Légendes et crédits de photos : ce que la synthèse vocale en fait

Une image dans un article s'accompagne presque toujours de deux textes : une légende, qui dit ce que l'on voit, et un crédit, qui dit qui l'a produite. À l'écrit, ils se distinguent par la taille, la position, souvent l'italique. À l'oreille, cette hiérarchie visuelle disparaît : un moteur de synthèse vocale ne voit qu'une suite de mots, et il les lit à plat, avec le reste. La vraie question n'est donc pas de savoir si un moteur sait lire une légende, mais de décider ce qui, dans ces mentions, mérite d'être entendu, et de savoir comment sonnent les parties qu'on garde.

La légende, souvent la seule description disponible

Commençons par ce qui a de la valeur à l'écoute. Une légende n'est pas décorative : c'est fréquemment la seule description de l'image accessible à quelqu'un qui n'a pas l'écran sous les yeux. « Les manifestants devant la préfecture, mardi matin » situe une scène qu'un auditeur ne verra pas. À ce titre, une bonne légende gagne à être lue : elle porte de l'information, pas seulement une étiquette. C'est un point commun avec le texte alternatif des images, cette description destinée aux lecteurs d'écran que nous avons traitée dans les descriptions d'images et le texte alternatif : là où la légende décrit pour tous, l'alternative décrit pour ceux qui ne voient pas, et l'écoute réunit les deux besoins.

Reste que la légende, lue telle quelle, arrive parfois sans transition. « ... a voté le budget. Les manifestants devant la préfecture, mardi matin. Le débat reprendra en septembre. » L'auditeur ne sait pas que la phrase du milieu était sous une photo. Un moteur ne signale pas ce décrochement, parce que rien dans le texte brut ne le lui indique. Si vous tenez à ce que la légende s'entende comme une légende, une courte formule d'introduction dans le texte (« sur la photo, ... ») fait ce travail que la mise en page faisait à l'oeil.

Le crédit, du bruit typographique à l'état pur

Le crédit photo est un autre cas. « © Photo : Agence France-Presse » rend un service juridique et éditorial indispensable à l'écrit, mais à l'écoute, il n'apporte rien à la compréhension de l'article, et il peut mal sonner. Le symbole « © » d'abord : selon le moteur, il est ignoré, ce qui est souhaitable, ou énoncé « copyright », voire laissé de côté avec un blanc maladroit. Ensuite les noms d'agence, souvent des sigles : la façon dont ils se disent dépend entièrement de la règle du moteur sur les acronymes, sujet que nous avons détaillé dans les sigles et acronymes à voix haute. Un sigle qui devrait s'épeler mais que le moteur tente de prononcer donne un mot inventé ; l'inverse arrive aussi. Enfin le nom propre du photographe, qui n'a le plus souvent aucune raison d'être prononcé au milieu d'un article de fond.

Le crédit est donc, pour l'écoute, du bruit typographique presque pur : une mention qui existe pour des raisons parfaitement valables, mais dont aucune ne concerne l'auditeur. La question n'est pas de le corriger, elle est de décider s'il doit être lu du tout.

Décider, sans toucher au texte visible

Le principe est le même que pour toute mention qui sert l'oeil et non l'oreille : le texte visible reste exact, et c'est la version sonore qui s'ajuste. Le crédit d'une image, dans l'immense majorité des cas, gagne à ne pas être lu : il n'ajoute rien au propos et il introduit du bruit. La légende, elle, gagne le plus souvent à l'être, parce qu'elle décrit. Cette distinction, légende oui, crédit non, est une règle simple qui tient pour presque tous les articles, et qui évite d'avoir à trancher image par image.

Quand une légende ou un crédit qu'on tient à conserver contient un terme que le moteur lit mal, un nom d'agence à épeler, un patronyme étranger, un nom de lieu, on ne réécrit pas le texte affiché. On passe par le lexique de prononciation, qui déclare une fois la lecture attendue du terme et l'applique partout, légende comprise. Le texte reste ce que le lecteur voit, la correction vit à côté. Plus largement, ces mentions relèvent de la catégorie des éléments à écarter de la lecture, que nous avons traitée dans ce qui ne se lit pas à voix haute.

Ce qu'il faut en retenir

Une image apporte deux textes, et ils n'ont pas le même destin à l'oreille. La légende décrit, elle mérite souvent d'être entendue, et une brève introduction lui rend le relief que la mise en page lui donnait à l'oeil. Le crédit sert le droit et l'attribution, il n'apporte rien à l'écoute et gagne le plus souvent à en être écarté, d'autant que le symbole copyright et les sigles d'agence sonnent mal. Décider cela une fois, au niveau de l'article et non de chaque photo, suffit. C'est ce genre de tri, entre ce qui se voit et ce qui s'entend, qui distingue un texte bien lu d'un texte lu machinalement, et c'est le travail que nous menons sur la lecture du français, décrit sur la page text to speech français.

À lire aussi

• Notes de bas de page et appels de note : ce que la synthèse vocale en fait
• Un lecteur audio dans la page ou dans une iframe : ce que ce choix décide
• WCAG 2.2 et version audio : ce que le standard exige, et ce qu'il n'exige pas