Wolters Kluwer
Wolters Kluwer assure une qualité constante des logiciels à grande échelle grâce à une IA agentique
applications testées
défaut
d’accélération sur la conception des cas de test avec la solution Agentic Test Creation
défaut
d’automatisation pour les cas de test d’UI et d’API sur les applications de la plateforme principale
défaut
Présentation de l’entreprise
Wolters Kluwer est un leader mondial de l’information, des logiciels et des services. Ses clients sont des professionnels de divers secteurs : santé, fiscalité et comptabilité, conformité financière et d’entreprise, droit et réglementation, performances d’entreprise et ESG. L’entreprise aide ses clients à prendre des décisions stratégiques en leur fournissant des solutions expertes qui combinent une connaissance approfondie du domaine avec une technologie et des services spécialisés. Basée à Alphen aan den Rijn, aux Pays-Bas, l’entreprise compte des clients dans plus de 180 pays et est présente dans plus de 40 pays.
Secteur : Services d’information- Taille de l’entreprise : plus de 20 000 employés
- Localisation : Pays-Bas
- Produits :
Élaborer une stratégie d’ingénierie de la qualité adaptée à l’ère de l’IA
Fondée il y a près de deux siècles, Wolters Kluwer était à l’origine une société d’impression. Au cours des dernières décennies, l’entreprise s’est engagée dans un vaste parcours de transformation digitale et a rapidement déployé de nouvelles technologies. Elle a connu une croissance exponentielle ces dernières années, et une grande partie de ce succès est liée à son souci de la qualité.
Avec la montée de l’IA dans l’ensemble des outils de l’entreprise, en particulier ceux du développement logiciel, Paul DiGrazia, vice-président de l’ingénierie de la qualité chez Wolters Kluwer, a entrepris d’établir une stratégie d’ingénierie de la qualité adaptée au volume et à la vitesse croissants du code généré par l’IA, capable de détecter les erreurs que l’IA introduit parfois, mais que les méthodes de test classiques détectent difficilement. À cette fin, il s’est tourné vers les fonctionnalités d’IA agentique de qTest pour aider son équipe à créer des cas de test plus rapidement et à assurer une large couverture sur divers cas d’usage.
Paul DiGrazia et son équipe d’utilisateurs chevronnés de qTest ont été parmi les premiers à adopter cette IA, qu’ils ont rapidement déployée auprès de 400 utilisateurs au sein de l’organisation d’ingénierie de la qualité de Wolters Kluwer. Très rapidement, l’organisation a réalisé un gain de temps de 30 % dans la conception des cas de test en demandant à une IA agentique de rédiger les cas de test, les étapes et les résultats attendus à partir des exigences des utilisateurs. Alors que Wolters Kluwer s’oriente vers un environnement de développement intégré (IDE), où le débogage s’effectue parallèlement à la création du code, la capacité à améliorer la qualité grâce à l’IA est essentielle à la réussite.
Exploiter le potentiel de l’IA agentique
Récemment, les équipes d’ingénierie de la qualité de Wolters Kluwer ont participé au programme bêta de Tricentis Agentic Test Creation (ATC), fournissant un feedback précieux qui a contribué à façonner l’orientation du produit. Paul DiGrazia déclare : « ATC a changé la donne, car nous ne perdons plus de temps à concevoir manuellement des cas de test. » ATC est très spécialisé et sait comment rédiger correctement des cas de test en fonction des exigences et des cas métier correspondants. « Nous avons gagné énormément de temps. »
Avec la disponibilité générale d’Agentic Test Creation (ATC), Paul DiGrazia déploie la fonctionnalité dans le groupe des utilisateurs qTest de l’entreprise, qui sont passés à plus de 500 au cours de l’année écoulée, afin d’accélérer la conception des tests dans les projets de développement.
Parallèlement à ATC, Wolters Kluwer déploie AI Workspace, une plateforme centralisée de gestion des agents, afin de coordonner le travail de l’ensemble des agents avec lesquels son équipe d’ingénieurs qualité interagit. Pour lui, cette plateforme est dotée d’un « potentiel illimité » que son équipe met déjà à profit, grâce à sa capacité à unifier les workflows et la gouvernance des agents sur pratiquement n’importe quel agent du pipeline de livraison de logiciels.
Aujourd’hui, son équipe utilise AI Workspace pour intégrer la qualité autonome à presque toutes les étapes du cycle du développement logiciel (SDLC). Pendant le développement, AI Workspace récupère les exigences depuis GitHub et lance des workflows dans Agentic Test Creation (ATC) afin de générer des cas de test en amont, capturant ainsi le comportement attendu avant même qu’une seule ligne de code ne soit écrite.
À partir de là, ATC et AI Workspace fonctionnent de concert tout au long du SDLC, en comparant en permanence l’évolution des cas de test à mesure que les exigences passent de la phase de développement à la régression finale. Cela permet à l’équipe de Paul DiGrazia de quantifier les risques et de détecter ce qu’elle appelle la « dérive d’intention », c’est-à-dire la divergence progressive entre ce que produit un agent d’IA et les exigences métier et produit initiales pour lesquelles il a été conçu. En détectant cette dérive le plus tôt possible, l’équipe peut créer des cas de test ciblés qui permettront de combler l’écart avant qu’il n’atteigne l’environnement de production.
« Nous pouvons désormais créer des cas de test basés sur les résultats plutôt que sur les outils, et orchestrer les agents aussi bien en phase de tests qu’en phase de développement. Cela nous permet de concevoir une stratégie de la qualité prédictive et proactive, tout en veillant à ce que les humains continuent de guider nos agents », explique Paul DiGrazia.
