4.1 Approches architecturales pour une infrastructure de test basée sur le LLM
Utiliser ChatGPT dans un navigateur est utile pour un testeur isolé. Mais pour une organisation comme FrigoMagique, il faut une architecture intégrée où l'IA peut accéder aux spécifications internes et interagir avec les outils de test.
4.1.1 Composants architecturaux clés
Une infrastructure de test basée sur le LLM ne se résume pas au modèle lui-même. Elle comprend :
- Le Front-end : l'interface utilisateur pour les testeurs.
- Le Back-end : l'orchestrateur qui gère les requêtes.
- Les Sources de données : bases de données vectorielles (pour le contexte) ou relationnelles.
- Le LLM : le cerveau (hébergé en local ou via API).
4.1.2 Retrieval-Augmented Generation (RAG)
Les LLM ont un défaut : ils ne connaissent pas vos secrets d'entreprise et leurs connaissances s'arrêtent à leur date d'entraînement. Le RAG est la solution pour connecter l'IA à vos documents privés.
Comment ça marche ?
- Récupération (Retrieval) : le système cherche les documents pertinents dans votre base de connaissances (ex: vos User Stories) grâce à une recherche vectorielle (Embeddings).
- Génération : il envoie ces documents au LLM avec votre question.
- Réponse : l'IA répond en se basant sur VOS données, pas juste sur sa mémoire.
Fil rouge : FrigoMagique
Le problème : la testeuse demande à GUS : "Génère des tests pour la nouvelle fonctionnalité 'Panier Partagé'." GUS répond des généralités, car il ne connaît pas les règles spécifiques de cette fonctionnalité qui vient d'être rédigée hier.
La solution RAG : l'infrastructure va chercher automatiquement la User Story "Panier Partagé" dans Confluence. Elle l'injecte dans le prompt : "En utilisant la documentation ci-jointe [Règles : seul le créateur du panier peut valider le paiement] génère les tests."
Résultat : GUS génère des tests précis et alignés avec les règles métier actuelles de FrigoMagique.
4.1.3 Le rôle des agents alimentés par LLM
Un Agent est une IA capable non seulement de répondre, mais d'agir. Il peut utiliser des outils (calculatrice, accès web, exécution de code) pour accomplir une mission.
On distingue :
- Agents autonomes : ils planifient et exécutent sans intervention humaine.
- Agents semi-autonomes : ils demandent validation à un humain aux étapes clés.
Lorsque plusieurs agents spécialisés collaborent (par exemple un agent "Testeur" et un agent "Développeur"), on parle d'orchestration. C'est la mécanique qui coordonne leurs échanges pour résoudre un problème complexe.
Fil rouge : FrigoMagique
Mission : "Vérifie que tous les liens du site web fonctionnent."
L'Agent autonome GUS en action :
- Il génère un script Python pour crawler le site.
- Il exécute le script (il a accès à un terminal).
- Il analyse les erreurs 404 trouvées.
- Il se connecte à Jira et crée un ticket de bug pour chaque lien mort.
Tout cela s'est fait sans que le testeur ne tape une seule ligne de code ou ne clique sur un bouton.
🎓 Point syllabus (ce qu'il faut retenir)
- Architecture : nécessite un Back-end pour orchestrer le flux entre l'utilisateur, les données et le modèle.
- RAG : technique indispensable pour fournir au LLM des données privées, fraîches et spécifiques à l'entreprise, réduisant ainsi les hallucinations.
- Agents : systèmes capables d'utiliser des outils externes pour automatiser des chaînes d'actions complexes (planifier -> coder -> exécuter -> rapporter).
Ce cours vous est utile ?
Ce contenu est 100% gratuit. Si cette section sur FrigoMagique vous a aidé :
C'est 0% de frais pour moi, et 100% d'énergie pour la suite ! ☕