Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Dans ces travaux, nous nous concentrons sur l’amélioration de l’accessibilité web pourdes utilisateurs handicapés visuels à travers d’outils s’intègrant dans la plateforme SmartWeb Accessibility Platform (SWAP). Après une synthèse sur l’accessibilité, un panoramade SWAP est présenté. Notre première contribution concerne la compensation de la pertede contraste textuel dans les pages web pour les daltoniens tout en maintenant les intentionsde l’auteur retranscrites par les couleurs. Ce problème est modélisé sous la forme d’unproblème de minimisation d’une fonction numérique dépendante des couleurs initiales, desrelations entre les couleurs de la page et des couleurs modifiées. L’intérêt et l’efficacité detrois méthodes d’optimisation (mass-spring system, CMA-ES, API) ont été évaluées surdeux jeux de données (réel, artificiel). Notre deuxième contribution cherche à améliorer lastructure de pages web pour des utilisateurs de lecteurs d’écran afin de compenser la perted’information due à la linéarisation du contenu. Grâce à l’utilisation d’heuristiques et detechnique d’apprentissage, les zones caractéristiques de la page sont identifiées. La pageest complétée en utilisant des liens supplémentaires et les marqueurs ARIA afin de permettreune meilleure identification des zones par les lecteurs d’écran. Nos expérimentationsmontrent l’efficacité de notre proposition. / This thesis works are focused on enhancing web accessibility for users with visual disabilities using tools integrated within the SmartWeb Accessibility Platform (SWAP). After a synthesis on accessibility, SWAP is presented. Our first contribution consists in reducing the contrast loss for textual information in web pages for dichromat users while maintaining the author’s intentions conveyed by colors. The contrast compensation problem is reduced at minimizing a fitness function which depends on the original colors and the relationships between them. The interest and efficiency of three methods (mass-spring system, CMA-ES, API) are assessed on two datasets (real and artificial). The second contribution focuses on enhancing web page structure for screen reader users in order to overcome the effect of contents’linearization. Using heuristics and machine learning techniques, the main zones of the page are identified. The page structure can be enhanced using ARIA statements and access links to improve zone identification by screen readers.