L’intelligence artificielle est en train de transformer en profondeur de nombreux domaines, et l’assurance qualité (QA) ne fait pas exception. Loin de n’être qu’un simple mot à la mode, l’IA apporte des solutions concrètes pour surmonter les défis traditionnels du testing. Personnellement, je vois trois promesses majeures qui vont radicalement changer notre façon de travailler.
Les trois promesses les plus intéressantes
Personnellement, il y a trois aspects de ce mouvement qui m’attirent vraiment :
1. La création de tests
C’est la partie la plus évidente quand on passe IA/QA : On le sait tous, l’écriture de tests est une tâche souvent fastidieuse et chronophage. Mais l’IA va changer la donne.
Au lieu de se casser la tête à écrire un script de A à Z, on demande à l’IA d’écrire les cas de tests nécessaires.
On peut même aller plus loin : l’IA est capable de créer des tests à partir d’une simple vidéo ou d’une description du produit. C’est un peu comme si l’IA avait un œil de testeur pour nous, et qu’elle créait elle-même une suite de tests exploratoires.
Exemple concret : Je suis sur JIRA, le Product Owner a écrit l’user stories. J’utilise ROVO pour me créer mes cas de tests du ticket associé à l’user stories
2. L’auto-healing des tests
Vous connaissez ce problème : un test échoue juste parce qu’un id a changé ou qu’un bouton a été déplacé de quelques pixels.
Résultat → une alerte inutile, du temps perdu, et de la frustration.
Avec l’IA, on entre dans une logique différente :
- le test “comprend” l’intention de l’action,
- il sait s’adapter si le bouton a changé de nom ou de position,
- et il continue son exécution au lieu de s’effondrer.
C’est un game changer : au lieu de maintenir les tests en permanence, on laisse l’IA absorber la complexité.
Exemple concret : On execute des tests via playwright, mais nous avons un test qui tombe souvent, on peut le reparer grâce à son MCP
3. La validation et les assertions intelligentes
Pour moi, c’est la promesse future !
Une assertion classique dit : Ce texte doit exactement être Bienvenue Alessandro !.
Mais dans la vraie vie, un utilisateur ne va pas forcément planter l’app parce que le texte est devenu Salut Alessandro!.
Avec l’IA, les validations peuvent être :
- plus souples (tolérer certaines variations),
- plus visuelles (détecter si un écran “ressemble” à ce qui est attendu),
- plus contextuelles (repérer une anomalie de “vibe” même si techniquement tout passe).
On s’approche donc d’une QA plus proche de l’expérience utilisateur réelle, moins binaire, plus nuancée.
Est-ce que ça remplace les tests “classiques” ?
Non.
Les tests unitaires, d’intégration et end-to-end manuels restent indispensables pour garantir la robustesse d’un produit.
Le Vibe Testing et l’IA ne sont pas là pour remplacer, mais pour compléter :
- réduire le bruit des flaky tests,
- s’adapter aux changements mineurs,
- et surtout, donner un feedback plus proche de la perception humaine.
Mon point de vue
Quand je regarde les usages actuels, ce qui me paraît le plus concret pour demain, c’est :
- utiliser l’IA pour l’auto-healing des tests automatisés,
- et l’analyse intelligente des résultats/assertions, afin de limiter les faux positifs.
💡 Et vous, vous en êtes où avec l’IA dans le testing ?
Est-ce que vous qu’est-ce que vous avez déjà testé ? Ou vous êtes plutôt sceptiques sur l’usage de l’IA en QA ?
