L’IA dans l’Assurance Qualité : Permettre aux testeurs manuels d’automatiser sans coder

Par Jean-Philippe Jacquet

L’étincelle : Une nouvelle voie pour les testeurs manuels

Il y a quelques mois, certains de mes testeurs manuels seniors ont exprimé leur intérêt pour contribuer aux tests automatisés. Ils voyaient cela comme une évolution naturelle dans leur carrière. Cependant, la courbe d’apprentissage des outils traditionnels d’automatisation, comme Selenium ou Cypress, était abrupte. C’est alors que j’ai réalisé : Et si nous utilisions l’IA pour leur permettre de se concentrer sur leurs points forts — concevoir des scénarios de test complets — tout en supprimant la barrière de la programmation ?

J’ai commencé à explorer l’IA générative dans le domaine de l’Assurance Qualité, et ce que j’ai découvert a été transformateur. Il ne s’agit pas seulement d’efficacité ou de scalabilité. Il s’agit d’inclusivité : donner aux testeurs manuels seniors, qui possèdent souvent une expertise métier approfondie, un moyen de contribuer à l’automatisation sans avoir besoin de devenir programmeurs.

Le problème : Le fossé de l’automatisation

Les testeurs manuels seniors sont inestimables. Ils excellent dans :

Les tests exploratoires : Découvrir des cas limites dans des systèmes complexes.
La pensée centrée sur l’utilisateur : Anticiper comment les utilisateurs finaux interagiront avec le logiciel.
L’expertise métier : Comprendre les nuances des exigences spécifiques à un domaine.

Pourtant, dans de nombreuses organisations, leur capacité à contribuer à l’automatisation est limitée, car les outils traditionnels nécessitent des compétences en programmation. Cela crée un fossé de compétences qui laisse leur expertise sous-utilisée dans les efforts d’automatisation des tests.

Par exemple, un testeur senior pourrait avoir des années d’expérience dans la validation de la logique métier complexe d’un système. Mais sans connaissances en programmation, sa capacité à automatiser ces tests est limitée. C’est une perte pour l’équipe et pour la qualité du produit.

La solution : L’IA comme pont

L’IA générative change la donne. Il ne s’agit pas de remplacer les testeurs manuels ou les programmeurs. Il s’agit de supprimer les barrières qui empêchent les bons testeurs de contribuer à l’automatisation. Voici comment l’IA rend cela possible :

1. Création de tests sans programmation/low-code

Des outils comme Mabl, Test.ai et Rainforest QA permettent aux testeurs de créer des tests automatisés en utilisant :

Le langage naturel : Décrivez un scénario de test en français, et l’IA génère le script.
Des interfaces visuelles : Fonctionnalités de glisser-déposer ou d’enregistrement/relecture qui ne nécessitent pas de programmation.
Des artefacts existants : L’IA peut transformer des user stories, des critères d’acceptation ou même des tickets JIRA en scripts de test exécutables.

2. Tests auto-correctifs

L’un des plus grands défis de l’automatisation est la maintenance. Les éléments de l’interface utilisateur changent, les localisateurs se brisent, et soudain, votre suite de tests est remplie de scripts en échec. Les outils d’IA peuvent mettre à jour automatiquement les tests lorsque l’application change, afin que les testeurs manuels ne passent pas des heures à déboguer des scripts cassés.

3. Intégration transparente avec CI/CD

L’IA ne se contente pas d’aider à créer des tests, elle aide aussi à les exécuter au bon moment. Les outils peuvent :

Déclencher des tests automatiquement à chaque commit ou pull request.
Prioriser les tests en fonction des modifications du code, afin de ne pas exécuter des tests non pertinents.
Fournir un retour instantané aux développeurs, détectant ainsi les bugs plus tôt dans le pipeline.

Pour quelqu’un comme moi, passionné par CI/CD et DevOps, c’est un changement majeur. Cela signifie que les testeurs manuels peuvent contribuer à l’automatisation sans devenir des goulots d’étranglement ou nécessiter un soutien constant des programmeurs.

