Localisateurs fragiles : comment faire mieux
L’automatisation des tests revêt une importance majeure pour les entreprises qui cherchent à accélérer. Les tests de non-régression nous permettent de livrer des changements avec plus de confiance, mais leur mise en œuvre pose des défis bien concrets.
Sur cette page

L’écosystème évolue sans cesse pour améliorer notre capacité à interagir automatiquement avec les systèmes. Interfaces, drivers et même outils prêts à l’emploi sont disponibles, comme Selenium avec son IDE ou la bibliothèque Appium.
Ces boîtes à outils sont précieuses lorsqu’elles sont bien utilisées, au service de nos enjeux métier et de nos efforts d’automatisation des tests. Il faut trouver l’équilibre entre « automatiser ce qu’il faut » et « bien automatiser ».
Cet article explique pourquoi nous avons besoin d’une stratégie de localisateurs, et ouvre des perspectives sur les évolutions à venir.
Pourquoi une stratégie de localisateurs est nécessaire#
L’automatisation des tests exige un processus d’exécution reproductible. Nos cas de test sont généralement composés d’actions et de contrôles sur des éléments précis. Pour interagir avec ces éléments, il nous faut des identifiants, appelés localisateurs (locators).
Concrètement, impossible d’automatiser des tests web, mobiles ou même d’API sans localisateurs. Chaque technologie propose ses propres moyens d’identifier les éléments, comme XPATH pour le HTML ; des localisateurs similaires existent pour XML et JSON.
Nous pouvons parcourir le chemin d’un élément de différentes manières : ids, CSS ou approches hiérarchiques. Ces possibilités ouvrent tout un éventail d’options, toutes librement utilisables. C’est pourquoi une stratégie de localisateurs contribue à la fiabilité de notre automatisation des tests.
Voyons ce qui se passe sans stratégie de localisateurs.
Sans stratégie, on recourt à des techniques de circonstance#
Une nouvelle application est déjà en route vers la production. Confrontée à une série de régressions, l’équipe projet demande des tests automatisés. Le défi semble raisonnable, avec des tests web et mobiles à implémenter.
La première étape consiste à découvrir l’application et à identifier les tests automatisés utiles à inclure dans le périmètre. Avec un peu de chance, un framework d’automatisation des tests est disponible pour accélérer la mise en place initiale. Vous pouvez commencer à implémenter les tests automatisés.
Vous enregistrez les actions et les contrôles des tests avec leurs localisateurs. L’avantage d’un enregistreur de tests, c’est qu’il simplifie cette tâche : vous n’avez même pas à vous soucier des localisateurs. La suite de tests grossit rapidement grâce aux tests modulaires.
Vous constatez que les localisateurs sont parfois dynamiques, car le framework front-end ne trouve aucun id exploitable. L’équipe projet commence à utiliser votre suite de tests automatisés pour ses tests de non-régression (s’ouvre dans un nouvel onglet). Au bout de quelques exécutions, ils sont si instables que l’équipe les abandonne et vous laisse corriger les problèmes.
Vous pouvez alors essayer une autre solution, comme la reconnaissance visuelle. Elle peut fonctionner, mais la reconnaissance d’images convient à des vérifications ponctuelles et à certaines techniques de test. « Le bon outil pour le bon usage » : la règle vaut aussi pour l’automatisation des tests.
En restant sur les localisateurs, nous pouvons essayer de les optimiser.
Nous itérons alors pour optimiser les localisateurs#
Peu fiable, notre suite de tests est aussi difficile à maintenir, avec toutes les stratégies de localisateurs utilisées. Nous comprenons qu’il faut commencer à rembourser les intérêts de notre dette technique pour tirer profit de nos efforts passés.
Nous pouvons commencer par la cohérence, en harmonisant nos différents localisateurs autour d’un nombre limité d’options. Par exemple, nous pouvons choisir de n’utiliser que des localisateurs id et name, en supprimant tous les chemins relatifs, instables. C’est une première étape, à condition que des attributs id et name soient disponibles.
Après plusieurs itérations, nous obtenons, espérons-le, des tests plus stables. Malheureusement, le framework de test mobile génère des localisateurs dynamiques à chaque rendu : notre stratégie de localisateurs montre ici ses limites. Dans les deux cas, nous réfléchissons à traiter la cause racine pour obtenir enfin un système efficace et robuste.
Intégrer des localisateurs stables dès la conception semble une bonne idée.
Des localisateurs stables : une exigence de testabilité dès le départ#
Notre stratégie de localisateurs stables suppose que des localisateurs fixes soient intégrés au code dès le départ. Nous comprenons qu’il faut impliquer les développeurs pour avancer. Il nous faut en fait faire du shift-left.
Nos échanges avec l’équipe de développement portent sur la définition des localisateurs stables essentiels, alignés sur la suite de tests de non-régression. Un ensemble d’identifiants standard est défini, par exemple des ids commençant par « autotest-<name> », pour bien les repérer.
Cette pratique nous permet d’améliorer nettement la fiabilité de nos suites de tests automatisés. L’équipe projet les utilise de nouveau. Cette compréhension partagée a aussi été bénéfique, en renforçant la collaboration et la valeur de nos tests.
Lors d’une rétrospective, nous constatons que nous n’avons pas su intégrer la testabilité dès la conception.
Shift-left : la testabilité dès la conception, avant d’ajouter de l’IA#
Les exigences non fonctionnelles sont structurantes en ingénierie logicielle. Elles relèvent généralement des architectes et ne font pas partie des réflexes de l’équipe de développement. Une équipe QA qui endosse le rôle de Question Asker peut être précieuse ici, pour faire de la testabilité une exigence.
La stratégie de localisateurs est l’un de ces détails où se cache le diable en automatisation des tests. L’approche « sans stratégie » mène à des tests inefficaces et jetables, et accélère la dette technique. Nous devons définir une stratégie de localisateurs.
Une stratégie de localisateurs stables est un excellent moyen d’intégrer la testabilité dès la conception, pour plus de fiabilité et une compréhension partagée. Les techniques alternatives de reconnaissance d’images peuvent être utiles si elles sont pertinentes pour nos techniques de test.
Notre stratégie de localisateurs s’améliorera progressivement grâce à des capacités d’auto-réparation (« self-healing »).
Antoine CraskeCerberus TestingLa data science, l’IA et davantage d’intelligence dans l’automatisation des tests sont des tendances clés pour la qualité logicielle. Notre stratégie de localisateurs va progresser grâce à ces techniques, en apportant des fonctionnalités comme l’auto-réparation. C’est l’une de nos priorités chez Cerberus Testing, pour améliorer votre démarche d’automatisation des tests avec ces capacités.
Suivez Cerberus Testing pour rester informé de ces évolutions.


