Comment l’IA rend l’automatisation des tests plus performante ?
De la reconnaissance faciale aux voitures autonomes, l’intelligence artificielle (IA) et l’apprentissage automatique/machine learning (ML) sont devenus monnaie courante dans de nombreuses industries ces dernières années. Dans le même temps, le secteur du développement de logiciel a lui aussi vécu une transformation.
Face à des clients qui cherchent à s’engager davantage à travers des expériences numériques, les entreprises ont dû se mettre à jour plus rapidement que prévu.
Attirer et satisfaire les clients dans chaque étape de la distribution du produit/service est devenu essentiel, car c’est ce qui détermine si le client décide de continuer de faire affaire avec vous plutôt qu’avec un concurrent.
Bien que la discipline de QA (Quality Assurance) soit restée inchangée, tous les autres aspects du processus de qualité ont progressé. Les entreprises ne peuvent plus choisir entre la qualité et la rapidité, elles doivent les atteindre simultanément.
Rapports sur l’IA et la qualité du test
Récemment, deux rapports ont été publiés, traitant directement de la combinaison de ces deux tendances en expliquant comment les leaders de l’industrie tirent parti de l’IA pour moderniser leur approche de la qualité du test en 2021-2022 et au-delà.
Le premier rapport, de l’EMA (Enterprise Management Associates), est intitulé “Disrupting the Economics of Software Testing Through AI”. Dans ce rapport, l’auteur Torsten Volk, directeur général de la recherche chez EMA, examine les raisons pour lesquelles les approches traditionnelles de la qualité des logiciels ne peuvent pas s’adapter aux besoins de la conception de logiciels actuels. Il met en évidence 5 catégories clés de l’IA et 6 problèmes critiques en matière d’automatisation des tests auxquels l’IA peut remédier.
Ce rapport complet est créé en partenariat avec les principaux fournisseurs de technologies dans le but de fournir un examen détaillé de l’état actuel de l’intelligence artificielle (IA) dans de nombreux cas d’utilisation dans le domaine du Quality Assurance et s’articule autour d’une question clé :
“Comment l’IA peut-elle rendre la validation de la qualité du test plus performante ?”
Alors que l’application de l’IA aux tests continue de progresser, il est important de comprendre son potentiel et la manière dont elle peut contribuer à améliorer la qualité, la rapidité et l’efficacité des activités d’ingénierie de la qualité.
Nous verrons ci-dessous certains des points essentiels de ces deux rapports et ce qu’ils considèrent comme étant l’avenir de la qualité logicielle.
Test IA : Le développement de la qualité du test et la nécessité de l’IA
Tout d’abord, parlons de la raison pour laquelle les approches traditionnelles de la qualité logicielle et de l’automatisation des tests ne suffisent plus.
La première partie du rapport donne un aperçu de la pression exercée par les entreprises pour publier plus rapidement des versions et des applications techniques de plus en plus complexes. Les équipes de développement sont confrontées à de nombreux défis qui font augmenter la difficulté et le coût de la qualité logiciel. Multipliez cela par le nombre de versions par mois et vous verrez rapidement que les outils traditionnels d’automatisation des tests ne peuvent plus se mesurer aux défis que représente la production de logiciels actuels.
Source : Disrupting the Economics of Software Testing Through AI, septembre 2021, EMA Research.
Le plus gros défaut de la méthode traditionnelle d’automatisation des tests est qu’elle évolue de façon linéaire. Dans ce contexte, les rapports de l’EMA étudient comment les entreprises actuelles peuvent tirer profit de l’IA/ML pour optimiser leurs pratiques d’automatisation des tests et s’adapter au rythme accéléré de la production de logiciel.
L’Intelligence Artificielle permet d’automatiser les tests et d’identifier les problèmes avant qu’ils n’affectent les utilisateurs
En matière de qualité logicielle, certains outils sont capables de contrôler l’interface utilisateur graphique (GUI) ou une interface de programmation d’application (API). D’autres analysent la couverture et recommandent des actions supplémentaires, et certains exploitent les fichiers journaux à la recherche de comportements spécifiques. Ce ne sont là que quelques exemples. Mais pour augmenter la productivité des développeurs, il est nécessaire de comprendre chacune de ces tâches et la manière dont elles peuvent être optimisées.
Quel est le rapport avec l’IA et test ?
L’IA a la capacité d’appliquer des algorithmes et des stratégies utilisés dans des outils pour exécuter des tâches de qualité humaine.