Les outils en action : Une comparaison

Tous les outils d’Assurance Qualité alimentés par l’IA ne se valent pas. Voici comment trois des principales plateformes se comparent, en fonction de leur capacité à autonomiser les testeurs manuels et à s’intégrer avec CI/CD :

Outil	Création de tests sans programmation	Tests auto-correctifs	Intégration CI/CD	Idéal pour
Rainforest QA	Scripts de test en langage naturel	✅ Oui	✅ Intégration approfondie	Tests externalisés + IA
Mabl	Enregistrement/relecture + édition visuelle	✅ Oui	✅ Intégrations natives	Personnalisation low-code
Test.ai	Tests en langage naturel + tests visuels	✅ Oui	✅ Exécution intelligente	Tests multi-navigateurs/appareils

Rainforest QA : Des tests en langage naturel avec soutien externalisé

Rainforest QA se distingue par sa simplicité et sa scalabilité. Les testeurs peuvent écrire des tests en langage naturel, par exemple :

« Connectez-vous en tant qu’administrateur, accédez à l’onglet ‘Itinéraires’, sélectionnez ‘Itinéraire #45’, et vérifiez que le conducteur assigné est ‘Jean Dupont’ et que le numéro de bus est ‘BUS-2024’. »

Tests externalisés : Rainforest QA combine l’IA avec un réseau de testeurs humains qui exécutent les tests à la demande. Cela est particulièrement utile pour :
- Scaler l’exécution des tests sur plusieurs environnements ou appareils sans maintenir votre propre infrastructure.
- Gérer les cas limites qui pourraient être difficiles à automatiser, comme le comportement du système sur un réseau lent.
- Augmenter votre équipe pendant les périodes de pointe (par exemple, avant une version majeure).
Avantages :
- Aucune programmation requise. Idéal pour les testeurs manuels seniors qui veulent contribuer à l’automatisation immédiatement.
- Intégration avec les pipelines CI/CD pour exécuter des tests à chaque commit.
- Les testeurs externalisés peuvent fournir un retour en conditions réelles sur l’utilisabilité et les cas limites.
Inconvénients :
- Moins flexible pour les logiques de test complexes (par exemple, boucles, conditions).
- Les tests externalisés peuvent introduire une variabilité dans l’exécution (par exemple, différences de timing ou d’environnement).

Exemple : Un testeur senior pourrait utiliser Rainforest QA pour écrire un test en langage naturel validant qu’un nouvel algorithme d’assignation d’itinéraires de bus met correctement à jour les informations du conducteur et du bus dans l’interface. Ce test pourrait ensuite être exécuté automatiquement par les testeurs externalisés de Rainforest dans le cadre du pipeline CI, garantissant que la fonctionnalité fonctionne comme prévu sur différents navigateurs et appareils.

Mabl : Enregistrer, rejouer et laisser l’IA faire le reste

La fonction enregistrement/relecture de Mabl est parfaite pour les testeurs seniors qui souhaitent automatiser leurs cas de test manuels sans programmer. Voici comment cela fonctionne :

Un testeur effectue manuellement une série d’actions dans le système (par exemple, créer un nouvel arrêt de ramassage, l’assigner à un itinéraire de bus et vérifier que l’itinéraire est mis à jour correctement).
Mabl enregistre ces actions et les transforme en un script de test automatisé.
Le script peut ensuite être modifié visuellement (par exemple, ajouter des assertions ou de la logique) sans écrire de code.

Avantages :
- Aucune programmation requise pour les tests de base. Les utilisateurs plus avancés peuvent ajouter du JavaScript personnalisé si nécessaire.
- Auto-correctif : L’IA de Mabl met automatiquement à jour les tests lorsque les éléments de l’interface changent (par exemple, si l’ID d’un bouton change dans le tableau de bord).
- Prêt pour CI/CD : Intégration avec GitHub, GitLab, Jenkins, etc., pour exécuter des tests à chaque pull request.
Inconvénients :
- L’enregistrement/relecture peut être fragile si l’interface utilisateur change fréquemment.
- Les personnalisations peuvent nécessiter des connaissances techniques.

