Il existe des problèmes bien plus urgents sur lesquels les spécialistes du marketing devraient porter leur attention avant de se laisser distraire par l’IA et les métavers.
En début d’année, Deloitte a publié son rapport 2023 sur les tendances en matière d’ingénierie de la qualité, couvrant les facteurs clés qui, selon l’organisation, sont nécessaires pour « s’adapter aux défis familiers de l’ingénierie de la qualité dans des temps inhabituels, tels que les dépenses, l’innovation, le fonctionnement dans une société post-pandémique, et l’exploitation de nouvelles opportunités de croissance ».
Digital Engineering s’est entretenu avec Rohit Pereira, directeur et responsable de la pratique de l’ingénierie de la qualité chez Deloitte Consulting LLP, au sujet de certaines des conclusions et des tendances en matière d’ingénierie de la qualité.
DE : Comment le rôle de l’ingénierie de la qualité dans le processus de développement, de conception et de fabrication des produits a-t-il évolué, en particulier au cours des années de pandémie et à l’avenir ?
Rohit Pereira : Si la qualité continue de jouer un rôle central dans la livraison des produits, la pandémie a accéléré la croissance des transformations liées au numérique, à l’informatique en nuage et à la modernisation. Cela a nécessité une modification des modèles opérationnels, ainsi qu’un déploiement plus rapide sur le marché. Par exemple, notre équipe QE a aidé les clients à passer rapidement à un modèle d’engagement virtuel avec les clients avec une haute qualité de livraison en tirant parti de :
L’automatisation des tests liée à l’IA à grande échelle tout au long du cycle de vie des tests, de la gestion des tests à la conception des tests et à l’exécution des tests.
Un changement à gauche dans la livraison en exerçant le code pour identifier les goulots d’étranglement de la conception et de la performance plus tôt dans le cycle de vie de la livraison.
Un déplacement vers la droite en tirant parti de l’ingénierie du chaos pour identifier de manière proactive les problèmes de production avant qu’ils ne surviennent.
L’ingénierie de la qualité est devenue un facteur de valeur permettant aux organisations de réduire les coûts de livraison et d’identifier de nouvelles innovations qui peuvent être appliquées à la livraison de technologies, ainsi qu’aux opérations commerciales.
Comment expliquez-vous la baisse des ventes de matériel pour l’ingénierie de la qualité ? Comment le besoin de matériel est-il réduit dans ces scénarios – qu’est-ce qui remplace le besoin d’utiliser ces outils ?
Rohit Pereira : La transition vers des solutions cloud-natives/cloud-ready élimine en grande partie la nécessité de mettre en place des environnements de test dédiés, ce qui contribue à la réduction des dépenses en matériel. Le matériel et les outils ne sont plus des goulots d’étranglement potentiels pour les tests, comme c’est le cas avec l’adoption du cloud ; les environnements de test peuvent être créés à la demande pour soutenir l’automatisation dans le cycle de vie des tests et la simulation de scénarios similaires à la production.
Dans quelle mesure les entreprises utilisent-elles réellement les métavers/plateformes virtuelles pour l’ingénierie de la qualité ?
Rohit Pereira : Avec l’évolution du paysage numérique, les expériences immersives des clients deviennent de plus en plus importantes à travers une variété d’appareils et de plates-formes pour favoriser la personnalisation des produits. Bien que les outils d’automatisation et la technologie pour tester les plateformes métaverses/virtuelles soient actuellement primitifs et coûteux, nous constatons une adoption accrue des solutions de test basées sur l’IA et l’IA générative dans l’industrie. Ces solutions de modélisation prédictive basées sur l’IA sont non seulement exploitées pour interagir avec des avatars numériques sur des plateformes métavers/virtuelles, mais aussi pour capturer l’expérience utilisateur à chaque étape du parcours client afin d’identifier les domaines d’amélioration et de construire des produits et des offres de services axés sur les besoins des clients. Bien que plusieurs éléments du métavers nous entourent, il reste encore du travail à faire pour atteindre son plein potentiel.
Que devra-t-il se passer au sein des industries pour que les tests métavers/virtuels soient aussi acceptables que les tests physiques (ou au moins un remplacement acceptable pour certaines phases de test) ?
