Deux registres, pas un seul
Le handicap est le cas d’étude le plus tranchant pour une affirmation qui traverse tout ce manuel : les effets de l’IA ne sont ni uniformément bons ni uniformément mauvais, et lequel des deux se manifeste dépend de qui a construit le système, qui l’a déployé, et quel recours existe lorsqu’il échoue. Pour les personnes handicapées, les deux registres sont déjà réels et datés, non hypothétiques. Les modèles multimodaux ont donné aux personnes aveugles et malvoyantes un outil de description qui n’existait pas il y a trois ans. Ce même mécanisme sous-jacent de reconnaissance de motifs — déduire des choses sur une personne à partir de sa voix, de ses mouvements ou de son comportement de frappe — fait aussi l’objet d’une plainte fédérale pour discrimination, d’un recours collectif certifié et d’une enquête du ministère de la Justice sur un algorithme de protection de l’enfance.
Cette page ne couvre que des cas documentés et datés. Elle exclut délibérément une histoire largement relayée en 2026 concernant des blocages de comptes Meta liés à des faux positifs de modération de contenu, car les enquêtes journalistiques sous-jacentes ont conclu qu’il s’agissait d’une défaillance générale de modération, non spécifique au handicap. Voir droits civiques, discrimination et surveillance par l’IA pour le cadre juridique régissant les cas ci-dessous, et déplacement du travail et de l’économie pour la place de l’embauche automatisée dans le tableau plus large de l’emploi.
Ce qui fonctionne réellement, et comment cela a été validé
Le succès le plus cité est Be My AI, intégré à l’application Be My Eyes sur GPT-4V d’OpenAI et lancé en mars 2023 comme première application tierce construite sur ce modèle (TechCrunch, 14 mars 2023). Il permet à un utilisateur aveugle ou malvoyant de photographier une scène, une étiquette ou un courrier et de recevoir une description orale. Dans un déploiement, en complément d’une ligne d’assistance au sein des opérations de Microsoft, Be My Eyes et Microsoft ont rapporté un taux de résolution réussie de 90 % et un temps de résolution moyen d’environ quatre minutes, moins de la moitié du temps typique d’un agent humain (Be My Eyes). Ce chiffre est rapporté par l’entreprise elle-même à partir d’un déploiement chez un seul partenaire, non audité de façon indépendante — le récit d’un fournisseur sur son propre produit. La même source documente le mode de défaillance le plus lourd de conséquences de l’outil, l’hallucination confiante : les testeurs bêta ont constaté que Be My AI décrivait des objets qui n’étaient en réalité pas présents, avec la même assurance que pour des descriptions exactes. Pour un utilisateur aveugle qui agit sur la base d’une description — en lisant l’étiquette d’un médicament —, une hallucination indétectable est un problème de sécurité, pas un simple défaut d’interface.
Voiceitt, qui développe une reconnaissance vocale adaptée à la parole atypique et dysarthrique, a mené un essai pilote avec des utilisateurs sourds qui a atteint, selon ses propres rapports, environ 8 % de taux d’erreur sur les mots — soit plus de 90 % de précision — après environ 200 enregistrements d’entraînement par utilisateur, surpassant apparemment la reconnaissance vocale grand public pour ces locuteurs, même avant personnalisation (Hearing Review ; PR Newswire). Il s’agit d’un pilote unique validé par l’entreprise elle-même, non d’un essai reproduit de façon indépendante, bien qu’un article méthodologique évalué par les pairs décrive séparément le pipeline d’entraînement de Voiceitt (Assistive Technology, 2024, DOI 10.1080/10400435.2024.2328082). Google Project Relate adopte une approche similaire — reconnaissance et synthèse personnalisées pour la parole de personnes atteintes de SLA, de paralysie cérébrale, de trisomie 21, de Parkinson, d’AVC et de traumatisme crânien, nécessitant environ 500 phrases — et est entré en bêta fermée en novembre 2021 (TechCrunch). Aucun chiffre d’efficacité indépendant n’a pu être confirmé pour Project Relate ; ce qui est public décrit l’approche d’entraînement, pas un résultat validé.