Exemple : Un testeur senior pourrait utiliser Mabl pour enregistrer un test validant qu’un nouvel arrêt de ramassage est correctement assigné à l’itinéraire de bus le plus proche. Lorsque l’interface de l’écran d’assignation des élèves est mise à jour dans un sprint ultérieur, l’IA de Mabl met automatiquement à jour le test pour tenir compte des nouveaux IDs de boutons ou des changements de disposition, économisant ainsi des heures de mises à jour manuelles au testeur.

Test.ai : Tests visuels alimentés par l’IA

Test.ai se concentre sur les tests visuels et pilotés par l’IA, ce qui est idéal pour garantir la cohérence de l’interface utilisateur :

Cas de test en langage naturel : Écrivez des tests en français, et Test.ai génère les scripts.
Tests visuels : L’IA détecte les changements d’interface (par exemple, un bouton déplacé, une couleur changée) et les signale comme des problèmes potentiels.
Exécution intelligente : N’exécute que les tests pertinents pour les modifications de code dans un commit.
Avantages :
- Excellent pour les tests multi-navigateurs/appareils : L’IA garantit que les tests s’exécutent de manière cohérente sur tous les environnements.
- Faible maintenance : Les tests visuels réduisent le besoin de mises à jour manuelles des scripts.
- Intégration CI/CD : Fonctionne avec la plupart des outils CI pour déclencher des tests automatiquement.
Inconvénients :
- Les tests visuels peuvent être gourmands en ressources.
- Peut nécessiter plus de configuration pour les applications complexes.

Exemple : Pour un tableau de bord fréquemment mis à jour pour améliorer l’utilisabilité, les tests visuels de Test.ai pourraient détecter et signaler automatiquement les changements d’interface (par exemple, une carte d’itinéraire de bus mal alignée ou un champ manquant pour l’emplacement de ramassage des élèves). Cela garantit que l’interface reste cohérente et fonctionnelle sur tous les appareils, sans que les testeurs manuels aient à mettre à jour les scripts pour chaque modification mineure.

Une vision plus large : L’IA dans CI/CD

L’un des aspects les plus passionnants de l’IA dans l’Assurance Qualité est son intégration avec les pipelines CI/CD. Voici pourquoi cela compte :

Génération automatique de tests : L’IA peut analyser les modifications de code et générer des scripts de test pertinents pour chaque commit. Par exemple :
- Un développeur met à jour l’algorithme d’assignation des arrêts de ramassage → L’IA génère un test pour vérifier que les élèves sont correctement assignés à l’itinéraire de bus le plus proche.
- Un designer modifie la disposition du tableau de bord des itinéraires de bus → L’IA met à jour les tests visuels pour ce tableau de bord.
Exécution intelligente des tests : Tous les tests n’ont pas besoin de s’exécuter à chaque commit. L’IA peut prioriser les tests en fonction de :
- Quelles parties du code ont été modifiées (par exemple, n’exécuter que les tests liés à l’assignation des itinéraires si la logique d’assignation a été mise à jour).
- Le niveau de risque des modifications (par exemple, mises à jour critiques des fonctionnalités de sécurité vs. ajustements mineurs de l’interface).
- Les données historiques (par exemple, quels tests échouent le plus souvent).
Boucles de retour plus rapides : Avec des tests pilotés par l’IA s’exécutant dans CI/CD, les bugs sont détectés plus tôt et plus rapidement. Les développeurs reçoivent un retour instantané, et les testeurs manuels seniors peuvent se concentrer sur les tests exploratoires et les cas limites.

