Langue : Français English
Étude de cas

Audit indépendant d'un site transactionnel à fort trafic

Données réelles issues de notre projet de référence, au 13 juillet 2026. Le nom du client est volontairement omis dans ce document — un exemple concret est disponible sur demande, sous réserve d'accord de confidentialité.

Ampleur de l'audit

46 Défauts documentés sur le parcours principal — 11 critiques, 16 sérieux, 14 modérés, 5 mineurs — chacun avec sévérité, critère WCAG et RGAA, méthode de détection, statut de vérification, capture annotée et recommandation technique.
24 Défauts supplémentaires détectés sur un audit séparé de 174 pages en cascade (rubriques secondaires du pied de page), exécuté via un crawl automatisé parallèle.
162 Critères réglementaires (56 WCAG + 106 RGAA) évalués indépendamment, chacun avec verdict et protocole de test.

Couverture obtenue par notre démarche automatisée

Sur ce projet, 121 des 162 critères réglementaires (75 %) étaient couverts par notre démarche automatisée — le reste (41 critères, 25 %) exigeait un jugement humain que nous n'intégrons pas à notre approche à ce jour.

Couverture par notre démarche automatisée, par référentiel
IndicateurRGAAWCAG
Critères couverts par notre démarche automatisée82 / 106 (77 %)39 / 56 (70 %)
Résolus (sans ni avec confirmation manuelle rapide)100 %100 %
Jugement humain requis, non couvert à ce jour24 / 106 (23 %)17 / 56 (30 %)

Les 2 derniers critères RGAA restants exigent un jugement humain que notre démarche n'intègre pas à ce jour. Le référentiel RGAA doit évoluer vers une version 5, en cours de rédaction.

Les critères débloqués par nos protocoles de preuve réelle — pont NVDA (voix réelle capturée), mode contraste forcé, détection de focus visible par diff de style, attente réelle de délai de session (30 min), triage vision pour les icônes sans nom, transcription automatique audio/vidéo, jugement par modèle multimodal, cohérence entre les écrans — sont tous automatisés (avec confirmation manuelle rapide pour certains), jamais un audit manuel classique.

Défauts systémiques identifiés

L'analyse a mis en évidence des patterns provenant du design system du site (composants partagés du framework d'interface sur toutes les pages) — un seul correctif au niveau du composant résout plusieurs findings simultanément :

  • Boutons icônes du design system sans nom accessible
  • Barres de progression sans libellé
  • Panneaux d'accordéon sans nom accessible
  • Multiples balises H1 par page sur les applications monopage
  • aria-modal="true" employé à tort sur de simples boutons

Cette analyse change l'estimation d'effort de remédiation présentée au client : un correctif de composant peut résoudre des dizaines de défauts d'un coup plutôt que d'être traité page par page.

Ce que cette étude de cas démontre

On ne laisse pas une liste de cases à cocher manuellement

Chaque critère non automatisable a un protocole de test concret, pas juste une étiquette « à vérifier ».

On teste ce qu'un vrai utilisateur vit

Voix réelle d'un lecteur d'écran, attente réelle de délai de session — pas des heuristiques qui approximent le comportement.

On sépare rigueur et vitesse

Le triage assisté par IA (vision) accélère la détection mais n'est pas présenté comme un verdict final.

On documente les défauts systémiques

Pas juste des symptômes page par page — un correctif de composant peut résoudre des dizaines de défauts d'un coup.

Un site de cette envergure à faire auditer ?

Ce projet de référence est un site à très grande échelle, pas un site vitrine simple — parlons de votre périmètre.