L'apprentissage automatique et l'IA révolutionnent les tests ERP

L'intelligence artificielle et l'apprentissage automatique peuvent apporter une solution pour les tests, les essais et les nouveaux essais. Pour faire face à la multitude de tâches différentes, la plupart des entreprises misent aujourd'hui sur des architectures de systèmes informatiques complexes. Le noyau est généralement un SAP S/4 basé sur le cloud, complété par d'autres solutions logicielles spécifiques. Les clients SAP existants bénéficient ainsi d'une informatique performante. Toutefois, il en résulte également de nombreuses interfaces et ruptures de médias - et donc de nombreuses sources d'erreurs potentielles, par exemple à la suite d'un transfert de données peu soigné.

Si les entreprises veulent garantir le déroulement des processus sur l'ensemble des systèmes, elles ne peuvent pas renoncer à tester régulièrement leurs environnements système. Une tâche fastidieuse compte tenu des mises à jour et des mises à niveau fréquentes. Les méthodes modernes qui reposent sur l'utilisation de l'intelligence artificielle (IA) et des concepts d'apprentissage automatique (machine learning) permettent de remédier à cette situation.

"Depuis quelque temps déjà, les entreprises misent de plus en plus sur l'automatisation des tests", rapporte Thomas Steirer, spécialiste des tests et de l'IA au sein de la société d'ingénierie numérique Nagarro et actuellement chargé de divers travaux de recherche dans ce domaine. "Mais souvent, ils n'utilisent pas les méthodes les plus modernes, notamment parce qu'ils n'ont pas une vue d'ensemble de ce qui est déjà techniquement possible".

"Pour les consultants, il est essentiel d'avoir une vue d'ensemble des processus actuels d'une entreprise en très peu de temps".

Thomas Steirer,
Spécialiste des tests et de l'IA,
Nagarro

Parmi celles-ci, il y a par exemple la question de savoir à quels endroits les structures de test modernes doivent intervenir. Thomas Steirer souligne ici que l'analyse automatique des cas de test échoués offre justement des connaissances utiles aux entreprises : "Notre expérience pratique montre que de nombreux tests système échoués peuvent généralement être attribués à quelques causes. Une fois celles-ci connues, les départements informatiques peuvent optimiser leur infrastructure de test de manière beaucoup plus ciblée. La condition pour cela est qu'ils évaluent et classent les fichiers log des tests qui ont échoué à l'aide de modèles d'apprentissage automatique. Malheureusement, il y a souvent un retard à combler dans ce domaine".

Cette procédure n'est pas triviale. Pour permettre une classification appropriée, les experts en testing doivent d'abord entraîner l'algorithme ML nécessaire : Pour ce faire, ils lui indiquent les catégories d'erreurs courantes et s'entraînent ensuite manuellement à les classer correctement à l'aide de données d'entraînement.

Vers l'inscription du partenaire :