WCAG 2.2-succescriterium 1.1.1 is niet gewijzigd sinds 2008. Elke niet-tekstafbeelding die betekenis overbrengt, heeft een tekstalternatief nodig; elke decoratieve afbeelding moet als decoratief worden gemarkeerd. Wat wel is veranderd, tussen de versie van dit artikel die we in 2022 hadden geschreven en de versie die we in mei 2026 schrijven, is dat het genereren van een aannemelijk klinkende zin uit een pixelarray niet langer het knelpunt is. Het genereren van een zin die correct, contextueel passend en vrij van verzonnen details is, nog steeds wel.

Die verschuiving is relevant omdat de meeste productie-CMS-platforms in 2026 een knop voor automatische alternatieve tekst hebben. Die knop roept een vision-language-model aan via een vendor-API en schrijft het resultaat rechtstreeks in het alt-attribuut. De toegankelijkheidsconsequentie is direct: als de knop het goed heeft, wordt een afbeelding die eerder met een leeg alt werd geleverd nu beschreven aan een schermlezergebruiker. Als de knop het fout heeft, ontvangt de schermlezergebruiker een zelfverzekerd geformuleerde zin over iets wat niet in de afbeelding staat.

Deze primer is bedoeld voor de engineers die die knop beheren. Het inventariseert de vijf vision-modellen die in 2026 verantwoordelijk zijn voor de overgrote meerderheid van vendor-integraties, test elk model op de vier canonieke beeldcategorieën, documenteert de terugkerende faalpatronen en sluit af met een hybride werkwijze die naar ons oordeel de enige verdedigbare standaard is totdat het onderliggende gedrag verandert.

Vijf vision-language-modellen domineren de integraties die we in productie zien: twee gesloten frontiermodellen (GPT-4o vision, Claude 3.7 Sonnet vision), één gesloten model dat veel wordt gebruikt in Google-producten en downstream Workspace-add-ons (Gemini 2.0), en twee open-weights-modellen die worden geleverd in zelf-gehoste CMS-plugins waar gegevenslokalisatievereisten de gesloten API’s uitsluiten (Llama-Vision-3, Pixtral). Elk model heeft een eigen profiel op de vier-categorieëntest hieronder.

De combo-kaarten hier geven het praktische gedrag weer dat wij observeerden op circa 600 testafbeeldingen in maart en april 2026, niet de marketingclaims. Kosten zijn per afbeelding bij typische resolutie per mei 2026 en exclusief vendor-opslag.

De WCAG-beslisboomrichtlijnen voor niet-tekstinhoud reduceren zich in de praktijk tot vier categorieën: informatieve foto’s (een persoon, een scène, een object dat betekenis draagt); grafieken en diagrammen (een staafdiagram, een stroomdiagram, een geannoteerde kaart); screenshots en UI (een dashboard, een foutstatus, een instellingenpaneel); en decoratief (een herokleurverloop, een scheidingslijn, een invulillustratie). We stelden een testset van 600 afbeeldingen samen met 150 afbeeldingen per categorie uit nieuws over handicaps, liefdadigheidsrapporten, softwaredocumentatie en redactionele invulling. Elk model produceerde één alt-kandidaat per afbeelding; drie menselijke reviewers beoordeelden elke kandidaat als accepteren, bewerken of afwijzen. De matrix hieronder toont het acceptatiepercentage.

De cijfers zijn niet bedoeld om een winnaar te kronen. Ze zijn bedoeld om aan te geven welke categorie het riskantste is om een AI-kandidaat te publiceren zonder review.

Geaggregeerde acceptatiepercentages verhullen de aard van de fouten. Bij het doornemen van de afgewezen kandidaten in de testset komen vier faalpatronen regelmatig genoeg voor dat ze verantwoordelijk zijn voor de grote meerderheid van missers. We benoemen ze hier zodat elke editor die AI-uitvoer beoordeelt weet welke patronen het eerst te zoeken.

AI-alternatieve tekst behandelen als ofwel “volledig geautomatiseerd” ofwel “onverantwoord” is een valse tegenstelling. De cijfers per categorie zeggen iets nuttiger: AI-kandidaten zijn bruikbaar als eerste concept in de fotocolom en als weigeringsbron in de grafiekkolom, en ze vormen een actief risico in de decoratieve kolom tenzij de werkstroom een expliciete “markeer als decoratief”-mogelijkheid heeft. De juiste standaard is een hybride, en de stappen hieronder vormen de hybride die wij aanbevelen.

De eerlijke kop van deze primer is dat vision-language-modellen in 2026 nu een bruikbaar eerste concept zijn voor de fotocolom en een bruikbare weigeringsbron voor de grafiekkolom, en dat die twee feiten samen een hybride werkwijze impliceren in plaats van een volledig geautomatiseerde. De lat is aanzienlijk verschoven tussen 2022 en 2026 — acceptatiepercentages op informatieve foto’s liggen voor de beste gesloten modellen nu in de hoge zestig procent, terwijl ze in 2022 dichter bij de lage dertig procent lagen. De vloer niet. Mobiliteitshulpmiddelen worden nog steeds verkeerd geïdentificeerd, gebarentaal wordt nog steeds “gebaren”, en decoratieve afbeeldingen krijgen nog steeds een zin terwijl ze stilte nodig hebben.

De toegankelijkheidsconsequentie is dat de juiste standaard voor elk CMS dat in 2026 een knop voor automatische alternatieve tekst levert, niet is “druk op de knop en publiceer”. Het is “druk op de knop voor een concept, en review dan voor publicatie”. Strikter dan dat levert verzonnen details op aan de lezers die het meest direct afhankelijk zijn van een correct tekstalternatief. Minder strikt dan dat — AI volledig negeren — laat de 41% afbeeldingen met lege alts onaangepakt terwijl een concept had geholpen.

We herhalen deze matrix in november 2026. Als de grafiekkolom boven de 60%-acceptatielijn is gestegen, zal de hybride werkwijze worden aangescherpt. Tot die tijd schrijft de knop een concept, en publiceert de editor.