Les IA lisent-elles vraiment les attributs alt ? Mon test sur 576 appels

Temps de lecture estimé : 18 minutes

« Soignez vos attributs alt, les IA les lisent » nous disent les nouveaux experts du GEO. Mais que signifie exactement « les IA les lisent » ? Cela signifie-t-il que l'information est mieux exploitée lorsqu'elle figure dans un alt plutôt que dans un figcaption ou sous forme de texte dans le HTML ? Faut-il vraiment « soigner les alt », parfois au détriment de leur rôle d'accessibilité, un peu à la façon des vieilles recommandations SEO avec les mots-clés ?

J'ai voulu tester. Et encore une fois, les résultats sont moins spectaculaires que ce que promettent certains consultants. En résumé, dans mes tests : l'emplacement de l'information compte peu, sa présence en revanche est indispensable. Et ce, sur les quatre modèles testés.

Pourquoi j'ai testé l'attribut alt avec des IA

Mes trois premiers tests avaient déjà montré que la structure sémantique ne change rien à la compréhension directe d'un contenu par un LLM, qu'il s'agisse d'un tableau en <div> contre un tableau en <table>, ou de l'attribution de sources en multi-documents : la différence se joue au niveau des parseurs, pas des modèles. Si l'IA ne voit pas l'image, l'information visuelle ne lui parvient que si elle a été transcrite quelque part. C'est ce « quelque part » qui me posait question : l'attribut alt est-il le meilleur endroit pour mettre toutes les infos, comme l'affirment certains experts GEO ?

Alt, figcaption, contenu : trois façons de transmettre l'information d'une image

Avant tout, faisons une distinction : lorsqu'on parle de l'information portée par une image, cette formulation recouvre en réalité six niveaux différents, qui s'enchaînent.

• L'information : existe-t-elle dans le contenu ?
• L'accessibilité : quelle information la personne qui ne voit pas l'image doit-elle recevoir ?
• L'extractibilité : quelle information un parseur conserve-t-il lorsqu'il transforme le HTML en texte pour le modèle ?
• L'exploitabilité : quelle information le modèle utilise-t-il une fois qu'elle lui est fournie ?
• L'attribution : le modèle sait-il d'où vient cette information ?
• La visibilité générative : cette information apparaît-elle dans la réponse finalement produite ?

Ce test mesure principalement l'exploitabilité, avec un contrôle ponctuel de l'attribution via le test de traçabilité sur le modèle local. Il ne dit rien de l'extractibilité, que j'ai commencé à explorer dans le test sur les parseurs, ni de la visibilité générative. Il touche aux règles d'accessibilité uniquement pour rappeler ce que le RGAA impose.

Garder ces six niveaux séparés permet d'éviter un raccourci courant en GEO : passer d'un comportement d'un ou plusieurs modèles à une recommandation métier, en oubliant qu'entre les deux il y a toute une chaîne, dont l'extraction, que mon test ne couvre pas.

Mon protocole : 8 versions de HTML, 6 questions et 4 modèles

Pour isoler le rôle de l'attribut alt, j'ai testé huit versions d'une même page fictive contenant un graphique de trafic organique. Deux choses varient d'une version à l'autre : la façon dont l'image est décrite, et ce que dit le paragraphe qui l'entoure (détails ci-dessous). Chaque version est envoyée par API à quatre modèles, Claude Sonnet 4.6, GPT-4o, Gemini 2.5 Flash et Gemma 4 26B en local, sous forme de code HTML : aucun ne reçoit ni ne voit le fichier image.

Les huit versions testées

Version	Description de l'image	Paragraphe
A1	alt descriptif complet	informatif
A2	alt descriptif complet	neutre
B1	alt minimal	informatif
B2	alt minimal	neutre
C1	figcaption (alt vide)	informatif
C2	figcaption (alt vide)	neutre
D1	alt vide	informatif
D2	alt vide	neutre

L'attribut alt ne contient que des faits observables sur la courbe (dates, valeurs, pente). La cause possible des changements, c'est-à-dire la refonte, n'apparaît que dans le paragraphe informatif. Le modèle doit donc faire le lien lui-même. Cela permet de distinguer la restitution d'un fait de la reconstruction d'un raisonnement.

Chaque version est soumise à six questions, sans prompt engineering, afin de mesurer le comportement spontané des modèles. L'adresse de l'image pointe vers une URL inexistante : aucun modèle ne peut la télécharger, seul le balisage présent compte.

Les IA exploitent-elles vraiment le contenu de l'attribut alt ?

Réponse courte : oui, elles l'exploitent. Mais elles exploitent tout autant un figcaption qui contient la même information. L'emplacement compte peu. La présence de l'information, en revanche, est décisive.

Commençons par le cas le plus simple. Celui-ci sert de contrôle pour le reste du test. 

