Quand utiliser le self-healing dans l’automatisation des tests
L’auto-réparation (« self-healing ») est devenue une exigence croissante en automatisation des tests pour les équipes qui cherchent à accélérer la livraison de logiciels à forte valeur ajoutée.
Sur cette page

Les éléments d’interface utilisateur ont tendance à changer rapidement, ce qui affecte directement la stabilité des tests automatisés sur lesquels on s’appuie pour décider de lancer ou non une mise en production.
C’est pourquoi il est important de savoir quand recourir à l’auto-réparation, et quand des techniques plus fiables sont disponibles.
Suivez Cerberus Testing pour aller plus loin dans l’automatisation des tests open source.
Pourquoi l’automatisation des tests a besoin de self-healing#
L’automatisation des tests prend une place de plus en plus importante dans le cycle de vie du développement logiciel.
L’un de ses principaux atouts est de permettre de détecter et de corriger rapidement les anomalies.
Cela devient pourtant plus difficile lorsque les éléments d’interface changent vite et de façon inattendue.
C’est là que les tests auto-réparants prennent toute leur importance : ils permettent aux tests automatisés de se corriger d’eux-mêmes quand quelque chose ne va pas.
Dans certaines situations, les tests auto-réparants sont appropriés ; dans d’autres, il faut recourir à des techniques différentes.
Le self-healing pour les tests de non-régression des interfaces#
Les tests auto-réparants donnent le meilleur d’eux-mêmes quand l’environnement de test est amené à changer.
Par exemple, si vous testez une application web, le code HTML des pages testées peut changer fréquemment.
Si votre suite de tests automatisés ne sait pas s’adapter à ces changements, elle deviendra vite obsolète et peu fiable.
L’auto-réparation aide à surmonter ce problème en corrigeant automatiquement les scripts de test quand l’environnement change.
Choisissez une auto-réparation que vous êtes en mesure de mettre en œuvre
Des systèmes qui se corrigent tout seuls, c’est un rêve, mais les choses fonctionnent rarement aussi facilement.
L’auto-réparation connaît plusieurs implémentations, qui reposent sur des hypothèses différentes :
- Les algorithmes statistiques cherchent à retrouver l’élément en calculant les différences entre l’ancien localisateur et l’actuel
- Les algorithmes de data science ont besoin de données historiques pour construire des modèles, utilisés ensuite pour retrouver le nouvel emplacement de l’élément
- Les algorithmes visuels tentent de reconnaître l’élément dans la page, avec un taux de détection approximatif.
Une hypothèse importante à évaluer dans votre contexte : la viabilité de la mise en œuvre de la solution de self-healing.
Si vous comptez déployer une solution de data science, assurez-vous de disposer de données historiques et de pouvoir intégrer la solution à la vôtre par API.
Si vous envisagez des algorithmes visuels, évaluez l’ampleur des changements visuels : au-delà de certains seuils, la reconnaissance échouera.
Et dans certains cas, l’auto-réparation n’est tout simplement pas la bonne réponse à votre problème.
La bonne solution pour le bon problème#
L’auto-réparation n’est pas pour autant une panacée. Dans certaines situations, elle n’est ni appropriée ni efficace.
C’est le cas, par exemple, des tests de compatibilité sur différents navigateurs ou appareils.
Il vaut alors généralement mieux recourir à une automatisation des tests spécifiquement conçue pour les tests de compatibilité.
Autre situation où l’auto-réparation n’est pas adaptée : lorsque l’environnement de test est stable et change peu.
Dans ce cas, une approche plus classique de l’automatisation des tests est généralement préférable.
Investissez d’abord dans des localisateurs stables#
L’un des problèmes à l’origine du besoin d’auto-réparation est l’absence de localisateurs (locators) stables pour des éléments graphiques qui changent rapidement.
On peut alors se demander : pourquoi ne pas doter ces éléments de localisateurs stables ?
Bonne question. Une bonne pratique issue de la communauté consiste à ajouter des attributs spécifiques aux éléments régulièrement utilisés dans les principales interactions utilisateur.
Cette solution permet aux équipes de développement et de test de collaborer sur un ensemble partagé de localisateurs, qui ne changeront que si le parcours utilisateur change, et non au gré d’adaptations mineures.
La plupart des équipes ont beaucoup à gagner à définir des localisateurs stables, d’autant qu’ils renforcent aussi la collaboration au sein des équipes pluridisciplinaires.
Le self-healing n’est pas une solution miracle en automatisation des tests#
En conclusion, les tests auto-réparants peuvent être un outil utile dans le processus de développement logiciel.
Il est toutefois important de savoir quand y recourir, et quand d’autres approches sont plus efficaces.
En comprenant les forces et les limites des tests auto-réparants, vous vous assurez que votre suite de tests reste fiable et à jour.
Cerberus Testing prend en charge les différentes approches évoquées : auto-réparation statistique, bibliothèque de localisateurs ou actions de tests multi-navigateurs.
Prêt à aller plus loin avec le self-healing ?