Rohit Pereira : Le métavers peut engager une variété d’utilisateurs à travers l’écosystème mondial et conduire des tests de foule à l’échelle. Mais pour y parvenir, il faudra que davantage d’utilisateurs rejoignent le métavers et l’intègrent au courant dominant. Alors que l’adoption à grande échelle du métavers est un travail en cours, le défi principal pour les tests dépend toujours de la capacité à exploiter les bons outils et les bonnes compétences pour tester le métavers, ainsi que pour tirer parti du métavers pour les tests.
Chez Deloitte, nous pensons qu’au fur et à mesure que le cadre du métavers mûrit et que ses cas d’utilisation évoluent, il y aura une adoption généralisée par les utilisateurs dans tous les secteurs – compte tenu des possibilités d’engagement des consommateurs qu’il peut apporter aux entreprises. Cela peut améliorer la portée globale et le retour d’information précoce pour les nouveaux produits et technologies introduits à l’échelle mondiale et rendre les essais virtuels plus acceptables.
Comment la simulation est-elle exploitée pour améliorer l’ingénierie de la qualité et comment le rôle de la technologie de simulation évolue-t-il ?
Rohit Pereira : Grâce à des solutions de test auto-évolutives utilisant l’IA, les entreprises peuvent désormais simuler des parcours clients de bout en bout et utiliser la modélisation prédictive des tests pour obtenir des informations précieuses sur le comportement des clients et les exploiter pour personnaliser les produits et les services en fonction des besoins des clients. Les modèles de test prédictifs basés sur l’IA sont également utilisés pour simuler des scénarios de type production, générer des données de test synthétiques à grande échelle qui imitent les données de production, et identifier les domaines d’impact pour utiliser des modèles de test basés sur le risque.
Pouvez-vous expliquer l’ingénierie du chaos et son utilité du point de vue de la qualité ? A-t-elle un rôle à jouer dans l’assurance qualité des produits physiques ?
Rohit Pereira : En termes simples, l’ingénierie du chaos vise à identifier de manière proactive les points de pression des applications testées afin qu’ils puissent être traités à l’avance et qu’ils ne se brisent pas en production lorsque c’est important. Pour les produits physiques, cela devient particulièrement critique car ils sont soumis à diverses formes de stress par le toucher, les facteurs environnementaux et d’autres facteurs externes. L’ingénierie du chaos adopte une approche scientifique pour identifier, analyser et traiter les points de rupture potentiels en créant délibérément des vulnérabilités et des défaillances. L’objectif est de « casser le système » de manière proactive afin qu’il ne se casse pas en cours de production.
Le document aborde également les défis liés aux données synthétiques et à la gestion des données de test – les utilisateurs (ou les utilisateurs potentiels) font-ils confiance à ce type de données pour les tests/la formation ?
Rohit Pereira : Les données synthétiques sont exploitées à grande échelle par de nombreuses organisations afin de réduire les risques de violation des PHI/PII dans les environnements inférieurs et d’exploiter des ensembles de données qui imitent de manière plus holistique leurs ensembles de données de production. Cela permet une exécution des tests plus efficace et plus efficiente à l’échelle des équipes, avec une réduction de la contention des données entre les équipes opérant dans les mêmes environnements de non-production. En outre, cela supprime le besoin de dépersonnalisation des données de test tout en générant des volumes plus importants de données de test pour la validation des transactions à l’échelle.
Chez Deloitte, nous avons développé des mécanismes par le biais d’algorithmes basés sur l’IA et le ML qui peuvent analyser les données de production et utiliser ces informations pour générer des données de test synthétiques significatives qui imitent les résultats de la production sans avoir d’impact sur les PII/PHI, augmentant ainsi la confiance de l’utilisateur.
Comment l’évolution de l’ingénierie de la qualité pourrait-elle affecter d’autres phases de la conception des produits – en d’autres termes, le développement/la conception initiale des produits connaîtra-t-elle des changements afin de mieux tirer parti de ces nouvelles capacités en matière de qualité ?
Rohit Pereira : L’ingénierie de la qualité est de plus en plus considérée comme un intégrateur (Environnement, Release, DevOps -CI/CD etc.), par opposition à une phase distincte qui suit la construction/le développement. C’est particulièrement vrai dans le cas des grands programmes de transformation où l’ingénierie de la qualité est intégrée et permet l’innovation dans les processus d’affaires et améliore la confiance dans les résultats de la livraison.
