Czego nie wychwyci automatyczne testowanie dostępności

Tanveer Khan podczas sierpniowego WordPress Accessibility Meetup pokazał, czego automatyczne narzędzia do testowania dostępności nie wychwycą. To ważny temat dla wszystkich, którzy włączyli skanery do procesu wytwarzania i wierzą, że zielony raport oznacza dostępną stronę.

Automaty (axe, Lighthouse, WAVE, Accessibility Insights) robią swoje: działają szybko, powtarzalnie i dobrze sprawdzają to, co da się zapisać jako regułę — tekst alternatywny, etykiety pól, kontrast, niepoprawny ARIA. Ale sprawdzają implementację, nie doświadczenie. Nazwa dostępna może istnieć i nic nie komunikować, kod może być poprawny, a interfejs mylący.

Czego automat nie oceni, Khan dzieli na cztery obszary:

• interakcja — czy każdą funkcję da się obsłużyć: logiczna kolejność fokusu, nawigacja klawiaturą, menu, dialogi, całe ścieżki zadań;
• kontekst — czy nazwa ma sens tam, gdzie występuje: linki „Read More", „Zobacz" czy „Sprawdź" w oderwaniu od otoczenia nic nie mówią, choć każdy ma poprawną nazwę dostępną;
• zachowanie — co dzieje się po akcji użytkownika: czy dialog przejmuje fokus, czy błąd formularza jest powiązany z polem, czy komunikat o zmianie zostanie ogłoszony czytnikowi ekranu;
• doświadczenie — czy użytkownik może osiągnąć cel bez zbędnego wysiłku i zamieszania.

W live demo na katalogu produktów i stronie kasy widać było dokładnie takie przypadki: brak wskaźnika fokusu, kolejność wizualna niezgodna z porządkiem w kodzie, błędy niepołączone z polami, dialog bez zarządzania fokusem. Każdą z tych stron skan przepuści jako poprawną.

Autor nie namawia do rezygnacji z automatyzacji — proponuje konkretną kolejność: najpierw automat, który szybko oczyści kod z problemów regułowych, potem testy manualne, na końcu testy z technologiami asystującymi i opinie osób z niepełnosprawnościami. To samo powtarzam przy okazji audytów: techniczna zgodność to fundament, a nie całość — o dostępności decyduje to, czy człowiek rozumie interfejs, obsłuży go i ukończy zadanie.

Z tym akurat się nie zgodzę. Modele językowe potrafią analizować obraz i semantykę treści. Granicę automatyzacji można przesunąć znacznie dalej.

Warto przeczytać w całości: 179: What Automated Accessibility Tools Will Never Catch with Tanveer Khan (Accessibility Craft)