Par exemple, un développeur peut raisonner en examinant une application pour savoir si elle a été correctement testée ou non. Si le cycle de test a été incomplet, il peut alors déterminer quels tests supplémentaires doivent être effectués. L’IA a le potentiel d’agir de manière identique. Bien que l’IA puisse nécessiter une certaine préparation en amont, une fois qu’elle a été formée, elle a le potentiel de continuer à tester la fonctionnalité même si l’application se développe.
Le rapport de l’EMA détaille cinq capacités clés de l’IA qui peuvent aider les organisations à simplifier et à automatiser certaines tâches de leur processus de qualité et de test :
- Création de test/Test intelligent : Détection automatique des exigences de tests présents et/ou modifiés grâce à l’analyse continue des changements apportés à l’application et au traitement en langage naturel (NLP) des besoins définis.
- Autoguérison : Correction en continu et en automatique des problèmes de test défectueux.
- Vision artificielle : Formation d’unités d’apprentissage pour examiner l’application du point de vue de l’utilisateur final.
- Détection de la protection : Déterminer automatiquement les différents chemins que les utilisateurs finaux peuvent emprunter dans l’application et signaler les failles pour la protection du code.
- Détection des anomalies : Détection automatique des anomalies du logiciel qui ne correspondent pas aux attentes du modèle IA/ML.
Source : Disrupting the Economics of Software Testing Through AI, septembre 2021, EMA Research.
Le rapport met en évidence les principaux avantages de chaque capacité, puis détaille la manière dont ces capacités peuvent réduire l’écart entre le “scénario idéal” et la situation “réelle” sur six points problématiques de l’automatisation des tests : faux positifs, maintenance des tests, retour d’information insuffisant, complexité de l’application, protection des systèmes et complexité de la palette d’outils.
Chaque fonctionnalité se voit attribuer une note, classant son impact actuel en 2022 et prévoyant son impact futur en 2024. La capacité de contrôle visuel, mise en œuvre avec la vision artificielle/virtuelle, obtient la note la plus élevée, à la fois pour l’impact actuel et pour celui à venir. Elle offre l’avantage majeur de fournir une représentation complète et précise de l’expérience utilisateur. Elle apprend et s’adapte aux nouvelles situations sans qu’il soit nécessaire d’écrire et de maintenir des règles fondées sur le code.
Le rapport de l’EMA ajoute que les 4 autres capacités de l’IA sont toutes des solutions qui aident les entreprises à réduire le risque tout en diminuant la charge de travail humaine. La vision artificielle (Visual AI) va plus loin par rapport à ces solutions de pointe qui visent à comprendre les processus des applications et les besoins de l’entreprise.
Réduisez les délais de lancement grâce à Visual IA
La vision artificielle est déjà une technologie avancée, adoptée par les grandes marques de tous secteurs pour accélérer la diffusion de leurs expériences numériques. Les niveaux de précision très élevés et la capacité à gérer des contenus évolutifs et complexes permettent aux équipes de ne pas être débordées par de faux positifs.
La Visual IA offre aux ingénieurs de test une “paire d’yeux” supplémentaire, leur permettant de se concentrer sur les domaines qui ont réellement besoin de l’intelligence humaine – la puissance et l’impact de cette approche sont énormes.
De l’assistance de l’IA aux tests autonomes
Actuellement, les entreprises s’efforcent de faire en sorte que l’IA élimine les tâches répétitives et banales, permettant ainsi aux employés de se concentrer sur les tâches créatives/complexes qui requièrent de l’intelligence humaine.
Le rapport indique : “Les technologies d’automatisation des tests basées sur l’IA peuvent offrir un réel retour sur investissement dès aujourd’hui et ont le potentiel de traiter les principaux problèmes d’automatisation qui se présentent aujourd’hui.”
Le retour sur investissement augmentera à mesure que nous regarderons vers l’avenir et la prochaine grande avancée de la qualité logicielle et les tests autonomes. Les tests autonomes changeront le rôle des développeurs et des testeurs, qui ne seront plus chargés de tester l’application, mais de former l’IA.
Il formera l’IA à l’utilisation de l’application, la laissera effectuer les activités de test, puis examinera les résultats. Ce changement entraînera une augmentation considérable de l’efficacité des équipes, réduisant ainsi le coût global de la qualité du test et permettant aux entreprises d’établir des pratiques de qualité logicielle évolutives.
Si vous voulez en savoir plus sur la thématique de l’IA et test, n’hésitez pas à consulter notre formation sur IA et test.
Voir aussi nos différents articles sur le test IA :
Formez-vous pour réussir votre premier projet d’automatisation de test automaticien notre partenaire UpSkill4IT vous propose une formation sur l’automatisation de test.
Si vous souhaitez également vous formez à l’IA et Test, UpSkill4IT vous propose une formation sur l’IA et Test.