Sur la version D2, sans alt et sans paragraphe informatif, l'information n'est présente nulle part dans ce que reçoit le modèle. Sans surprise, aucun n'a restitué une seule des dates. Ce contrôle est important : aucune des valeurs attendues n'apparaît lorsque l'information correspondante est absente du HTML fourni, ce qui garantit que tout ce qui est restitué dans les autres conditions vient bien du code.

Le véritable résultat vient à la suite : quand l'information est dans l'attribut alt, les modèles l'exploitent, mais c'est également le cas lorsqu'elle est placée dans un figcaption. La différence : le figcaption est du texte affiché sur la page, la description présente dans l'attribut alt n'apparaît jamais à l'écran.

Ce que le discours GEO ajoute

Ce résultat est important parce que le discours ambiant va plus loin. La documentation officielle de Google (nouvelle fenêtre) reste sobre : les bonnes pratiques SEO restent le socle, aucun balisage spécial n'est requis pour les fonctionnalités IA, et les informations importantes doivent être disponibles sous forme textuelle. Mais interrogez les Aperçus IA (AI Overviews) sur le sujet de l'alt et du GEO, et vous aurez une réponse qui parle d'un signal de pertinence stratégique et affirme que les modèles s'appuient fortement sur l'alt pour valider et contextualiser une image.

Cette dernière affirmation mélange deux choses. Elle parle d'abord de modèles multimodaux qui voient l'image en plus de lire l'alt, un cas que mon protocole ne couvre pas. Mais elle prête aussi à l'alt un pouvoir de validation propre à l'attribut lui-même, et ça, mon résultat le dément directement : un texte identique placé dans l'alt ou affiché dans un figcaption produit le même résultat.

De même, rien ne justifie de délaisser le figcaption au profit de l'alt : ils n'ont pas la même fonction, et aucun des deux ne l'emporte sur l'autre dans mes tests, modèle par modèle et pas seulement en moyenne. Entre « le modèle peut lire le texte de l'alt » et « l'alt renforce votre autorité sémantique auprès des IA », il y a un fossé que rien, dans mes données, ne permet de franchir. Sur ce point, mon résultat modeste est plus proche de la documentation de Google que de certains discours GEO.

Les résultats, version par version

Voici le tableau complet sur la restitution des dates. Le score correspond à la part des trois dates de l'énoncé effectivement retrouvées, en moyenne sur les quatre modèles.

Part des dates attendues retrouvées dans cette condition, moyenne des quatre modèles

Version	Dates restituées
A1 (alt complet + paragraphe informatif)	83 %
A2 (alt complet + paragraphe neutre)	88 %
C1 (figcaption + paragraphe informatif)	83 %
C2 (figcaption + paragraphe neutre)	92 %
B1 (alt minimal + paragraphe informatif)	68 %
D1 (alt vide + paragraphe informatif)	67 %
B2 (alt minimal + paragraphe neutre)	40 %
D2 (alt vide + paragraphe neutre)	0 %

Alt complet et figcaption sont quasi équivalents. Aucune différence nette n'apparaît entre les versions A et C. Un figcaption qui contient la même information qu'un alt se comporte, dans ce test, comme l'alt. Les écarts observés (83 % à 92 %) restent faibles au regard des trois répétitions par condition et ne permettent pas d'établir une différence systématique entre les deux emplacements.

L'alt minimal n'apporte quelque chose que lorsqu'il est seul. Avec un paragraphe informatif, il fait à peine mieux qu'un alt vide (68 % contre 67 %). Avec un paragraphe neutre, en revanche, il passe de 0 % à 40 %. L'alt minimal ne sert vraiment que quand aucune autre source ne fournit l'information.

Le paragraphe compense, mais ne remplace pas un alt complet. Le score de 67 % en D1 vient du paragraphe informatif, pas de l'absence d'alt. Le vrai contraste se lit entre A2 et D2, sur paragraphe neutre : 88 % avec un alt complet, 0 % sans rien.

À quoi ressemblent les réponses

Vous devez me faire confiance pour la notation, mais voici deux réponses à la question « quelle est la valeur exacte de trafic en juin 2026 ? ».

Extraits de réponses à la question sur la valeur de juin 2026

Version	Modèle	Réponse
A2 (alt complet, paragraphe neutre)	GPT-4o	« La valeur exacte de trafic en juin 2026 est de 45 000 visites. »
D2 (alt vide, paragraphe neutre)	Claude	« Je ne suis pas en mesure de répondre à cette question. Le contenu HTML fourni contient bien une image censée présenter un graphique de trafic. »

Quand l'information est là, les modèles la donnent directement. Quand elle n'y est pas, ils n'inventent pas.

Une cause absente de l'image n'est pas reconstruite

Une des six questions demandait aux modèles d'expliquer l'accélération du trafic visible sur le graphique. C'est le résultat le plus tranché du test.

