Depuis plusieurs années, l’Intelligence Artificielle (IA) prend de l’ampleur et devient l’une des technologies les plus en vogue à utiliser dans le monde du logiciel. Dans une industrie concurrentielle en croissance constante, il est indispensable de profiter de tous les outils disponibles pour rester pertinent. On voit l’IA partout, les voitures autonomes, les publicités ciblées et même les recommandations sur les plateformes de média.
Le cognitive QA consiste à introduire de l’intelligence à l’Assurance Qualité pour garantir des produits de meilleure qualité à un rythme plus rapide et à moindre coût.
Alors, c’est quoi le cognitive QA exactement ?
Il s’agit simplement de l’utilisation de l’IA et des avantages de l’apprentissage automatique (Machine Learning) dans l’assurance qualité. Les données compilées seront affichées dans un tableau de bord à des fins de surveillance. Elles offrent plusieurs avantages :
- Une analyse d’assurance qualité non biaisée : étant donné que l’analyse n’est basée que sur des données antérieures, le système peut fournir des informations cruciales dans un laps de temps très court, ce qui facilite énormément le processus de prise de décision éclairée sur l’évolution du produit.
- Adapter et optimiser la suite de tests : en se basant sur les données, le cognitive QA peut identifier la meilleure approche pour tester et valider le produit, cela nous permet également d’éviter les tests redondants et donc un gain en matière de temps et de coût sur la phase de test design et d’exécution des tests.
- Prédire l’avenir : les tableaux de bord du cognitive QA prennent toutes les données accessibles et les utilisent pour faire des prédictions sur la qualité du développement et des tests, ainsi que de la prédiction sur les exigences de nos clients dans le futur. Cela nous donne la possibilité de garder une longueur d’avance par rapport aux concurrents et nous permet d’avoir une meilleure perspective sur l’évolution du produit.
Passer des tests quantitatifs manuels aux tests qualitatifs grâce au cognitive QA nous permet d’intégrer le marché avec un produit de haute qualité à une vitesse extrêmement rapide.
Malheureusement, comme toute technologie qui l’a précédée, cognitive QA a ses propres défis à surmonter pour utiliser tout ce qu’il a à offrir.
Les défis dans le cognitive QA
Cette technologie est encore en cours de développement et relativement nouvelle, il est normal de faire face à certains défis lors de son utilisation :
- Nécessité de ressources étendues : le cognitive QA nécessite beaucoup de ressources humaines et matérielles. Sa mise en place exige un investissement à long terme de temps et d’argent.
- Difficultés techniques : construire un système fiable capable d’apprendre n’est pas une mince affaire, ajoutez à cela la complexité de la QA et vous obtenez une tâche plus complexe à réaliser.
- Dépendance élevée aux données : la qualité et la quantité de données utilisées sont les facteurs les plus importants pour un système d’IA cohérent. Les données inexactes ou trompeuses peuvent ruiner la totalité du processus de test.
En conclusion, le cognitive QA pourrait aider à traiter les questions les plus difficiles et les plus importantes en QA : que tester ? Les cas de test à utiliser sont-ils pertinents ?
Bien qu’il ne soit pas largement utilisé actuellement, c’est certainement l’un des axes d’évolution du métier de test que les acteurs du QA devraient suivre de près.