Fabian streitel

Fabian Streitel a étudié l’informatique à l’université technique de Munich et travaille depuis plus de 10 ans à accroître l’impact de l’automatisation des tests pour ses clients. Au fil des ans, Fabian a observé les processus de test de centaines d’entreprises et a contribué à les améliorer. Il dirige l’équipe Test Intelligence et toutes les recherches dans ce domaine chez CQSE.

En tant que testeurs, nous savons qu’avoir « plus de tests » n’est pas automatiquement mieux. Les tests entraînent des coûts de maintenance continus. La migration d’une grande suite de tests vers une technologie différente ou le nettoyage des suites de tests existantes est une tâche qui prend beaucoup de temps. De plus : « plus de tests » signifie également un retour d’information plus lent sur les nouveaux bogues, car l’ensemble de la suite prend désormais plus de temps à exécuter !

Dans le même temps, notre intuition nous dit que tous les tests n’ont pas la même valeur. Ainsi, beaucoup d’entre nous se sont demandé : ne pouvons-nous pas supprimer les tests les moins utiles, afin de réduire les coûts de maintenance sans sacrifier la qualité du produit ?

Dans la recherche en informatique, ce problème est appelé « minimisation de la suite de tests » : supprimer des tests d’une suite de tests tout en préservant au mieux sa capacité globale à trouver des bogues. Dans cette présentation, je vais présenter « AI Test Clustering », une nouvelle approche qui peut identifier les cas de test qui n’apportent que peu ou pas de valeur. Je couvrirai les fondements théoriques de cette technique et montrerai comment nous l’avons appliquée aux suites de tests de l’industrie. Je couvrirai la façon dont nous avons évalué son efficacité et nous nous sommes assurés de ne pas supprimer accidentellement des cas de test importants. Enfin, je montrerai plusieurs stratégies pour « faire le grand ménage » rapidement dans votre propre projet avec peu de risques.