Identification de la cause de l'accélération, moyenne des quatre modèles

Type de paragraphe	Cause identifiée
Paragraphe informatif (A1, B1, C1, D1)	100 %
Paragraphe neutre (A2, B2, C2, D2)	0 %

L'explication tient dans le protocole : la refonte du cocon sémantique n'existe que dans le paragraphe. L'alt et le figcaption décrivent la courbe pas la stratégie. Quand le paragraphe est neutre, aucun modèle n'invente de cause.

Cependant ce résultat ne dit pas qu'une cause ne peut jamais passer par une image. Si j'avais écrit dans l'alt « accélération en mars 2025 après la refonte du cocon », les modèles l'auraient sans doute reprise, comme le reste. Il dit qu'un modèle ne reconstruit pas une cause absente du contenu descriptif de l'image.

Le modèle local ne trace pas les attributs

La cinquième question demandait aux modèles de dire quelles informations venaient de l'image et lesquelles venaient du texte. C'était le test le plus difficile du lot, et je m'attendais à des échecs.

Les trois modèles commerciaux ont réussi à 100 %, quelle que soit la version. Dans les conditions de ce test, Claude, GPT-4o et Gemini identifient correctement la provenance des informations demandées.

Gemma 4 26B (modèle local quantifié), tournant sur ma machine, donne un résultat très différent puisqu'il échoue totalement dès que l'information est dans l'alt.

Traçabilité des sources par le modèle local quantifié, selon l'emplacement de l'information

Emplacement de l'information	Sources correctement distinguées
Attribut alt (versions A et B)	0 %
Balise figcaption (versions C)	100 %

Zéro contre cent. Le même contenu, le même modèle, la même question. La seule différence est l'emplacement dans le document.

Une explication possible est que le contenu d'un figcaption, présenté comme un nœud de texte dans le flux du document, soit plus facile à rattacher explicitement à son emplacement que le contenu d'un attribut, encodé à l'intérieur d'une balise. Je donne cela comme une hypothèse : mesurer la façon dont un modèle représente le HTML demanderait un autre protocole.

La portée pratique est réelle, mais limitée. Ce résultat concerne l'identification de la provenance, pas la production de citations, que je n'ai pas testée. Il pose une question uniquement pour les pipelines RAG qui demandent à un modèle léger d'attribuer une information à sa source : un tel modèle peut exploiter une donnée issue d'un attribut sans savoir en identifier l'origine. 

Ce que ça change pour vos images

Sur la forme de cet alt, tout le monde s'accorde aujourd'hui, accessibilité et GEO compris. Du moins, je l'espère : pour une image simple, l'alternative textuelle doit remplir sa fonction, pas devenir un réceptacle à mots-clés.

Google, dans son guide officiel sur l'IA générative (nouvelle fenêtre), recommande un texte utile et sans bourrage, et donne en exemple un alt d'une phrase.

Reste une question : où mettre les données précises d'un graphique, que quinze mots ne peuvent pas contenir ? C'est la question que mon test tranche. L'emplacement entre alt et figcaption n'a pas produit de différence nette, ce qui veut dire que ces données peuvent vivre dans un contenu visible plutôt que dans l'attribut seul. Concrètement, cela dépend du type d'image.

Le traitement dépend du type d'image

En effet, en matière d'accessibilité, la recommandation dépend de la nature de l'image, et c'est ce que la plupart des conseils GEO oublient.

Image décorative. alt="" et c'est tout, sans autre attribut textuel. C'est ce que le RGAA demande au critère 1.2 : l'image doit être ignorée par les technologies d'assistance. Écrire alt="image décorative" ou alt="séparateur" est une faute.

Et le GEO ne change rien à cette règle. La condition sans alternative textuelle ne coûte rien ici, puisqu'il n'y a aucune information à récupérer.

Image informative simple. Un alt qui remplit la fonction de l'image, au sens du critère 1.1 du RGAA. C'est exactement le cas où mon test montre un gain mesurable. Une photo de produit, un logo, une capture d'écran qui illustre une étape : décrivez ce qu'elle apporte au lecteur, pas ce que vous aimeriez référencer. Le glossaire du RGAA recommande une longueur maximale de 80 caractères, pour limiter les manipulations nécessaires à sa lecture via une plage braille ou une loupe d'écran.

Image complexe. Un graphique, un schéma, une infographie. Le motif recommandé par le W3C (nouvelle fenêtre) existe depuis longtemps : une alternative en deux parties. Une description courte qui identifie l'image, par exemple « Graphique de l'évolution du trafic organique mensuel », et une description détaillée séparée, dans le contenu visible, lorsque l'alternative courte ne peut pas tout restituer. Le W3C ajoute d'ailleurs qu'il est de bonne pratique de résumer une image complexe dans le texte d'accompagnement, ce qui rejoint exactement ce que mon test mesure.

