La quatrième vague : l'IA écrit le code. Qui le teste ?

Le développement logiciel agentique, que j'ai nommé la quatrième vague, s'accélère à un rythme imprévisible. Les progrès des modèles de pointe, l'adoption accélérée par les entreprises et des investissements massifs ont rapidement fait des agents de programmation l'une des technologies les plus diffusées de l'histoire. Les agents de programmation IA (et leurs copilotes) ont fondamentalement transformé le rythme de la programmation. Dans de nombreux environnements d'entreprise, 40 à 50 % du code est désormais généré par l'IA, et son adoption par les équipes de développement est quasi universelle. Des tâches de programmation qui prenaient des jours, voire des semaines, peuvent maintenant être réalisées en quelques heures.

Mais comme nous l'avons souligné lors de nos précédentes discussions sur la quatrième vague, la livraison de logiciels ne se résume pas à une seule étape. Il s'agit d'un système complexe et interconnecté, englobant la planification, le codage, les tests, la sécurisation, le déploiement et la surveillance, souvent au sein de l'entreprise et impliquant des dizaines de milliers de personnes (et probablement encore plus d'agents aujourd'hui), réparties à l'échelle mondiale et soumises à des exigences de conformité strictes.

Et à mesure que le développement s'accélère, une nouvelle contrainte apparaît clairement : le goulot d'étranglement s'est déplacé, et pour de nombreuses entreprises, il s'agit des tests.

Les tests n'ont pas suivi le rythme du développement (même avant l'IA).

Depuis des années, les entreprises investissent dans la modernisation de l'assurance qualité. Les frameworks d'automatisation, les pipelines CI/CD et les outils d'automatisation des accès se sont améliorés. Mais à l'échelle de l'entreprise, la réalité est bien moins avancée que beaucoup ne le pensent.

Selon le secteur d'activité et la complexité du système, 50 à 70 % des efforts de test restent manuels. En effet, à l'ère de l'IA, de nombreuses organisations continuent de réaliser des tests manuels. Même au sein de celles qui ont investi massivement dans l'automatisation, des lacunes en matière de couverture sont fréquentes, notamment pour les tests mobiles, web, de performance et d'accessibilité.

Les données commencent à le confirmer. Une analyse sectorielle récente a révélé que les demandes de fusion générées par l'IA présentent en moyenne beaucoup plus d'erreurs que celles rédigées par des humains : erreurs de logique et de correction, ainsi que failles de sécurité, sont nettement plus fréquentes. La confiance des développeurs n'a pas suivi le rythme de l'adoption : les enquêtes montrent régulièrement que la majorité d'entre eux n'ont pas pleinement confiance dans le déploiement de code généré par l'IA, et un pourcentage significatif d'équipes ont déjà annulé des versions pour cette raison. On déploie davantage de code, et avec lui, davantage de problèmes.

Et là où l'automatisation existe, elle peine souvent à se généraliser.

Un schéma constant se dégage de toutes les entreprises :

• Les suites de tests deviennent fragiles à mesure que les applications évoluent.
• Les scripts se désynchronisent avec le code source.
• Les frais de maintenance augmentent plus rapidement que la couverture

Selon les estimations du secteur, 40 à 50 % des échecs de tests automatisés ne sont pas dus à de véritables défauts, mais plutôt à des modifications de l'application, à une instabilité de l'environnement ou à des problèmes liés aux données de test.

Autrement dit, une part importante des efforts de test est consacrée à la chasse aux signaux parasites.

L’IA transforme la création de tests, mais révèle de nouvelles contraintes.

L'IA simplifie considérablement la génération de tests automatisés. Ce qui constituait autrefois l'un des principaux obstacles à l'automatisation – la création des tests – disparaît rapidement. Mais cela ne résout pas le problème ; cela le déplace.

À mesure que la génération de tests s'accélère, la complexité augmente également :

• Le volume des tests croît de façon exponentielle parallèlement au code généré par l'IA.
• Les tests se désynchronisent plus rapidement à mesure que les applications changent plus fréquemment.
• Les exigences d'exécution augmentent sur tous les appareils, navigateurs et environnements.
• Répondre à la question « pourquoi le test a-t-il échoué ? » devient encore plus complexe.

Il n'a jamais été aussi facile de créer des tests, et il n'a jamais été aussi difficile de garantir leur fiabilité à grande échelle.

