artificielle agentique, en partenariat avec UIPath. L’objectif est d’optimiser la gestion de son système MES interne, nécessitant environ 2 500 tests mensuels. Cette démarche vise à réduire les anomalies et accroître l’efficacité opérationnelle, avec des résultats pilotes déjà très encourageants pour une intégration plus poussée dès la conception logicielle.
Les efforts de test logiciel se répartissent entre des tâches visibles, comme l’exécution des scénarios, représentant environ 40 % de l’activité, et des actions moins apparentes, telles que la préparation des données, qui constituent les 60 % restants. C’est dans cette seconde catégorie que l’IA Agentique révèle son potentiel.
Les équipes de l’industriel ont ainsi conçu un assistant numérique dédié à la documentation des tests. Cet outil procède à la lecture, à l’analyse et à l’interprétation de fiches issues de référentiels, permettant la création automatisée de documents essentiels, notamment pour l’intégration des nouveaux collaborateurs. Cette approche a déjà démontré une réduction de moitié du temps nécessaire pour ces processus.
Le géant des matériaux optimise ses vérifications logicielles
Le groupe Saint-Gobain, acteur majeur dans les matériaux, développe depuis 2017 sa propre application de pilotage de production, In4.orm. Ce système, essentiel pour ses centaines d’usines à travers le monde, requiert environ 2 500 vérifications logicielles chaque mois, avec une dizaine de mises à jour annuelles. Par ailleurs, l’optimisation des vérifications logicielles est un défi constant pour tout indépendant en portage salarial, notamment dans les environnements industriels complexes.
Face à la complexité croissante des règles métier et à l’augmentation des anomalies, l’entreprise a ressenti le besoin pressant d’industrialiser et d’automatiser ses procédures de test. L’objectif principal de ce projet, initié l’an dernier, est de garantir la fiabilité des déploiements et de prévenir les régressions sur les fonctionnalités critiques.
Il vise également à éviter une augmentation proportionnelle des effectifs dédiés aux tests à mesure que le nombre de scénarios identifiés s’accroît. La mise à jour constante de la documentation, facilitant l’accueil de nouvelles ressources, représente aussi un avantage significatif. Les premiers retours du déploiement de la suite UIPath, bien que le processus soit encore en cours pour couvrir l’ensemble des tests, se montrent particulièrement prometteurs.
L’IA agentique étend son influence à la conception des systèmes
La vision à long terme de l’entreprise inclut l’intégration de l’IA dès les premières phases de conception des logiciels. Cela se concrétiserait par la génération automatique de tests et la production continue de documentation en temps réel, directement au cours du développement.
Cette approche représente une intégration complète de la fonction de test au sein du cycle de développement, transformant le test d’un simple contrôle qualité en un véritable moteur de productivité pour les équipes de développement. Cette évolution marque une transition vers ce qui est qualifié d’automatisation agentique. Le responsable de la chaîne logistique numérique et des solutions de fabrication a tenu à préciser :
« Je répète en permanence à mes équipes que je leur fournis les outils techniques pour disposer d’un assistant puissant, mais que l’IA ne remplacera jamais leur expertise métier. »
L’intégration de l’IA dans les processus de conception logicielle est d’ailleurs une opportunité à considérer pour un indépendant en portage salarial.
Au-delà de la simple automatisation, l’initiative vise à identifier des scénarios de test plus pertinents et fiables. Saint-Gobain explore ainsi la génération automatisée de fiches de test à partir des documents existants. Cette démarche, qui inverse le processus du premier agent, s’attaque à une tâche traditionnellement très exigeante en temps pour les équipes.
L’outil est capable de créer des cas de test en se basant sur des parcours utilisateurs et des spécifications métier documentées. L’IA se distingue en décelant des règles implicites, enrichissant ainsi la couverture des tests et optimisant la productivité. La prochaine étape logique consiste à convertir ces descriptions de cas de test en séquences automatisées via des modèles RPA.