Pour un graphique de données, cette description détaillée gagne, à mon sens, à prendre la forme d'un tableau de données correctement balisé plutôt que d'un paragraphe.

Et le JSON-LD ?

Un petit aparté dans cet article déjà long pourtant : le milieu GEO est divisé sur les données structurées. Un camp en fait l'infrastructure du référencement IA. Un autre, appuyé sur le guide officiel de Google de mai 2026 et une large étude d'Ahrefs, soutient qu'elles n'améliorent pas la citation par les modèles. Je n'ai pas testé le JSON-LD, donc je ne tranche pas. Mais mon test montre qu'un contenu visible, figcaption ou tableau, est récupéré par les modèles. Pour les données d'un graphique, vous avez donc au moins une voie qui ne dépend pas du JSON-LD, avec l'avantage d'être une source unique et vérifiable plutôt qu'un doublon à maintenir.

L'analyse que vient illustrer votre graphique, mettez-la dans le texte. Ne comptez pas sur un modèle pour la reconstruire à partir d'une seule courbe.

Comment penser l'image dans un contenu

Derrière ces trois cas, un principe simple : ce que l'image montre à ceux qui la voient doit exister en toutes lettres pour ceux qui ne la voient pas. Le lecteur d'écran et le modèle sont logés à la même enseigne, aucun n'a accès aux pixels. L'information ne doit pas vivre que dans l'image.

Une image bien intégrée n'est pas optimisée pour les IA d'un côté et décrite pour l'accessibilité de l'autre.

Ce que ce test ne permet pas de conclure

Ce test mesure la compréhension d'un contenu HTML fourni directement à un modèle. Rien d'autre.

Il ne dit pas comment un système de recherche augmentée se comporterait, le HTML y passe d'abord par un parseur d'extraction. Or j'ai montré dans le labo précédent que c'est précisément à cette étape que les données disparaissent, et je n'ai pas encore testé si un figcaption et un attribut alt y survivent de la même manière.

Il ne dit rien non plus sur les modèles multimodaux, qui reçoivent le fichier image en plus du code : dans ce cas l'alt devient une source parmi deux, et tout mon raisonnement tombe.

Il ne dit pas non plus si une information correctement restituée donne lieu à une citation ou à une source affichée : compréhension et citation sont deux étapes distinctes de la chaîne, et mon protocole ne mesure que la première. C'est la limite à garder en tête avant tout le reste si vous travaillez sur le GEO. Et la comparaison alt/figcaption elle-même reste limitée : je compare un attribut caché à un texte affiché, pas deux sémantiques HTML, et je n'ai pas testé un troisième cas, la même description placée dans un paragraphe ordinaire à côté de l'image.

Enfin, trois répétitions par condition et un seul modèle local testé restent des limites réelles même si les valeurs extrêmes (100 % et 0 %) sont stables.

Faut-il optimiser ses alt pour les IA ?

Personnellement, je ne peux pas dire que « les IA lisent les alt » parce que je laisserais entendre que tous les systèmes, dans toutes les conditions, exploitent cet attribut.

Ce que je peux écrire en revanche c'est que dans les conditions testées aucune différence nette n'apparaît entre un alt et un figcaption de contenu identique pour la restitution de l'information testée. 

Et qu'une cause absente du contenu descriptif de l'image n'est pas reconstruite.

Ceci fait, la question n'est plus « alt ou figcaption ? ». Elle est maintenant : que conserve le pipeline entre la page HTML et le modèle, puis entre le modèle et la réponse générée ? 

Rappelez-vous les niveaux du début. L'accessibilité concerne ce que reçoit l'humain. L'exploitabilité, que ce test mesure, concerne ce que le modèle fait de l'information une fois qu'il l'a. Entre les deux se trouve l'extractibilité : ce qu'un parseur conserve ou détruit avant que le modèle ne voie quoi que ce soit. L'attribution, que mon test n'a contrôlée que ponctuellement, et la visibilité générative, que je n'ai pas testée, se situent encore en aval de cette chaîne. C'est donc à l'étape de l'extraction que pourrait se jouer une différence que mon protocole ne permet pas encore d'observer. Et c'est le sujet du prochain labo.

Dans ce contexte, l'accessibilité et le GEO ne nécessitent pas deux stratégies concurrentes : rendre l'information disponible sous forme textuelle répond aux deux besoins.

La méthodologie complète de ce test, avec les identifiants exacts des modèles, les huit versions HTML, les six questions, la grille de notation, les résultats détaillés par modèle et un échantillon de réponses brutes, est disponible dans un PDF téléchargeable (8 pages) téléchargement, comme pour les articles précédents de la série.