification et les descriptions accessibles créent des produits de visualisation accessibles qui nécessitent une charge cognitive équitable, fournissent de l'information à tous les niveaux de contenu sémantique et sont légères pour la navigation sur le Web, si les limites quant au type de visualisation de données pris en charge peuvent être surmontées.

Conclusion

Au début du présent article, nous avons demandé : « Comment une personne pourrait-elle comprendre ce que signifie l'expression "aplatir la courbe" si elle ne peut pas voir le graphique associé à cette courbe? ». Nous avons examiné les principaux points à prendre en considération, et nous avons appris que le fait de fournir un tableau de valeurs ne permettrait pas aux utilisateurs AMV de trouver facilement les maximums de chaque courbe.

Pour établir un équilibre entre l'ajout d'information et l'importance de ne pas accroître la charge cognitive, les utilisateurs AMV et les chercheurs suggèrent de faire appel à une méthode accessible pour interroger les données, qui serait utile pour des tâches comme l'obtention du minimum ou du maximum, ou la mise en évidence des zones du graphique.

Les données deviennent de plus en plus complexes, et Loi canadienne sur l'accessibilité vise à créer un Canada exempt obstacle d'ici 2040 (voir Vers un Canada accessible). Dans ce contexte, nous avons tous un rôle à jouer pour veiller à ce que nos produits de visualisation des données ne présentent aucun obstacle pour leurs utilisateurs.

Rencontre avec le scientifique des données

Inscrivez-vous à la présentation Rencontre avec le scientifique des données

Si vous avez des questions à propos de mon article ou si vous souhaitez en discuter davantage, je vous invite à une Rencontre avec le scientifique des données, un événement au cours duquel les auteurs rencontrent les lecteurs, présentent leur sujet et discutent de leurs résultats.

Jeudi, le 16 mars
De 14 00 h à 15 30 h, HE
MS Teams – le lien sera fourni aux participants par courriel

Inscrivez-vous à la présentation Rencontre avec le scientifique des données.
À bientôt!

Abonnez-vous au bulletin d'information du Réseau de la science des données pour la fonction publique fédérale pour rester au fait des dernières nouvelles de la science des données.

Outils référencés

Lectures complémentaires

  1. Ali, S., Muralidharan, L., Alfieri, F., Agrawal, M., & Jorgensen, J. (2020). Sonify: Making Visual Graphs Accessible. In T. Ahram, R. Taiar, S. Colson, & A. Choplin (Eds.), Human Interaction and Emerging Technologies (pp. 454–459). Springer International Publishing. (en anglais seulement)
  2. Choi, J., Jung, S., Park, D. G., Choo, J., & Elmqvist, N. (2019). Visualizing for the Non-Visual: Enabling the Visually Impaired to Use Visualization. Computer Graphics Forum, 38(3), 249–260. (en anglais seulement)
  3. Chundury, P., Patnaik, B., Reyazuddin, Y., Tang, C., Lazar, J., & Elmqvist, N. (2021). Towards Understanding Sensory Substitution for Accessible Visualization: An Interview Study. IEEE Transactions on Visualization and Computer Graphics, 28(1), 1084–1094. (en anglais seulement)
  4. Fan, D., Siu, A. F., Law, W.-S. A., Zhen, R. R., O'Modhrain, S., & Follmer, S. (2022). Slide-Tone and Tilt-Tone: 1-DOF Haptic Techniques for Conveying Shape Characteristics of Graphs to Blind Users. Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems, 1–19. (en anglais seulement)
  5. Fritz, J. P., & Barner, K. E. (1999). Design of a haptic data visualization system for people with visual impairments. IEEE Transactions on Rehabilitation Engineering, 7(3), 372–384. (en anglais seulement)
  6. Godfrey, A. J. R., Murrell, P., & Sorge, V. (2018). An Accessible Interaction Model for Data Visualisation in Statistics. In K. Miesenberger & G. Kouroupetroglou (Eds.), Computers Helping People with Special Needs (pp. 590–597). Springer International Publishing. (en anglais seulement)
  7. Jung, C., Mehta, S., Kulkarni, A., Zhao, Y., & Kim, Y.-S. (2021). Communicating Visualizations without Visuals: Investigation of Visualization Alternative Text for People with Visual Impairments. IEEE Transactions on Visualization and Computer Graphics, 28(1), 1095–1105. (en anglais seulement)
  8. Lundgard, A., & Satyanarayan, A. (2021). Accessible Visualization via Natural Language Descriptions: A Four-Level Model of Semantic Content. IEEE Transactions on Visualization and Computer Graphics, 28(1), 1073–1083. (en anglais seulement)
  9. Lunn, D., Harper, S., & Bechhofer, S. (2011). Identifying Behavioral Strategies of Visually Impaired Users to Improve Access to Web Content. ACM Transactions on Accessible Computing, 3(4), 13:1-13:35. (en anglais seulement)
  10. Murillo-Morales, T., & Miesenberger, K. (2020). AUDiaL: A Natural Language Interface to Make Statistical Charts Accessible to Blind Persons. In K. Miesenberger, R. Manduchi, M. Covarrubias Rodriguez, & P. Peňáz (Eds.), Computers Helping People with Special Needs (pp. 373–384). Springer International Publishing. (en anglais seulement)
  11. Sawe, N., Chafe, C., & Treviño, J. (2020). Using Data Sonification to Overcome Science Literacy, Numeracy, and Visualization Barriers in Science Communication. Frontiers in Communication, 5. (en anglais seulement)
  12. Sharif, A., & Forouraghi, B. (2018). evoGraphs—A jQuery plugin to create web accessible graphs. 2018 15th IEEE Annual Consumer Communications & Networking Conference (CCNC), 1–4. (en anglais seulement)
  13. Sharif, A., Wang, O. H., Muongchan, A. T., Reinecke, K., & Wobbrock, J. O. (2022). VoxLens: Making Online Data Visualizations Accessible with an Interactive JavaScript Plug-In. Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems, 1–19. (en anglais seulement)
  14. Shneiderman, B. (1996). The eyes have it: A task by data type taxonomy for information visualizations. Proceedings 1996 IEEE Symposium on Visual Languages, 336–343. (en anglais seulement)
  15. Strantz, A. (2021a). Using Web Standards to Design Accessible Data Visualizations in Professional Communication. IEEE Transactions on Professional Communication, 64(3), 288–301. (en anglais seulement)
  16. Strantz, A. (2021b). Beyond "Alt-Text": Creating Accessible Data Visualizations with Code. The 39th ACM International Conference on Design of Communication, 331–337. (en anglais seulement)
  17. Yu, W., Ramloll, R., & Brewster, S. (2001). Haptic graphs for blind computer users. In S. Brewster & R. Murray-Smith (Eds.), Haptic Human-Computer Interaction (pp. 41–51). Springer. (en anglais seulement)
  18. Zhao, H., Smith, B. K., Norman, K., Plaisant, C., & Shneiderman, B. (2005). Interactive sonification of choropleth maps. IEEE MultiMedia, 12(2), 26–35. (en anglais seulement)
  19. Zong, J., Lee, C., Lundgard, A., Jang, J., Hajas, D., & Satyanarayan, A. (2022). Rich Screen Reader Experiences for Accessible Data Visualization. Computer Graphics Forum, 41(3), 15–27. (en anglais seulement)
Date de modification :