État de l'Intelligence Artificielle appliquée à l'Ingénierie de la Qualité 2021-2022

Introduction Générale

Utilisez l'index (en haut à droite) comme table des matières.

Téléchargez l'introduction générale

Utilisez la table des matières (Index) pour naviguer entre les chapitres

By submitting this form, I understand that my data will be processed by Sogeti as described in the Privacy Policy.*

L'IA devient essentielle pour l'ingénierie de la qualité

Au cours des dernières années, l'IA [1](intelligence artificielle) est devenue une réalité pour la plupart d'entre nous. Les voitures autonomes, la reconnaissance faciale, les chatbots et la production de fausses images et vidéos ne sont que quelques-uns des exemples d'actualité. Les progrès en puissance de calcul, combinés à l'efficacité des coûts de stockage, favorisent le développement de l'IA à un rythme accéléré.

Parallèlement à l'essor de l'IA, le secteur du développement logiciel a été profondément impacté par l'augmentation de la sophistication technologique, la réduction du temps de cycle de livraison et l'impératif de l'expérience utilisateur. Et le nombre de combinaisons potentielles (téléphones portables, réseau, format, etc.) a désormais atteint des proportions sans précédent. Toutes ces forces concurrentes complexifient la discipline de l'ingénierie de la qualité. Beaucoup d'entre nous se sont tournés vers les tests continus pour adresser ce problème. Cependant, en regardant vers l'avenir, nous réalisons que cela devient insuffisant.

00202-AI-for-QE-Exec-Summary-Figure-1.png

 

[1] En termes simples, l'IA est la capacité des machines à effectuer des tâches et des activités que nous considérons comme "intelligentes". L'intelligence artificielle, au sens large, est la capacité d'un agent intelligent à observer son environnement et à effectuer des tâches spécifiques afin de maximiser sa capacité à atteindre un objectif. Source: https://www.tmap.net/node/319

Objectifs du rapport

L'avancée de l'intelligence artificielle soulève deux questions intrigantes sur notre discipline :

  1. Comment utiliser l'intelligence artificielle pour rendre la validation de la qualité plus intelligente ?
  2. Comment valider facilement et efficacement les systèmes qui embarquent de l'IA ?

Ce document de référence vise à comprendre le potentiel de l'IA et la manière dont elle peut contribuer à améliorer la qualité, la rapidité et l'efficacité de nos activités d'ingénierie de la qualité. En partenariat avec des différents éditeurs de logiciel, nous proposons des suggestions, des idées et des exemples spécifiques qui peuvent vous aider à répondre à la première question. Nous répondrons -aussi bien que possible - à la deuxième question dans la toute dernière section.

Chacune des sections couvrent l'une des activités essentielles de la Qualité logicielle, et est illustrée par des cas d'utilisation spécifiques :

  • La Section 1 principes fondamentaux de la convergence entre l'EQ et l'IA,
  • La Section 2 examine comment l'intelligence artificielle peut être utilisée pour relever certains des défis associés à la conception des tests,
  • La section 3 examine les moyens d'améliorer le processus décisionnel,
    • La Section 3.1 propose de découvrir l'analytique intelligente appliquée au test
    • La Section 3.2 démontre comment nous pouvons obtenir des  informations signicatives à partir de données non structurées,
  •  
  • La section 4 examine comment automatiser davantage les tests fonctionnels:
    • La Section 4.1 étudie l'impact de Computer Vision pour résoudre nos problèmes d'automatisation
    • La Section 4.2 étudie l'utilisation de l'IA dans diverses domaines pour améliorer l'automatisation ,
  • La Section 5 examine comment l'IA peut être utilisée pour relever les défis liés aux données de test,
  • La Section 6 traite du rôle de l'IA dans l'ingénierie de la performance,
  • La Section 7 porte sur la manière dont l'intelligence artificielle peut améliorer les tests de sécurité,
  • La Section 8 traite du rôle de l'IA dans l'utilisation des données de production,
  • La Section 9 propose une approche technique, ethique, et fédératrice pour tester l'IA.

Nous vous souhaitons une excellente lecture!

À propos de ce rapport

Sogeti
Capgemini Engineering
Capgemini Financial services
Capgemini Insights and Data
Appvance
Applitools
Autonomiq, part of SauceLabs
CA Broadcom
Curiosity Software
Digital.ai
Dynatrace
Eggplant, part of Keysight Technologies
Kobiton
Micro Focus
Neotys, part of Tricentis
SeaLights
Smartesting 
Test.ai
Tricentis
Worksoft

 

© Copyright 2021-2022 Sogeti. All rights reserved.
The information contained herein was obtained from various sources; we do not guarantee its accuracy or completeness nor the accuracy or completeness of the analysis relating thereto. Any party relying on the contents hereof does so at its own risk. All product names, logos, and brands are property of their respective owners. All company, product, and service names that are unaffiliated with Capgemini are used in this website are for identification purposes only. Use of such names, logos, and brands does not imply endorsement or association.