Défis et réalités

Bien que l’IA dans l’Assurance Qualité soit puissante, elle n’est pas sans défis. Voici ce qu’il faut garder à l’esprit :

Les tests générés par l’IA ne sont pas parfaits : Ils nécessitent toujours une révision humaine, surtout pour les systèmes complexes. Par exemple :
- L’IA pourrait manquer des cas limites dans l’optimisation des itinéraires de bus qu’un testeur senior avec une expertise métier repérerait.
- Des faux positifs/négatifs peuvent se produire, en particulier dans les systèmes avec de nombreuses interdépendances.
La maturité des outils varie : Certaines fonctionnalités d’IA (par exemple, les tests auto-correctifs) sont plus matures que d’autres. Il vaut la peine de tester les outils pour voir ce qui fonctionne le mieux pour votre équipe et votre système.
Idéal pour les testeurs seniors : Les outils d’IA sans programmation sont particulièrement efficaces pour les testeurs manuels seniors qui possèdent :
- Une expertise métier approfondie (par exemple, comprendre les nuances d’un système de gestion).
- De solides compétences en pensée critique pour concevoir des scénarios de test complets.
- L’expérience nécessaire pour identifier les cas limites que l’IA pourrait manquer.
Les testeurs juniors peuvent encore avoir besoin d’orientation pour utiliser ces outils efficacement, car ils manquent souvent de la compréhension contextuelle nécessaire pour concevoir des cas de test robustes.
Configuration initiale : Bien que les outils sans programmation réduisent la barrière à l’entrée, ils nécessitent toujours une configuration et une formation. Associer les testeurs seniors à des experts en automatisation peut les aider à se familiariser rapidement.

L’avenir : L’IA comme multiplicateur d’équipe

Je crois que l’avenir de l’Assurance Qualité ne concerne pas l’automatisation contre les tests manuels. Il s’agit de collaboration. L’IA ne remplacera pas les testeurs manuels — elle amplifiera leurs forces, en particulier pour ceux qui possèdent une expertise métier approfondie.

Voici ce que j’imagine pour des équipes comme la vôtre :

Les testeurs manuels seniors se concentrent sur les tests exploratoires, les cas limites et les scénarios centrés sur l’utilisateur — des choses que l’IA ne sait pas encore bien faire. Par exemple, ils pourraient concevoir des tests pour des scénarios complexes comme :
- Que se passe-t-il si un bus tombe en panne en cours de route et que le système doit réassigner les élèves à de nouveaux bus en temps réel ?
- Comment le système gère-t-il un changement de dernière minute de l’emplacement de ramassage d’un élève à la demande d’un parent ?
L’IA s’occupe des tâches répétitives : génération de scripts, exécution de tests de régression et maintenance des suites de tests.
Les développeurs peuvent se concentrer sur les scénarios de test complexes et l’architecture, sachant que l’IA et les testeurs manuels couvrent les bases.

Dans ce monde, tout le monde y gagne :

Les testeurs seniors se sentent valorisés et montent en compétences, avec de nouvelles façons de contribuer au succès de l’équipe.
Les développeurs reçoivent un retour plus rapide et moins d’interruptions liées à la maintenance des tests.
L’entreprise bénéficie d’une qualité logicielle plus élevée et de versions plus rapides et plus fiables.

Réflexion finale : L’IA pour les humains

Au cœur de l’IA dans l’Assurance Qualité, il ne s’agit pas de technologie. Il s’agit des personnes. Il s’agit de donner aux testeurs manuels seniors — ceux qui ont des années d’expérience et une expertise métier approfondie — les outils dont ils ont besoin pour rester pertinents, développer leurs compétences et contribuer de nouvelles manières.

Les meilleurs testeurs ne sont pas définis par leur capacité à programmer. Ils le sont par leur capacité à penser de manière critique, concevoir des scénarios de test complets et défendre la qualité. L’IA est simplement l’outil qui leur permet de le faire à grande échelle.

Alors, à mes pairs dans le domaine de l’Assurance Qualité : L’avenir des tests est là, et il est plus accessible que vous ne le pensez. Donnez à vos testeurs manuels seniors une chance de briller avec l’IA. Vous — et eux — pourriez être surpris par ce qu’ils peuvent accomplir.