Des tests logiciels intelligents et efficaces
L’intelligence artificielle – ou plus précisément les LLM – représente une véritable révolution pour le développement logiciel : jamais il n’a été aussi simple et rapide de produire du logiciel. Cependant, les LLM posent un problème de qualité. Leur rapport à la réalité est lâche, car ce ne sont « que » des modèles statistiques. Ils peuvent générer des résultats, mais ne peuvent pas en assumer la responsabilité.
Cela rend l’assurance qualité logicielle plus importante que jamais. Nous devons garantir la qualité grâce à la supervision humaine, tout en suivant le rythme imposé par le volume et la vitesse du développement logiciel moderne.
C’est l’équilibre que la QA doit atteindre – et c’est notre mission chez QF-Test : proposer des intégrations d’IA qui augmentent la productivité des ingénieurs en automatisation des tests, sans compromettre ni remettre en question la qualité de leurs résultats. QF-Test est conçu pour s’appuyer sur l’expertise des professionnels de la QA, et non pour les remplacer.
C’est pourquoi QF-Test adopte une approche réfléchie et transparente de l’intelligence artificielle, en l’appliquant de manière ciblée là où elle apporte une valeur réelle et mesurable dans les tests au quotidien – sans jamais sacrifier le contrôle des équipes QA à quelque étape que ce soit.
QF-Test utilise l’intelligence artificielle là où elle offre une véritable plus-value dans le quotidien du test, avec pour objectif de rendre l’automatisation des tests plus stable, efficace et facile à maintenir. Les fonctionnalités s’appuyant sur l’IA s’intègrent de manière ciblée dans les phases clés du processus de test et soulagent notablement les équipes QA.
Avec QF-Test 11 et son MCP intégré, QF-Test est prêt pour les workflows d’IA basés sur des agents. Outre plusieurs améliorations utiles de l’interface utilisateur, il est désormais possible de générer automatiquement des appels de procédure complexes directement pendant l’enregistrement. Cette vidéo vous présente les nouveautés.
Études de Cas
Savoir de Base
Types de Test
Secteurs
ai, vous pouvez facilement envoyer des prompts à n’importe quelle IA configurée dans QF-Test. Utilisez-le pour générer des données de test ou effectuer des vérifications en langage naturel.
Toutes ces fonctionnalités visent un même objectif : moins de maintenance, des tests plus stables et une prise de décision plus rapide. Découvrez par vous-même comment l’automatisation des tests basée sur l’IA fonctionne en pratique avec QF-Test.
In this webinar, we’ll show you how QF-Test 11 integrates AI directly into your everyday testing workflow. From AI instructions in individual test steps to automatically generating comprehensive test cases.
Les logiciels modernes deviennent de plus en plus complexes : les applications regroupent de nombreux composants, évoluent en continu et doivent fonctionner de manière fiable sur différentes plateformes. Parallèlement, des modifications fréquentes de l’interface utilisateur rendent rapidement les tests classiques basés sur des règles instables et augmentent l’effort de maintenance. De plus, les tests manuels prennent beaucoup de temps et deviennent difficilement scalables avec la fréquence croissante de publication.
C’est précisément ici que l’intelligence artificielle appliquée au testing logiciel trouve toute sa pertinence. QF-Test mise sur l’IA pour rendre les tests plus intelligents, adaptatifs et robustes. Les modifications de l’application sont mieux absorbées, les exécutions de tests sont plus stables et les retours sont plus rapides – un atout décisif pour les équipes agiles et les processus DevOps modernes.
La réussite de l’IA en automatisation des tests nécessite une démarche réfléchie, associant apprentissage automatique (Machine Learning) et méthodes éprouvées de test. L’IA doit toujours être considérée comme un soutien, jamais comme un remplacement de l’expertise QA : elle complète les connaissances, mais ne prend pas de décisions stratégiques. Une introduction progressive à partir de cas de test critiques permet d’évaluer les apports de l’IA, de gagner de l’expérience et de limiter les risques. Un monitoring continu et l’ajustement des résultats générés par l’IA sont aussi essentiels pour garantir la fiabilité des tests automatisés et leur adaptation aux besoins évolutifs.
Avec ces bonnes pratiques, l’automatisation des tests assistée par IA devient fiable, maîtrisée et durablement ancrée dans le développement, optimisant ainsi le testing AI-driven, l’intelligence des tests et l’autonomous testing pour l’assurance qualité.
Parlez-nous de votre projet et nous vous montrerons personnellement comment QF-Test peut vous aider.
Bien que l’IA puisse rendre l’automatisation des tests nettement plus efficace et stable, il existe des limites importantes à connaître.
L’IA est un outil, pas une personne – elle ne fait que soutenir les processus existants et ne peut pas remplacer la planification ou l’expertise des équipes QA.
La vision du monde de l’IA repose sur des statistiques et des données d’entraînement et ne reflète pas nécessairement la réalité. Les IA peuvent « halluciner » et inventer des informations.
Gestion des faux positifs et des faux négatifs : l’IA ne peut pas toujours classer automatiquement toutes les anomalies, donc l’intervention humaine reste nécessaire.
QF-Test offre une transparence totale pour toutes les décisions prises par l’IA grâce au journal d’exécution, permettant aux testeurs de voir exactement comment les résultats sont déterminés. Cela garantit que l’automatisation des tests pilotée par l’IA avec QF-Test reste fiable, contrôlable et pratique.
