Le tableur est l'indicateur. 

Il existe sans doute, quelque part dans votre organisation, un tableur. Quelqu'un l'a créé suite à une question posée par un directeur, question à laquelle la plateforme de test ne pouvait répondre directement : quels projets utilisent réellement le laboratoire de test, ou combien de tests une équipe a effectués le trimestre dernier. Cette personne a exporté les données disponibles, les a collées dans un tableur, a ajouté quelques formules et l'a partagé. Cela a fonctionné. Alors, désormais, l'opération est répétée chaque mois. 

Personne ne remonte ce problème. Il n'apparaît jamais dans les rapports trimestriels, les tickets d'assistance ou les demandes de fonctionnalités. Il se manifeste comme un blocage récurrent le vendredi après-midi d'une personne, et c'est l'indicateur le plus fiable d'un problème de visibilité dans votre programme de tests. 

Ce que tout le monde cherche réellement à découvrir 

Sous ce tableau se cachent quelques questions courantes. Les responsables des tests et les administrateurs de la plateforme veulent savoir comment le programme fonctionne et si les ressources sont utilisées de manière optimale. Les testeurs, quant à eux, souhaitent une vue d'ensemble claire des résultats d'exécution pour les projets et les périodes dont ils sont responsables. 

Répondre à chacune de ces questions implique de collecter des informations provenant de différents aspects de la plateforme (résultats de tests, projets, appareils, utilisation), et aucune de ces données, prise isolément, ne suffit à comprendre la situation. Il faut donc les exporter, les organiser et déterminer leurs liens. C'est précisément la raison d'être de ce tableur. 

Et ce problème n'est pas propre aux tests. Dans l'étude CDO 2025 d'IBM, on constate que…177 % des responsables des données et de l'analytique ont déclaré que les silos de données entravent la capacité de leur organisation à effectuer des analyses en temps réel et à prendre des décisions fondées sur les données.  

Les problèmes résolus cessent d'être signalés. 

La solution de contournement, ce sont les preuves. Lorsqu'une équipe a déjà trouvé une solution à un problème, ce problème disparaît. Elle ne l'évoquera pas lors des discussions sur la feuille de route, car, de son point de vue, il est résolu. Le rapport est diffusé, le directeur reçoit le chiffre, et le coût est intégré à la fiche de poste de quelqu'un. Le problème, initialement lié à un manque de produit, est devenu une contrainte de main-d'œuvre, et ces contraintes restent invisibles tant qu'on ne les recherche pas. 

C’est pourquoi demander « Avez-vous des rapports ? » n’apporte aucune réponse. Tout le monde a des rapports. Ce qui diffère, c’est leur coût de production, leur actualité au moment de leur publication et leur capacité à fournir des informations pertinentes sur l’efficacité réelle des tests. 

Le travail consiste désormais à assembler les pièces, et non plus à analyser les données. 

Le coût de ce travail est mesurable. Voir le rapport 2025 de dbt Labs sur l'état de l'ingénierie analytique257 % des professionnels des données déclarent consacrer la majeure partie de leur journée de travail à la maintenance et à l'organisation des ensembles de données plutôt qu'à leur analyse, un chiffre stable par rapport à l'année précédente, malgré l'essor des outils d'IA. La mauvaise qualité des données demeure le principal défi cité par plus de 56 % des répondants. 

Ce sont des professionnels de l'analyse de données, dont le métier repose entièrement sur les données. Dans une organisation d'assurance qualité, le schéma est similaire, voire pire, car la personne qui compile le rapport est un responsable QA ou un administrateur de plateforme qui effectue cette tâche en plus de ses fonctions principales. Le problème ne réside pas dans les données elles-mêmes, mais dans leur assemblage. Les sessions, les projets, l'utilisation des appareils et les résultats des tests sont déjà disponibles. Il suffit que quelqu'un y consacre son vendredi après-midi pour en faire un rapport. 

Les mêmes signaux, deux chemins vers une réponse. Un seul est reproductible. 

Trois décisions, pas trois tableaux de bord 

La visibilité connectée existe pour soutenir les décisions que prennent toutes les organisations de test, décisions qui impliquent toutes des coûts, et dont la plupart sont actuellement prises à l'instinct ou sur la base de chiffres reconstitués manuellement. 

