Les organisations qui se penchent sur leur transformation numérique connaissent l’importance de la donnée. Dans le cycle de vie du développement des applications, la performance du Big Data ouvre les portes des techniques d’analyse prédictive, une approche qui enrichit l’automatisation des tests et de l’Assurance Qualité (QA), et accélère la mise sur le marché.
Il ne pourrait y avoir d’évolution des technologies ni de transformation numérique des organisations sans performance. Et si l’on peut qualifier la donnée de véritable trésor, c’est son exploitation qui fait désormais la richesse de l’entreprise. Et pour cela, il faut de la performance.
Voilà pourquoi l’IA, l’Intelligence Artificielle, explose aujourd’hui, parce que nous avons accès à la puissance qui lui permet de s’exprimer en dehors des labs richement équipés, mais réservés à la recherche et aux scientifiques. L’automatisation et la robotisation recherchées peuvent enfin donner toute leur expression en tirant parti des données.
Priorité à la performance pour le développement logiciel
En matière de développement et de qualité des applications, la priorité a généralement porté sur la performance des produits. Avec les nouvelles approches agiles et DevOps, la performance des équipes au sein du cycle de développement et la réussite de la livraison de produits de qualité passent désormais également par l’implication des utilisateurs et la mesure des expériences globales. Donc de nouveau par la performance.
L’automatisation des activités de test est l’une des activités les plus importantes que les organisations peuvent mettre en œuvre pour améliorer les performances du cycle de vie de développement des applications. Mais la mise en place de cette démarche se révèle complexe, et même aboutit parfois à ralentir l’organisation. Si le manque de compétences est souvent évoqué comme un obstacle majeur, le manque de données et la qualité de ces dernières figurent également parmi ces obstacles.
L’IA au service de la QA, de la gestion des défauts et de l’automatisation des tests
Dans le cycle de vie du développement logiciel, l’assurance qualité (QA pour Quality Assurance) est un ensemble d'activités planifiées et systématiques de toutes les actions nécessaires pour fournir une assurance suffisante qu'un logiciel produit ou modifié est conforme aux exigences et aux attentes établies (définition de Wikipedia).
L’arrivée de l’IA dans le cadre de l’automatisation de cette démarche QA repose sur l’exploitation du machine learning alimenté par de grands volumes de données, structurées ou non structurées, rendues disponibles pour les outils de gestion des défauts et d’automatisation des tests.
La capacité désormais offerte d’intégrer les données issues de toutes les activités de test dans la moulinette complexe de l’IA et du machine learning pour analyser les performances du cycle de vie des développements ouvre de nouvelles perspectives, celles de l’AQ prédictive, et représente un avantage, celui de donner de l’intelligence aux tests.
Test, Big Data, IA et QA prédictive au service du cycle de vie des applications
Ces apports technologiques se traduisent par :
- Une réduction des cycles de test par leur optimisation et un accroissement de l’efficacité, pour accélérer la mise sur le marché ;
- Une meilleur compréhension de ces cycles, de ce qui fonctionne, et mieux encore de ce qui ne fonctionne pas dans les tests ;
- Une meilleure détection des défauts par l’analyse de leurs causes profondes et des défaillances, avec la prévision éventuelle des défauts et des risques jusque sur les prochaines versions.
Ainsi, l’amélioration de la qualité des applications va permettre d’améliorer l’expérience utilisateur, des utilisateurs finaux, des clients et des autres parties prenantes de l’écosystème de l’entreprise.
Image d’entête 628530432 @ iStock IconicBestiary
