Testeur logiciel / ingénieur qualité

Un article d'ingénieurs d'Uber sur un système qui tourne dans les propres chaînes d'Uber. Il indique que DragonCrawl atteint un taux de réussite de 91,6 % sur iOS et de 92,2 % sur Android sur 1 013 tests automatisés exécutés en continu dans les chaînes CI/CD, qu'il a ramené la mise en place d'un test de 96 à 120 heures à moins de 4, et qu'il a permis d'économiser, selon une estimation, 27 années-développeur de maintenance des tests ; les ingénieurs de test qui exécutaient auparavant des scripts ont été repositionnés comme « Context Engineers » plutôt que « Clickers », et Uber dit avoir obtenu une assurance qualité capable de passer à l'échelle sans croissance proportionnelle des effectifs. Les gains de temps sont des estimations d'Uber, et cela porte sur les tests mobiles de bout en bout d'une seule entreprise.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Enquête déclarative auprès de 200 ingénieurs chevronnés de grandes entreprises américaines, britanniques et européennes — et le rapport est publié par Lightrun, qui vend des outils de débogage : le constat et le produit pointent donc dans le même sens. Les pannes d'Amazon qu'il cite (2 et 5 mars 2026, imputées à des modifications assistées par IA déployées sans validation, suivies d'une remise à plat de la sûreté du code sur 90 jours à travers 335 systèmes) sont des événements rapportés de façon indépendante ; les pourcentages ne le sont pas. Logiciel d'entreprise uniquement.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

Un article d'employés de Meta sur la génération de tests dans l'ingénierie propre à Meta. Il indique que la génération de tests de durcissement guidée par mutation et fondée sur un grand modèle de langage est déjà déployée dans le système d'intégration continue de Meta, que le générateur antérieur fondé sur la couverture a été déployé et régulièrement amélioré chez Meta pendant deux ans, qu'il a analysé 22 126 tests générés dans les flux de détection et de durcissement, et que, dans une étude manuelle de 600 diffs comportant des détections faibles, des évaluateurs à base de règles et de grands modèles de langage ont réduit d'environ 70 % la charge de relecture humaine. Les auteurs disent que les flux de détection eux-mêmes ont été déployés principalement pour collecter des données, et l'article donne des décomptes incohérents des détections confirmées ; Meta construit ces outils pour son propre usage.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Un article de retour d'expérience évalué par les pairs, écrit par des auteurs universitaires et de ByteDance, sur un outil déployé dans une grande entreprise d'internet grand public. Il indique que les tests de régression d'API pour les parcours métier inter-services sont encore largement construits et maintenus par des ingénieurs qualité, et que, lors d'un déploiement en production de neuf mois commencé en mars 2025, l'outil a généré 3 196 cas de test avec un taux global d'adoption du code de 85,4 %. L'adoption variait fortement selon les branches d'activité ; les auteurs ont construit l'outil et mesuré eux-mêmes son adoption.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Un mémorandum fédéral qui s'impose aux agences de l'exécutif américain. Parmi les pratiques minimales de gestion des risques pour l'IA à fort impact, les agences doivent élaborer des plans de tests avant déploiement et d'atténuation des risques qui reflètent les résultats attendus en conditions réelles ; lorsqu'elles ne peuvent pas accéder au code source, aux modèles ou aux données, elles doivent recourir à d'autres méthodes de test, comme interroger le service d'IA et observer ses sorties ou fournir des données d'évaluation au fournisseur ; et, après le déploiement, elles doivent mener des tests et un examen humain périodique des cas d'usage de l'IA lorsque c'est faisable. Il lie les agences, non les testeurs nommément, et ne couvre que les usages à fort impact.

Une réglementation, une subvention ou une commande publique exige ou finance l'adoption — le miroir d'une contrainte. Cela montre que l'adoption est exigée, non qu'elle a eu lieu, donc une impulsion ne suffit jamais à elle seule ; deux indépendantes suffisent.