• Investissons-nous dans les bonnes infrastructures ? Quels appareils et versions de systèmes d'exploitation sont réellement demandés ? Lesquels restent inutilisés ? La capacité de stockage correspond-elle à l'utilisation réelle ? La plupart des dirigeants peuvent décrire précisément leur parc d'appareils. En revanche, ils sont incapables de décrire leur taux d'utilisation. 

• La plateforme est-elle réellement adoptée ? Quelles équipes et quels projets l'utilisent, où son adoption progresse et où elle a stagné après l'intégration sans que personne ne s'en aperçoive ? 

• Nos efforts de test vont-ils dans la bonne direction ? Combien de tests sont effectués, quelle est l'évolution de cette tendance et quels projets en sont responsables ? 

Demandez à quelqu'un comment il a justifié sa dernière demande de nouveaux appareils. Si la réponse honnête est « nous savions que nous en avions besoin », il s'agit d'une décision d'investissement prise sans données, et ce, chaque année. 

Le problème de couverture est pire que le problème de vitesse. 

Un rapport tardif vous coûte une journée. Le problème plus insidieux, c'est que personne ne peut vous dire si les tests ciblent les bons éléments. 

Voici le test.  

Choisissez une équipe et demandez-leur sur quels appareils ils ont effectué des tests lors du dernier sprint, et pourquoi ceux-ci. Vous obtiendrez généralement l'une des trois réponses suivantes : «Voilà ce qui figure dans la configuration.","C'est ce qui m'a été assigné.nous »C'est ce que nous avons toujours fait.Ces trois expressions signifient la même chose : la liste a été héritée, et non choisie. Elle était probablement correcte au moment de sa création, mais il est possible qu’elle n’ait pas été révisée depuis, car cela impliquerait de rassembler des données complexes et difficiles à interpréter. 

Une couche de données partagée ne rend personne plus intelligent. Elle permet simplement de se demander enfin quels appareils sont réellement importants, quelle partie de la suite logicielle leur est destinée et quels sont les coûts alloués aux appareils qui ne le sont pas. 

Posez une meilleure question 

La prochaine fois que vous évaluerez la mesurabilité de votre programme de tests, ne vous demandez pas si vous disposez de rapports. Posez-vous plutôt la question suivante : 

« Combien de temps faut-il pour obtenir une réponse fiable, et qui doit être impliqué pour la produire ? » 

Cette question met en lumière la feuille de calcul, l'exportation, la personne en charge du processus et le délai de deux jours entre la question et la réponse. Elle recentre la discussion sur les coûts d'exploitation plutôt que sur les fonctionnalités, là où se situe le véritable enjeu. 

Et une fois le tableur trouvé, trouvez la personne qui le gère. Elle finance discrètement ce manque à gagner depuis un an, elle en connaît le coût exact et sera la personne la plus crédible pour vous conseiller lorsque vous déciderez de le corriger. 

 Voilà où cela se rattache à ce que nous avons construit. Perspectives avancées en Digital.ai Les tests constituent notre réponse au problème d'assemblage en particulier : des vues d'utilisation, d'appareil et d'exécution des tests au sein de la plateforme sur laquelle les équipes travaillent déjà, supprimant ainsi l'étape où quelqu'un reconstruit la même vue chaque mois. 

Sources et références 

1IBM Institute for Business Value, Étude CDO 2025 : L’effet multiplicateur de l’IA — 77 % des répondants sont d’accord ou tout à fait d’accord pour dire que les silos de données entravent la capacité de leur organisation à effectuer des analyses en temps réel et à prendre des décisions fondées sur les données. Étude CDO 2025 : L’effet multiplicateur de l’IA 

2Rapport 2025 de dbt Labs sur l'état de l'ingénierie analytique — 57 % des spécialistes des données consacrent la majeure partie de leur temps à la maintenance ou à l'organisation des ensembles de données ; la mauvaise qualité des données est citée par plus de 56 % d'entre eux comme le principal défi. Rapport sur l'état de l'ingénierie analytique 2025