L’IA infuse nos vies et nous assiste … et ce n’est pas le métier du test qui va sans plaindre !

Il y a en effet de nombreuses tâches chronophages, fastidieuses et répétitives, indispensables à la qualité logicielle des produits que nous délivrons à nos clients (QA) que nous, professionnel du test, sommes ravis de déléguer !

Oui, les technologies d’IA/ML peuvent contribuer à optimiser l’automatisation de certains tests ou du moins participer à accélérer le processus de test et donc la délivrabilité des produits. L’enjeu est de taille quand on sait que le time-to-market est la clé pour rester compétitif ou prendre des parts de marché rapidement.

D’ailleurs, les éditeurs en ce domaine revendiquent :

• Des gains de X3 à X 1000 (!) en termes de productivité et des économies jusqu’à 90%
• Des temps d’écriture de tests automatisés divisés par 3 et réalisés « en quelques clics » via une utilisation de peu ou pas de code (Now code/ Low code)
• deux fois moins de bugs lors de la mise en production

Notre expérience fait que nous trouvons la proposition de valeur très « marketée » … En revanche, même si on minimise leur valeur ajoutée proclamée, il est temps pour tous les ingénieurs en automatisation des tests de s’y s’intéresser même si cela ne va pas révolutionner à court terme leur métier au quotidien !

En effet, la solution miracle pour garantir la qualité n’a pas encore été trouvée mais ces outils peuvent tout de même vous faciliter la vie en vous faisant gagner en efficacité et en temps passé.

Déjà, l’IA ne dort jamais et elle peut effectuer des taches 24h/24 😉

Voici un point non exhaustif et surement imparfait sur les avancées en IA/ML dans l’automatisation des tests.  Il s’agit de solutions émergeantes pour la plupart sur lesquelles nous manquons de retour d’expérience objectifs. Si vous en avez, n’hésitez pas à commenter, cela nous permettra d’enrichir et de challenger notre expertise sur le sujet !

Quels sont les domaines où l’IA/ML à une véritable valeur ajoutée ?

1. Analyse des logs (AIOps) : traitement de fortes volumétries pour identifier des événements anormaux et autres bugs
2. Tests de régression visuelle : identification de rendus visuels différents après des changements de codes
3. Autoréparation
4. Identification d’éléments UX spécifiques de l’interface utilisateur dans une page HTML plutôt que d’utiliser des algorithmes

Et à moindres mesures en termes d’avancées technologiques à date :

1. Surveillance et identification de séries de tests qui risquent d’être impactés et avoir des comportements non conformes lors de changements
2. Génération de scripts et rédaction de tests en utilisant par exemple le langage naturel ou le no code

Quelques outils à suivre

• https://test.ai/, le framework d’automatisation le plus avancés avec ses bots intelligents
• https://applitools.com/ pour la régression visuelle
• Mabl
• Appvance IQ
• Functionize Architect