DevOps et épuisement des équipes de test : correctifs et versions

Selon Gartner, 95 % des applications exécutées en production aujourd’hui ne sont pas instrumentées.

L’expédition de logiciels sans défaut qui ont été utilisés par des millions de personnes nécessite des tests approfondis pour garantir la stabilité et les performances. Malgré les tests continus et l’intégration continue, les défauts semblent inévitables.

Lorsque les problèmes surviennent dans l’environnement de production, tous ceux qui pourraient/devraient intervenir et après une longue réunion, les ingénieurs recommenceront à résoudre le problème et l’équipe de test les testera à nouveau et tentera le déploiement.

Il y a 90 % de chances que le correctif échoue à nouveau si les QA ne définissent pas correctement les scénarios de cas de test. Les AQ avec leurs connaissances existantes du domaine devraient être en mesure de tester les bons cas de test et de garantir le succès du correctif.

Ces pratiques traditionnelles sont purement subjectives et sont communément appelées tests basés sur les risques. Une couverture de test maximale n’est pas complètement possible dans la forme actuelle de test basé sur les risques et pose une série de défis au déploiement.

Comment l’intelligence artificielle peut augmenter l’assurance qualité

Le rapport mondial sur la qualité indique que “la solution la plus importante pour surmonter les défis croissants de l’assurance qualité et des tests sera l’introduction émergente de l’intelligence basée sur la machine”

L’incapacité des QA à sélectionner intelligemment les cas de test peut provenir du fait qu’ils n’ont pas un grand volume de cas de test en premier lieu.

L’intelligence basée sur la machine comme Spider AI peut résoudre le problème des QA . Le spidering peut augmenter la couverture de test en générant des cas de test optimaux pour DevOps et QA.

Et, une expérience d’achat serait bien si les QA recevaient également des recommandations du pool de suites de tests comme “Cas de test que vous pourriez aimer”, “Plus de cas de test comme celui-ci”. Et c’est exactement ce que Zuci essaie de construire avec sa propriété intellectuelle brevetée.

Une bonne quantité de données sous forme d’historique des défauts passés, de tendances des défauts, etc. doit être transmise au moteur d’apprentissage automatique, l’aidant ainsi dans la sélection intelligente des cas de test.

L’intelligence combinée peut fournir un flux personnalisé d’informations prédictives et prescriptives sur les performances des logiciels et améliorer la qualité dans les environnements de production.

Pour en savoir plus sur les tendances de l’IA dans les tests de logiciels, l’impact de l’IA et des technologies connexes sur les tests de logiciels et comment ces technologies peuvent être utilisées pour améliorer les tests de logiciels, rejoignez-nous pour le webinaire en direct sur “Comment l’IA change la détection des défauts” ? le 19 septembre 2019 à 11h00 CST.

Réservez votre place ici

Lisez également, Détection des défauts à l’aide de l’intelligence artificielle dans les tests de logiciels – Apprendre des autres industries