Un article de l'AI Red Team de Microsoft sur son propre travail de test des produits d'IA générative, à la recherche de défaillances de sûreté et de sécurité. Il indique qu'en octobre 2024 l'équipe avait mené plus de 80 opérations couvrant plus de 100 produits, que ce volume rendait impraticable un test entièrement manuel, si bien qu'elle a construit de l'automatisation, et que ces outils ne devraient pas être utilisés dans l'intention de sortir l'humain de la boucle, puisque hiérarchiser les risques, concevoir des attaques et définir de nouvelles catégories de préjudice exigent un jugement humain. Il s'agit d'une red team dédiée et non de la qualité produit, et Microsoft vend les modèles et promeut son outil open source.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Une entreprise, amélioration de classes de tests unitaires existantes avec filtres de compilation, de réussite et de couverture ; 75 % des cas produits compilaient, 57 % réussissaient de façon fiable, 25 % ajoutaient de la couverture. Article rédigé par l'entreprise ; un cadre d'événement limité dans le temps plutôt qu'un usage courant en chaîne d'intégration.

Essai à petite échelle dans un cadre réel. Cela nous dit que les conditions de déploiement sont mises à l'épreuve, non qu'elles sont réunies — donc un pilote ne suffit jamais à lui seul ; deux indépendants suffisent.

Entrer comme testeur manuel est l'entrée la plus faible de ce site, parce que c'est la tâche qui part le plus vite. Entrez plutôt par l'état d'esprit adversarial et la discipline nouvelle : apprenez à casser ce que personne n'a spécifié, et apprenez à évaluer des systèmes à base de modèles, où il n'existe presque personne d'expérimenté et où les équipes recrutent. Savoir écrire du code est désormais un socle du métier plutôt qu'une spécialité à l'intérieur.

Si votre semaine est surtout de la régression et de la maintenance de scripts, le poste se regroupe sous vos pieds et vous devriez bouger avant qu'il ne vous bouge. Votre véritable actif est le modèle que vous avez en tête de la façon dont ce produit casse ; transformez-le en tests exploratoires, en décision de livraison et en évaluation des fonctions à base de modèles que votre équipe ajoute presque certainement. Ce sont des positions seniors, et elles sont occupées par qui les revendique en premier.

Refaçonner le poste

D'exécuter des tests à détenir la qualité

Quelqu'un doit décider ce que « suffisamment testé » veut dire, tenir la décision de livraison et détenir le travail exploratoire. Ce rôle survit ; le rôle d'exécution non.

Refaçonner le poste

Spécialisez-vous dans l'évaluation des systèmes à base de modèles

C'est nouveau, rare et directement adjacent à ce que les testeurs font déjà. Les équipes qui livrent des fonctions à base de modèles ont besoin de quelqu'un qui suppose qu'elles sont cassées.

Mouvement latéral

Développeur dans l'équipe de test ou ingénierie de plateforme

Construire les chaînes, les environnements et l'outillage qui permettent à toute l'équipe de tester est un travail d'ingénierie en demande régulière, et cela utilise la connaissance qu'un testeur a de ce qui va de travers.

L'exécution manuelle des tests, oui, et vite. La qualité comme discipline non : quelqu'un doit encore imaginer comment le système échoue, décider s'il est prêt, et de plus en plus évaluer un logiciel dont le comportement n'est pas déterministe, ce que presque personne ne sait encore faire. Le métier passe de l'exécution de tests à la détention du risque, et de l'affirmation de sorties fixes à l'évaluation de comportements. Ceux qui font ce mouvement valent plus que les testeurs ne valaient ; ceux qui ne le font pas verront le poste se regrouper autour d'eux.

Le signal est qui écrit la suite de régression de votre équipe ce trimestre. Quand la suite est générée et se répare elle-même après un changement d'interface, le bloc d'heures qui finançait la plupart des postes qualité a disparu — c'est la capacité précise qui a bougé, et vous la verrez dans votre propre dépôt avant de la voir dans un rapport.

La régression manuelle et l'écriture des cas de test — les deux tâches marquées comme en cours d'automatisation, et la régression manuelle à elle seule est le plus gros bloc d'heures de la plupart des postes qualité. Les tests exploratoires et la décision de livraison ne le sont pas, mais aucun n'est assez grand pour absorber les gens dont la régression remplissait la semaine.

C'est une discipline réelle et en croissance — jeux d'évaluation, régression comportementale, prompt adversarial — et l'état d'esprit qualité se transfère directement. La réserve honnête est qu'elle est assez jeune pour que personne ne connaisse sa taille finale, et elle pourrait être dotée à l'intérieur des équipes modèle plutôt qu'en qualité.