Le schéma est constant : des produits réels, un usage réel, des chiffres réels — mais des chiffres rapportés par les entreprises qui ont construit les outils, non audités de façon indépendante. Cela n’efface pas les gains — pour un utilisateur aveugle, la comparaison ne se fait pas avec un étalon-or validé mais avec l’absence totale de description —, mais cela implique de traiter les preuves comme rapportées par l’entreprise, et d’en attendre une fiabilité moindre que ne le suggère la couverture médiatique du lancement.
Où la même technologie devient un problème d’aménagement raisonnable
Le volet emploi montre à quelle vitesse un écart d’accessibilité se transforme en plainte pour discrimination dès que l’IA passe d’un rôle assistif à un rôle de contrôle d’accès.
Une candidate à l’emploi sourde et autochtone, représentée par l’ACLU, a déposé des plaintes auprès de la Colorado Civil Rights Division et de l’EEOC, alléguant que la plateforme d’entretiens vidéo par IA de HireVue — utilisée par Intuit — l’avait pénalisée parce que son système automatisé de reconnaissance vocale et de notation n’était pas équipé pour évaluer correctement ses schémas d’élocution. Elle avait demandé un sous-titrage humain comme aménagement raisonnable pendant l’entretien noté par IA, s’était vu refuser cette demande, puis avait été rejetée avec pour commentaire de « pratiquer l’écoute active » (HR Dive). Il s’agit d’une plainte, pas d’un verdict — une allégation en cours de traitement dans une procédure administrative, sans résultat tranché rapporté. Elle illustre le mécanisme contre lequel l’EEOC et le DOJ ont mis en garde dans leurs directives de mai 2022 sur le recrutement algorithmique, traitées plus en détail dans droits civiques, discrimination et surveillance par l’IA : un système validé sur des schémas d’élocution non représentatifs des candidats handicapés peut les écarter quelle que soit l’intention, et une demande d’aménagement raisonnable peut être refusée par un processus où aucun humain n’a le pouvoir de l’accorder.
Mobley v. Workday, déposée dans le district nord de Californie le 20 février 2024, est une version à plus grande échelle du même grief : une action de groupe et collective alléguant que le système de sélection des candidats par IA de Workday a produit un impact disparate selon la race, l’âge et le handicap. Le 16 mai 2025, la juge Rita Lin a accordé la certification conditionnelle au recours collectif pour discrimination liée à l’âge en vertu de l’ADEA, et un plaignant nommé — un candidat souffrant d’asthme et ayant des antécédents de cancer — a été autorisé séparément à poursuivre sur un grief fondé sur l’ADA reliant ses rejets à ses antécédents de congé médical (Holland & Knight ; Norton Rose Fulbright). Ce que cette décision est et n’est pas compte : elle permet à davantage de plaignants de se joindre et à la procédure de communication de pièces d’avancer ; ce n’est pas une conclusion selon laquelle le système de Workday aurait effectivement discriminé. L’affaire est restée en phase de communication de pièces jusqu’à la mi-2026, mais l’ordonnance établit qu’un tribunal fédéral a jugé la théorie du handicap suffisamment concrète pour survivre à une demande de rejet — un seuil sensiblement plus élevé que celui que franchit une simple plainte déposée. Voir qualité de l’emploi, pas seulement nombre d’emplois sur la façon dont la sélection automatisée dégrade aussi les résultats pour les candidats qui passent le filtre.
