L'IA, avenir du Quality Engineering ?

Dans notre dernier World Quality Report (WQR), nous nous intéressons de près au positionnement des entreprises face à l'IA dans le cadre du QE. Le WQR est un sondage international annuel que nous menons auprès de 1 750 organisations et dans plus de 30 pays, afin d'évaluer les dernières tendances et comportements dans le domaine du QE.

L’IA et le Test

Globalement, notre sondage révèle un intérêt marqué pour l'IA, puisque 70 à 79 % des entreprises prévoient son utilisation pour divers cas de test. Interrogées sur l'utilisation active de l'IA pour optimiser leurs processus de test, 77 % d'entre elles ont répondu par l'affirmative. De plus, notre étude révèle que les entreprises utilisent l'IA pour établir et améliorer la portée des tests, ainsi que dans le cadre de l'écosystème des tests en général.

Ces réponses témoignent de l'adoption massive d'une technologie relativement nouvelle qui a très rapidement pris de l'ampleur.

Une meilleure productivité

Bien que l'IA existe depuis un certain temps et qu'elle ait déjà été utilisée pour améliorer le QE (notamment pour automatiser l'autoréparation, optimiser les cas de test, etc.), l'utilisation de l’IA générative semble intéresser principalement pour son accroissement de la productivité, 65 % des sondés cherchant à atteindre cet objectif. Si cette priorité accordée à l'amélioration de la productivité n'est pas surprenante, il est toutefois étonnant de constater que la prédiction des défauts (29 %) et la fiabilité de la conduite (33 %) se situent en bas du classement.

Cette recherche de productivité peut être attribuée au besoin pour le QE de suivre la cadence des incroyables gains de productivité attendus dans le cycle de développement des logiciels grâce à l’IA générative, et en particulier aux LLMs (Large Language Model). Par ailleurs, des concepts tels que la « bêta perpétuelle » et le « test continu » sont de plus en plus répandus, les utilisateurs finaux exigeant une sortie plus rapide des solutions, sachant qu'elles ne seront pas parfaites mais fonctionnelles. Cela a amélioré leurs niveaux de tolérance aux défauts, et contraste nettement avec l'idée traditionnellement admise du lancement d'une solution déjà « parfaite ».

Concernant la fréquence d'utilisation de l'IA, les entreprises ayant déclaré qu'elles l'utilisaient « beaucoup » ont montré plus d'intérêt pour le cas du test autonome (55 %), et moins pour celui de la conception des cas de test (37 %). Nos données indiquent que plus de 80 % des organisations utilisent l’IA « beaucoup » ou « parfois » pour divers cas de test.

Les défis de l’IA

Les résultats suggèrent par ailleurs que les entreprises sont confrontées à plusieurs défis face à l’IA générative, tels que le souci de la confidentialité (35 %), le manque de résilience (33 %) et les hallucinations (24 %).

Étonnamment, 31 % des entreprises ne voient aucun intérêt à adopter l'IA, ce qui s'explique peut-être par une conviction que les coûts et risques l'emportent sur les avantages.

S'il est indéniable que l'IA a fait l'objet de nombreux investissements, la réussite des tests et du déploiement des solutions est cruciale pour assurer un succès futur. Les personnes interrogées prévoient de « se concentrer sur les exigences en matière d'explicabilité, de transparence, de robustesse et de confidentialité » (75 %), ainsi que d’« investir dans les compétences en data science » (54 %) et dans « d'autres compétences des équipes d'assurance qualité » (23 %)

Quelques considérations à prendre en compte avant de se lancer dans l'utilisation de l'IA pour le Quality Engineering…

• Puisque la hausse de productivité engendrée par l'IA va rapidement augmenter la vitesse de développement, les entreprises doivent continuer à investir et faire évoluer leurs processus, compétences et le temps alloué.
• Afin d'utiliser efficacement l'IA pour le QE, il faut analyser minutieusement comment prioriser les cas d'utilisation et disposer de KPIs clairs qui mesurent des résultats concrets, de manière à réaliser une transformation réussie avec l'IA.
• Il est préférable d’utiliser une méthode itérative pour les cas d'utilisation choisis/priorisés et une stratégie de produit minimum viable, car il y aura à court terme de nombreux essais avec l'IA, et beaucoup d'incertitudes émergeront en même temps.

Article de blog traduit depuis notre site global : https://www.sogeti.com/explore/blog/ai-the-future-of-qe/

 

Auteur