Le véritable goulot d'étranglement : tout ce qui se passe après l'examen écrit

Dans la quatrième vague des tests, les contraintes ne concernent plus la création des tests, mais leur orchestration, leur exécution et leur exploitation. Dans les grandes entreprises, une part disproportionnée du temps est consacrée non pas à la recherche de défauts, mais à la compréhension des résultats des tests. Des études et des analyses comparatives sectorielles indiquent que jusqu'à 50 % du temps consacré par l'assurance qualité et l'ingénierie dans les environnements automatisés est dédié au tri des échecs, c'est-à-dire à la réponse à des questions fondamentales :

• S'agit-il d'un véritable défaut de l'application ?
• Le test est-il désynchronisé par rapport au code ?
• L'environnement a-t-il introduit une instabilité ?
• Le problème est-il lié aux données ou à la configuration ?

C’est le coût caché des tests automatisés modernes. Ce coût est d’autant plus marqué dans les environnements mobiles et web, où la variabilité est la norme. La fragmentation des appareils, les différences entre les systèmes d’exploitation, les conditions réseau et les dépendances tierces introduisent autant de niveaux de complexité difficiles à simuler, et encore plus difficiles à déboguer.

À grande échelle, cela crée un effet cumulatif :

Plus de code → plus de tests → plus d'échecs → plus de temps passé à diagnostiquer → livraison plus lente.

Le changement dans la création de valeur

Lors des précédentes vagues, la principale valeur ajoutée des tests résidait dans le passage du manuel à l'automatisé. Dans la quatrième vague, l'IA rend l'automatisation plus facile que jamais. La nouvelle opportunité de création de valeur repose désormais sur un ensemble de compétences différent :

• Assurer la cohérence entre les tests et les applications en évolution rapide
• Orchestrer l'exécution de tests intelligents et basés sur les risques à travers des pipelines complexes
• Mise à l'échelle de l'exécution dans des environnements réels qui reflètent fidèlement la production
• Accélérer l'analyse des causes profondes afin de réduire le temps perdu dans le tri des pannes.

C’est là que la plupart des entreprises rencontrent aujourd’hui des difficultés. Elles peuvent développer plus rapidement, et même générer des tests plus vite. Mais elles ne peuvent pas valider la qualité au rythme du développement.

Pourquoi cela compte maintenant

La qualité n'est plus un simple point de contrôle en aval. Elle est un facteur déterminant qui accélère la création de valeur et permet ainsi de concrétiser la promesse de la quatrième vague.

Lorsque les tests ne peuvent pas suivre le rythme :

• Release Les cycles ralentissent malgré un développement plus rapide
• Des défauts se retrouvent dans les environnements de production.
• L'expérience client se dégrade
• Les risques réglementaires et de conformité augmentent

Et surtout, les gains promis par le développement piloté par l'IA ne sont jamais pleinement réalisés.

Plaidoyer pour les essais autonomes à grande échelle

C’est pourquoi nous constatons une évolution vers des plateformes de test intelligentes et autonomes – des solutions conçues pour prendre en charge non seulement la création de tests, mais aussi l’intégralité du cycle de vie des tests dans un monde piloté par l’IA.

Des plates-formes comme Digital.ai Les tests se concentrent sur les nouveaux goulots d'étranglement :

• Synchronisation des tests grâce à l'autoréparation pilotée par l'IA
• Exécution à grande échelle sur des appareils et environnements réels
• Orchestrer intelligemment les tests à travers les pipelines
• Réduction du temps de triage grâce à une analyse plus rapide des causes profondes des agents

La quatrième vague les exige tous.

L'implication stratégique

La quatrième vague du développement logiciel redéfinit la création de valeur tout au long du cycle de vie du logiciel. Le codage n'est plus la principale contrainte ; les goulots d'étranglement se situent en amont et en aval. Dans de nombreuses organisations, les tests constituent l'un de ces goulots d'étranglement, non pas par manque de tests, mais par incapacité à les gérer, les exécuter et en tirer des enseignements à grande échelle.

Les organisations qui reconnaîtront la nécessité d'une innovation en matière de tests exploiteront pleinement le potentiel du développement piloté par l'IA et prospéreront dans la quatrième vague. Celles qui ne le feront pas se retrouveront freinées par des problèmes de qualité, même si leurs capacités de programmation continuent de croître.

Car dans ce nouvel environnement :

Programmer, c'est facile. La qualité, c'est le plus difficile.

Les gagnants de la quatrième vague ne se contenteront pas de produire davantage de logiciels. Ils fourniront des applications de haute qualité et résilientes à la vitesse de la machine.

Logiciel plus intelligent. Vitesse optimisée. Qualité à grande échelle.