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

Section 3.1 : Mesures

par Sogeti

Métier ●●●●●
Technique ○○○○○

 

Download the "Section 3.1: Inform & Measure" as a PDF

Use the site navigation to visit other sections and download further PDF content

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

Introduction

Les ingénieurs informatiques sont souvent incapables de mesurer complètement la qualité de leur travail. Il existe de nombreux indicateurs et mesures, notamment la couverture du code par les tests unitaires, les lignes de code (LOC) et la complexité du code, mais aucun d'entre eux ne donne une image claire de la situation en termes de qualité. Par exemple, les mesures basées sur les défauts peuvent donner un bon aperçu de la qualité et de l'évolution d'un système de qualité médiocre à faible, mais fournissent peu d'informations sur un système de haute qualité.

  • Est-il nécessaire de mesurer des paramètres tels que le nombre de tests automatisés, la couverture des cas de test et le taux de réussite/échec dans le cadre de DevOps lorsque l'objectif est de déterminer rapidement si une version candidate donnée présente un niveau de risque acceptable ?
  • Quels autres garde-fous pouvons-nous mettre en place pour nous assurer que le flux constant de mises à jour ne porte pas atteinte à l'expérience utilisateur que nous cherchons à améliorer ?
  • Comment déployer une gouvernance médico-légale de notre cycle de vie des logiciels ?

Cette section examine comment l'intelligence artificielle peut nous aider à prendre de meilleures décisions en améliorant les contrôles  qualité et les analyses intelligentes.