Quand le même schéma atteint la protection de l’enfance
Le cas documenté le plus sévère se déplace entièrement hors du champ de l’embauche. Le comté d’Allegheny, en Pennsylvanie, utilise un algorithme prédictif de notation du risque dans son système de protection de l’enfance, aujourd’hui sous enquête du ministère de la Justice des États-Unis à la suite de plaintes selon lesquelles il aurait signalé à tort des parents handicapés comme négligents, contribuant dans certains cas au retrait d’enfants sans preuve indépendante de négligence. Ce récit provient du rapport de 2025 du Center for Democracy & Technology et de l’American Association of People with Disabilities, cité plus bas, qui décrit l’enquête du DOJ comme en cours ; aucun résultat confirmé n’a pu être vérifié au-delà de cela, et cela doit être traité comme une affaire ouverte, non comme une conclusion close. Le mécanisme allégué est familier dans la littérature plus large sur les droits civiques : un modèle entraîné sur des dossiers de cas historiques peut encoder les présupposés antérieurs des travailleurs sociaux sur l’aptitude des parents handicapés, et un score de risque présenté comme objectif peut faire passer un biais ancien pour un chiffre neutre.
Le récit le plus complet de ce schéma à travers les secteurs est le rapport conjoint de CDT et AAPD, Building a Disability-Inclusive AI Ecosystem: A Cross-Disability, Cross-Systems Analysis of Best Practices, publié le 11 mars 2025 (CDT ; PDF complet). Il documente des préjudices subis par des personnes handicapées dans l’emploi, l’éducation, les prestations publiques et les technologies de l’information et de la communication, et constitue la source du récit sur le comté d’Allegheny ci-dessus. Le CDT avait formulé des années plus tôt un avertissement connexe, plus circonscrit, soutenant que les interfaces de recrutement construites sur le mouvement de la souris, le rythme de frappe, la vidéo ou l’analyse des motifs vocaux excluent structurellement les candidats handicapés quelle que soit l’intention du fournisseur — un rapport généralement daté d’environ décembre 2020, bien que sa date exacte n’ait pu être confirmée de façon indépendante (CDT, « Algorithm-driven Hiring Tools »).
Lire les deux registres ensemble
Rien de tout cela ne se résout en un verdict unique sur « l’IA et le handicap », et ce n’est pas souhaitable. La même capacité — un modèle qui infère du sens à partir de signaux de parole, de mouvement ou de comportement qu’une personne ne peut pas entièrement contrôler — produit un gain d’accessibilité authentique lorsqu’elle est optionnelle, transparente sur ses limites, et contrôlée par la personne handicapée, et un risque de discrimination authentique lorsqu’elle est obligatoire, opaque, et contrôlée par un gardien qui a délégué son jugement à un score. Be My AI, Voiceitt et Project Relate sont des outils qu’une personne handicapée choisit et peut cesser d’utiliser. La notation de HireVue, la sélection de Workday et le modèle de risque du comté d’Allegheny sont des systèmes appliqués à une personne handicapée par une institution, avec des conséquences qu’elle ne peut pas refuser.
Cette distinction — assistif contre décisionnel — prédit le préjudice mieux que toute affirmation sur la sophistication d’un modèle, et elle traverse droits civiques, discrimination et surveillance par l’IA : la norme pour un système qui affecte des droits n’est pas de savoir s’il est précis en moyenne, mais s’il a été validé pour la population qu’il évalue, si un candidat peut contester une erreur, et si un humain doté d’une autorité réelle se trouve au point de décision. Chaque grief de refus d’aménagement raisonnable ou d’impact disparate ci-dessus se ramène au même élément manquant — un processus validé, appliqué à la population concernée, avec un véritable recours. Chaque gain d’accessibilité ci-dessus se ramène à l’inverse : un outil contrôlé par la personne concernée, avec un taux d’échec déclaré. Des systèmes multimodaux plus capables pourraient étendre encore le schéma de Be My AI. Rien ne l’exclut. Mais rien ne montre non plus qu’il arrive automatiquement : la même capacité est exactement ce qu’acquerrait aussi un fournisseur de solutions de sélection.