Agents IA pour QA : 11 compétences pipeline

Architecture d'un système multi-agents IA pour automatiser le processus QA

Les tests prennent du retard sur le développement : les tests automatisés ne couvrent pas les nouveaux scénarios, la régression manuelle augmente, et la rotation des ingénieurs nécessite un mois d'intégration. L'analyse du temps QA montre que 80 % des tâches sont systématisables — de l'analyse des exigences à l'automatisation. Un système de 11 agents IA gère cette routine, laissant l'ingénieur en contrôle pour les ajustements.

Concept : L'ingénieur QA comme opérateur d'exosquelette

Le rôle de l'ingénieur évolue : au lieu d'exécuter manuellement les étapes, il définit des règles, assigne des tâches aux agents et examine les artefacts. Les principes incluent l'intégration dans la pile existante (Jira, Zephyr, GitLab, pytest), des formats transparents, une auditabilité complète et une évolutivité.

Avant : conception manuelle des tests, prompts individuels, données non structurées.

Après : artefacts standardisés, exécution parallèle, coûts prévisibles.

Architecture globale : 11 agents dans un pipeline unifié

Le système, construit sur Claude Code Skills, implémente un pipeline du chargement des exigences à la MR avec tests automatisés. Un orchestrateur gère l'exécution parallèle, vérifiant la qualité à chaque étape.

Jira/Confluence → Chargement → Décomposition → Scénarios → Automatisation API/UI → Validation → GitLab MR / Zephyr

Liste des 11 compétences

• jira-fetch : Charge les tâches, pièces jointes et sous-tâches depuis Jira/Confluence.
• requirements-decomposer : Décompose en User Stories et Tâches avec exigences fonctionnelles/non fonctionnelles et critères d'acceptation.
• scenarios-generator : Génère des scénarios en utilisant les méthodes ISTQB (partitionnement d'équivalence, valeurs limites).
• scenario-data-fix : Collecte les données de test avec Contexte Global.
• scenario-discrepancies-fix : Corrige les écarts avec l'UI/API.
• selectors-collector : Collecte les sélecteurs CSS/Playwright pour POM.
• automation-api : pytest + requests pour les tests API.
• automation-ui : pytest + Playwright pour les tests UI.
• automation-compare : Compare les scénarios avec le code de test automatisé.
• zephyr-uploader : Téléverse les cas de test dans Zephyr Scale.
• mr-creator : Crée des Merge Requests dans GitLab.

Détails des étapes : Des exigences aux scénarios

Chargement et décomposition

jira-fetch analyse les données non structurées : texte, tableaux, PDF/DOCX. requirements-decomposer les structure :

testing/requirements/DEVAI-258/
├── US-001.md
├── TASK-001.md
├── NOTES-classification.md
└── _index.json

Exemple de décomposition :

## Exigences fonctionnelles
- F-DEVAI-283-BE-01 : POST /api/v1/integrations/confluence/connect

## Critères d'acceptation
- AC-DEVAI-283-01 : success: true avec des données valides

Le Contexte Global fournit le contexte du projet (contrats API, environnements).

Génération de scénarios

scenarios-generator applique la pyramide des tests : e2e pour les User Stories, unitaire pour les tâches. Le format JSON assure la traçabilité :

{
  "testSuite": {
    "name": "US-001 : Autorisation",
    "testCases": [{
      "id": "TC-001-001",
      "testSteps": [{
        "action": "POST /api/auth/login",
        "expectedResult": "HTTP 200, JWT token"
      }],
      "traceability": {"requirementIds": ["F-DEVAI-258-01"]}
    }]
  }
}

Une matrice de traçabilité est créée pour la couverture des exigences :

| ID | Nom | Statut | Tests | Couverture |

|---|------|--------|-------|----------|

| F-DEVAI-258-01 | Autorisation | Couvert | 2 | 100% |

L'intégration avec Figma via MCP analyse les maquettes : éléments, états, écarts.

Orchestration et intégrations

L'orchestrateur exécute les agents en parallèle : automatisation API/UI simultanément. Intégrations :

• Jira/Confluence : API REST.
• Figma : MCP pour l'analyse UI.
• Zephyr : Import de cas de test JSON.
• GitLab : Création de MR avec projets pytest.

selectors-collector génère SELECTORS.json pour le Page Object Model.

Défis techniques et solutions

Pièges :

• Exigences non structurées — résolu avec des modèles de décomposition.
• Écarts UI/API — corrigés par les agents avec ERROR_DISCREPANCIES.md.
• Couverture des tests automatisés — automation-compare avec rapports.

Évolutivité : un ingénieur gère plusieurs projets sans perte de qualité.

Points clés à retenir

• 80 % de la routine QA automatisée : analyse, scénarios, tests automatisés, MR.
• Transparence : tous les artefacts dans des formats standard (JSON, pytest, Zephyr).
• Traçabilité : la matrice de traçabilité montre la couverture des exigences par les tests.
• Évolutivité : exécution parallèle, intégration dans la pile sans changements.
• Contrôle : l'ingénieur ajuste aux étapes, audit disponible.

— Editorial Team