World Quality Report 2024-25 : Zoom sur le marché français

Tendances émergentes, défis et perspectives de l'ingénierie de la qualité en France.

Le rapport annuel WQR 2022-23 avait mis en lumière l'enthousiasme de la France pour l'exploration de l'IA et de ses capacités. Cette tendance se poursuit avec les organisations françaises expérimentant de plus en plus l'IA générative dans le domaine de l'ingénierie de la qualité. L'automatisation des tests est plus répandue qu'il y a trois ans et les organisations évaluent désormais de manière critique les outils qu'elles utilisent pour accroître leur productivité. Cette évolution indique que les entreprises sont prêtes à investir ou à continuer d'investir dans la Gen AI. Cela correspond aux conclusions de l'étude mondiale de Capgemini Research Institut intitulée « L'IA générative dans les organisations en 2024 », qui fait état d'une augmentation des investissements des entreprises dans le monde entier. 

Position de la France sur l'automatisation des tests

L'efficacité est l'objectif principal des organisations françaises, en particulier en ce qui concerne la réduction de la maintenance de nombreux cas et scripts de test, qui peuvent être à la fois coûteux et chronophages. Les tests autonomes constituent une solution plus rentable et plus facile à gérer. Actuellement, le taux d'automatisation des tests en France est comparable aux niveaux mondiaux, bien qu'il reste une marge d'amélioration en termes d'efficacité. Les experts plaident depuis longtemps en faveur des mises à niveau et de l'automatisation, mais des défis subsistent. D'autant plus que de nombreuses entreprises françaises s'appuient encore sur des outils classiques et open-source pour l'automatisation des tests, ce qui soulève des inquiétudes quant aux plafonds de productivité. Néanmoins, certaines organisations adoptent déjà les tests autonomes pilotés par l'IA, en utilisant par exemple des outils Low Code/No Code pour améliorer les processus d'automatisation.

L'IA générative en France : potentiel et défis

L'IA génarative (Gen AI) est un sujet de discussion clé en France, même si de nombreux experts estiment que son potentiel n'est pas encore pleinement exploité. Bien que les attentes soient élevées, la réalité de la mise à l'échelle de la Gen AI peut révéler des défis différents. Au fur et à mesure de son évolution, la Gen AI devrait améliorer la productivité, la qualité et la couverture.  

L'un des facteurs essentiels à la réussite de la mise en œuvre de la Gen AI est l'ensemble des compétences des professionnels travaillant dans ce domaine. Les rôles devenant de plus en plus techniques, les organisations françaises se concentrent sur le développement d'une expertise interne, en particulier dans le codage et les opérations, souvent avec le soutien de partenaires externes. 

Changement d'objectif : remplacer l'inefficacité par l'agilité

Selon la dernière enquête WQR, les compétences en ingénierie de la qualité figurent parmi les cinq compétences les plus critiques, aux côtés de l'IA, du cloud, de l'analyse de données et du développement piloté par les tests. Alors que la présence de l'IA se développe dans ces domaines, les experts en France estiment que les compétences en ingénierie de la qualité et en test doivent être priorisées pour maintenir l'efficacité, même lors de l'utilisation d'outils d'IA. Les testeurs qualifiés jouent un rôle clé, évoluant continuellement pour fournir une compréhension plus profonde des systèmes et des processus, ajoutant de la valeur au-delà de la portée des seuls tests. 

Validation intelligente de produits

En France, l'objectif de la validation des produits intelligents est passé de la sécurité et de la performance à l'assurance que les produits fonctionnent comme prévu. Cette approche est conforme à la conviction qu'un produit sécurisé ou très performant n'a que peu de valeur s'il ne répond pas aux besoins fonctionnels. Par conséquent, le travail de la France avec les objets connectés continue de se développer, avec une collaboration entre les équipes d'ingénieurs et d'utilisateurs pour s'assurer que les exigences techniques et fonctionnelles sont satisfaites.

