Même si les tests logiciels sont considérés comme importants, les contraintes de temps et de ressources limitent la réflexion sur ce sujet. Ainsi les tests des Applis Web et Mobile se cantonnent-ils souvent à une activité de contrôle final en pré-prod, au lieu de s’inscrire dans une démarche qualité visant à obtenir, dans les temps et au meilleur coût, des produits bien conçus, sans bug ni régression.
Selon Salomon Elgozi, CEO chez TSI Consulting, le principal défi dans le domaine des tests est la pénurie de talents et d'expertise, en particulier pour l’automatisation des tests. En témoigne les difficultés des entreprises pour recruter et fidéliser des testeurs qualifiés, capables de mettre en œuvre et de gérer des frameworks de tests automatisés.
Même dotées d’un bon niveau d’automatisation, les entreprises continuent de recourir aux tests manuels. L’automatisation est en fait un surcout rarement compensé par des économies sur le test manuel, constate Salomon. Cela compromet le retour sur investissement de l’automatisation sauf pour des tests de non-régression sur des applications stables. L’essentiel des détections de défauts se fait donc encore et toujours par le test manuel.
Alors que les applications se multiplient et se complexifient, rendant l’automatisation de plus en plus nécessaire, celle-ci peine à prouver son efficacité.
Dans ce contexte, l’avènement des IA génératives apporte aux entreprises une lueur d’espoir. La facilité et la rapidité avec laquelle ces IA parviennent à générer des scripts d’automatisation à partir de prompts qui décrivent ce que l’on veut tester est bluffant. De là à penser que l’IA va remplacer le codeur, certains acteurs du test y songent et se sont d’ores et déjà lancés dans cette voie. Pour l’heure les solutions proposées sont imparfaites, complexes à mettre en œuvre et très gourmandes en ressources informatiques. Elles nécessitent en outre des compétences IA, ce qui implique des coûts de prestation d’experts et de formation des collaborateurs.
En revanche il y a un domaine extrêmement important dans lequel les IA génératives peuvent apporter une aide décisive au testeur manuel sans surcoût important. C’est celui de la définition des objectifs de test. C’est un aspect du test souvent insuffisamment traité. Il explique en grande partie la dérive ou l’échec de 7 projets sur 10 selon l’étude CHAOS du Standish Group. En effet pour garantir un haut niveau de qualité d’une application, le testeur doit identifier ce qu’il est important de tester et fixer des priorités. Cela signifie collecter et analyser toutes les sources disponibles sur le sujet traité : expressions de besoin, cahier des charges, documents de spécifications, comptes rendus de réunions, vidéos, maquettes, échanges de mails, etc. Tous ces médias dont sont friands les IA et à partir desquels elles excellent à fournir ce qu’on leur demande.
C’est la solution proposée par la Plateforme de Qualification SCAPIN de l’éditeur KOGEET. Son IA nativement intégrée permet au testeur manuel de construire son architecture de test en quelques minutes et de l’actualiser au fur et à mesure de l’avancée des discussions et des arbitrages des équipes de conception.
Ainsi, en collaboration avec les équipes métier, le Testeur manuel peut tester la conception des applications de manière itérative en amont des développements. En aval, plutôt qu’un recours souvent dispendieux à l’IA, KOGEET met en œuvre un modèle d’automatisation 100% no-code, le Storyboard Testing©, facile à utiliser par le testeur lui-même, performant et quasiment gratuit.
Comments