Les logiciels métiers ont besoin de fiabilité, pas d’expérimentation. Avec QF-Test, l’automatisation des tests par IA est efficace, transparente et utilisée uniquement là où elle apporte un réel bénéfice. Résultat : moins de tests sujets aux erreurs, des boucles de feedback accélérées, et plus de temps pour se consacrer aux tâches réellement créatrices de valeur.
Puis-je désactiver complètement toutes les fonctions IA ?
Oui, c’est entièrement possible. Il existe trois façons indépendantes de désactiver les fonctions IA dans QF-Test.
Option 1 – Configuration
Ne pas ajouter de LLM, ne pas activer le serveur MCP
Ne créez aucune entrée dans le tableau « Configurations LLM » et ne cochez pas l’option « Activer le serveur MCP intégré ». Sans modèle de langage configuré, QF-Test n’effectue aucune requête IA.
Option 2 – Option système
Activer l’option « Bloquer les fonctions IA »
L’option système OPT_BLOCK_AI désactive en une seule fois toutes les fonctions qui effectuent des appels LLM ou fournissent des interfaces IA — indépendamment de tout autre paramètre.
Option 3 – Installation
Supprimer les bibliothèques IA
Sous Windows, les fonctions IA peuvent être désélectionnées lors de l’installation. Sous Linux et macOS, supprimez simplement les fichiers lib/langchain4j.jar et lib/mcp.jar du répertoire d’installation.
Ces trois options sont définitives et peuvent être combinées — par exemple dans des environnements où une politique d’entreprise interdit l’utilisation des fonctions IA.
Comment l’agent IA interagit-il avec le SUT ? Puis-je suivre les actions que l’IA effectue ?
L’agent IA utilise la reconnaissance de composants établie et les actions utilisateur simulées de QF-Test. Toutes les actions effectuées par l’IA sont enregistrées par QF-Test.
L’IA peut interagir avec le SUT en utilisant les outils MCP fournis par QF-Test. Elle utilise la même reconnaissance de composants et simule les interactions utilisateur de la même manière.
Lors de l’utilisation de l’IA dans QF-Test, toutes les actions, les utilisations d’outils MCP et les réponses de l’agent IA sont documentées dans le journal. Cela permet un suivi complet de ce que l’agent a fait et de la manière dont il a obtenu ses résultats.
Limites de profondeur, suppression accidentelle de données, actions irréversibles : comment restreindre l’IA lors de l’exploration autonome d’un SUT pour la génération de tests ?
La génération de tests par IA dans QF-Test est conçue comme point de départ pour les équipes QA — pas comme outil de validation. Cette distinction est essentielle pour une utilisation appropriée.
L’exploration autonome est conçue pour les environnements de test. Les actions irréversibles, les suppressions accidentelles ou l’accès à des systèmes extérieurs à l’environnement de test doivent être contrôlés par l’environnement de test lui-même — pas par l’agent IA. Cela s’applique de la même manière à tout agent IA.
Les limites de profondeur peuvent être spécifiées dans la description du test et sont généralement respectées en pratique. Il n’existe cependant actuellement aucun mécanisme permettant de les imposer techniquement. L’agent peut être arrêté à tout moment si un comportement indésirable est observé pendant l’exploration.
Comment empêcher l’IA d’accepter le comportement actuel de l’application comme étant correct ?
La génération de tests par IA dans QF-Test est conçue comme point de départ pour les équipes QA — pas comme outil de validation. Cette distinction est essentielle pour une utilisation appropriée.
Il n’existe actuellement aucun moyen fiable d’empêcher l’IA de considérer l’état actuel de l’application comme le comportement attendu. Ce n’est cependant pas l’objectif principal de cette fonctionnalité — elle est destinée à fournir aux équipes QA un point de départ structuré pour la structure des tests, qu’elles examinent et affinent ensuite.
Pour des tests stables, il est recommandé de remplacer dans la mesure du possible les nœuds IA générés par des nœuds QF-Test traditionnels.
Quelles sont mes possibilités pour le prompting de la génération de tests par IA ?
La génération de tests par IA dans QF-Test repose entièrement sur la description de test que vous fournissez — plus vous apportez de contexte, meilleurs sont les résultats.
Le prompt envoyé à l’agent IA se compose de deux parties : un prompt de base (défini dans la suite de tests bibliothèque qfs-ai.qft, remplaçable par votre propre suite de tests comme user-ai.qft) et votre description de test. Cette description peut être aussi détaillée que vous le souhaitez.
Vous pouvez intégrer dans le prompt des tickets et des plans de test, des critères d’acceptation, des règles métier ou des références à des tests existants. Comme pour toute application IA, rien ne garantit que tous les détails seront entièrement pris en compte — plus votre description est précise et complète, meilleur sera le résultat.
Notez qu’une surcharge de la fenêtre contextuelle du modèle peut conduire à de moins bons résultats. Rédigez donc vos descriptions de manière détaillée, mais ciblée.
Les suites de tests générées par IA dans QF-Test sont-elles reproductibles ?
Les tests générés par IA varient d’une exécution à l’autre — c’est la nature des IA non déterministes. Si le prompt reste constant, la structure globale des tests générés est toutefois généralement similaire.
La génération de tests par IA dans QF-Test est par nature non déterministe : plusieurs exécutions du même processus de génération produisent des résultats différents. C’est une caractéristique fondamentale des grands modèles de langage.
Si le prompt de génération de tests reste identique d’une exécution à l’autre, la structure et l’approche des suites de tests générées sont généralement similaires — même si les étapes concrètes ou les formulations diffèrent. Considérez chaque exécution comme une ébauche que votre équipe QA examine et affine — pas comme un package de tests terminé.
Max Melzer
Monika Dühring