Durabilité dans l'ingénierie de la qualité

La durabilité devient de plus en plus une priorité dans le domaine de l'ingénierie de la qualité et des essais. Des efforts sont déployés pour mesurer l'impact environnemental à chaque étape du cycle de développement et pour mettre en œuvre des solutions qui répondent à la fois aux questions fonctionnelles et aux questions de performance. La mise en place d'un service « Green IT as a Service » a permis de faire progresser et d'aider les projets à évaluer leur empreinte environnementale et à recevoir des recommandations d'amélioration. Malgré ces progrès, de nombreuses entreprises hésitent encore à investir dans des efforts de durabilité, les considérant comme moins gratifiants sur le plan financier.  

D'un autre côté, les ingénieurs qualité sont particulièrement bien placés pour se concentrer sur la mesure des performances, de l'efficacité et de l'évolutivité, ce qui peut déboucher sur des résultats plus durables. L'intégration d'objectifs de durabilité et d'un état d'esprit « pas de risque, pas de test, pas de développement » dès le début de la planification du projet pourrait entraîner un changement culturel vers des pratiques plus écologiques.

Qualité des données pour l'efficacité opérationnelle

La qualité des données reste un défi négligé par de nombreuses organisations. Bien que la moitié des entreprises interrogées reconnaissent l'importance de données propres et fiables pour l'efficacité opérationnelle, les contraintes de budget et de temps sont fréquemment citées comme des obstacles à leur amélioration. Malgré cela, des efforts considérables sont souvent gaspillés pour élaborer des processus à partir de données erronées, ce qui se traduit par des inefficacités et des coûts évitables. Il est essentiel de donner la priorité à la qualité des données dès le départ pour favoriser l'efficacité à long terme. En fait, au-delà des améliorations opérationnelles, l'amélioration de la qualité des données favorise également le développement durable en réduisant la consommation d'énergie. Alors pourquoi ne pas faire d'une pierre deux coups ?

Valeur métier

Au cours des deux à cinq prochaines années, l'accent sera mis en France sur la maîtrise de l'IA et son application ciblée et raisonnable, notamment dans l'automatisation des tâches de base. Si l'IA est appelée à jouer un rôle plus important, l'expertise humaine reste essentielle, notamment pour former de nouveaux talents capables d'apporter de la valeur au-delà des capacités de l'IA. L'accent doit être mis non plus sur la fourniture de solutions informatiques, mais sur une approche commerciale davantage axée sur la valeur. Cette transition est déjà évidente puisque les centres de services évoluent de plus en plus vers des centres d'excellence, se concentrant sur l'expertise et la création de valeur pour les clients internes et externes.  

L'ingénierie de la qualité et les tests sont un domaine qui aime les métriques et qui a un immense potentiel de transformation dans tous les secteurs qu'il touche. La France comprend la valeur de cette affirmation et est prête à l'adopter de la manière la plus progressive, mais aussi la plus pratique. Nous sommes impatients d'assister à ses progrès dans les années à venir, alors qu'elle ouvre la voie à des solutions plus intelligentes et établit de nouvelles normes d'excellence.

Les chiffres à retenir de l'enquête d’observation

• 26 % Utilisent activement des solutions d'IA générative (modèles LLM et SLM) comme OpenAI, ChatGPT ou GitHub Copilot dans les processus QE&T. 

• 60 % Des personnes interrogées estiment que le plus grand risque lié à l'exploitation des solutions Gen AI pour l'ingénierie de la qualité est la violation des données. 

• 58 % Des organisations n'ont pas de stratégie claire sur la manière de valider l'utilité d'une solution de Gen AI. 

• 48 % Des organisations françaises ont mis en place une stratégie d'automatisation des tests à l'échelle de l'entreprise. 
• 42 % Disposent d'un référentiel à l'échelle de l'entreprise avec des parcours de formation pour chaque rôle de l'ingénierie de la qualité ; l'utilisation est contrôlée et suivie.