Le résultat est une visibilité plus rapide et plus précise de la couverture des tests, plus tôt dans le SDLC. Lorsque l’équipe de Paul DiGrazia aura atteint une régression complète, le risque aura déjà été évalué et l’intention précisée pour chaque cas de test. Et ce feedback a été transmis aux développeurs à temps pour leur permettre de façonner la suite de tests, plutôt que de simplement y réagir. Le rôle d’AI Workspace va bien au-delà de l’orchestration des tests, c’est ce qui rend tout cela possible, précise Paul DiGrazia.
« AI Workspace ne se contente pas d’orchestrer l’exécution de tests autonomes ; c’est un véritable moteur du cycle de développement des logiciels (SDLC) agentique », indique Paul DiGrazia. « Il peut également orchestrer des agents développeurs, ce qui permet de véritables workflows agentiques complets dans l’ensemble de nos MCP et API. Ainsi, nous pouvons entrer dans le déploiement en production avec un niveau de visibilité et de confiance supérieur. »
Orchestrer la qualité dans un vaste paysage d’applications
Paul DiGrazia et son équipe veillent au respect des normes de qualité sur des centaines d’applications et de plateformes couvrant un large éventail de technologies — d’Azure et AWS à Java, .NET, SQL et Oracle — qu’il s’agisse d’infrastructures cloud modernes ou de systèmes en production depuis deux décennies.
Les métriques de qualité sont essentiels au fonctionnement de l’équipe. « Le métrique le plus efficace est notre nombre de défauts échappés », explique Paul DiGrazia. « Nous analysons également les métriques d’expérience client et nous avons un processus d’action préventive aligné sur ces mesures. »
qTest a été le pilier de la stratégie de gestion des tests de Paul DiGrazia dans cet environnement tentaculaire, et AI Workspace est désormais intégré dans ce socle à mesure que l’utilisation de l’IA augmente à chaque étape du SDLC. Paul DiGrazia estime que cela aura très tôt « un impact considérable, à mesure que nous faisons évoluer la gestion de la qualité vers un processus entièrement agentique chez Wolters Kluwer ».
Un exemple : dans AI Workspace, Paul DiGrazia a construit un workflow coordonné de suivi des défauts échappés entre plusieurs agents d’IA. « En moins d’une heure, nous avions défini l’ensemble d’un processus de suivi des défauts échappés », explique-t-il, automatiquement documenté dans qTest et immédiatement exploitable pour les décisions go/no-go pour les releases dont dépend son équipe.
Transformer les tests à grande échelle avec Tricentis qTest
L’environnement de test de Wolters Kluwer était autrefois une mosaïque de feuilles de calcul manuelles, de documents Word et d’outils disparates. L’entreprise avait besoin d’une solution unifiée de gestion des tests pour centraliser les sources de tests, standardiser les bonnes pratiques et étendre l’automatisation à l’échelle de l’entreprise. Elle a choisi qTest.
Construite autour d’une philosophie pyramidale d’automatisation des tests — avec de lourds investissements au niveau des API et des tests unitaires, et des tests d’interface utilisateur ciblés qui permettent d’obtenir le meilleur retour sur investissement— l’équipe a atteint une automatisation de 100 % au niveau de l’interface utilisateur et de l’API pour les applications de sa plateforme principale. Les taux d’automatisation dans les autres applications se situent entre 30 et 60 %, l’accent étant mis sur la répétabilité.
« Nous concentrons l’automatisation sur les tests de régression très structurés et reproductibles », indique Paul DiGrazia. « Cela nous permet de libérer des collaborateurs pour trouver les cas de test négatifs, et nous pouvons alors dérouler plus rapidement nos cycles de test, sans cette charge de régression massive. »
qTest constitue la source d’information de référence de l’équipe en matière de métriques de test (taux d’exécution, avancement du développement des tests et couverture de l’automatisation), les données étant transmises via les API de qTest à un outil développé en interne et intégré à Jira. « Nous disposons d’une vue d’ensemble des tests exécutés et de la qualité à l’arrivée », indique Paul DiGrazia.
Conserver la cohérence et la qualité à grande échelle
Paul DiGrazia dirige le Centre d’excellence en ingénierie de la qualité de Wolters Kluwer au sein du Digital Experience Group, la branche technologique de l’entreprise. Une partie essentielle de sa mission consiste à centraliser les standards et les outils entre les différentes divisions de l’entreprise, un défi qu’il a relevé à la fois par la formation et en s’inspirant d’une devise : « excellence through innovation » (l’excellence par l’innovation).
« Nous voulions que toutes nos actions et toutes les décisions que nous prenons reprennent cette devise. », déclare Paul DiGrazia. « Cette approche entraîne une certaine cohérence de pensée, qui se répercute sur l’ensemble de l’entreprise. »
C’est justement pour garantir cette cohérence à l’échelle de plusieurs centaines de personnes que qTest s’est révélé indispensable. Paul DiGrazia organise régulièrement des sessions de formation à l’IA agentique et a élaboré des lignes directrices pour l’entraînement des modèles et l’utilisation des outils d’IA, y compris des techniques de prompt optimisées, en étroite collaboration avec l’équipe Tricentis. « Nous ne pourrions pas déployer à grande échelle si nous ne disposions pas d’outils tels que qTest », affirme-t-il.
Les résultats sont mesurables. Le nombre de défauts échappés et de défaillances non maîtrisées a diminué, et les releases sont devenues plus régulières et prévisibles. « Avant qTest, on s’appuyait beaucoup sur des suppositions, des intuitions », se souvient Paul DiGrazia. « Aujourd’hui, tout repose sur les données, ce qui a permis de réduire nos taux de défauts échappés. »
S’adapter à un avenir qui évolue constamment
Paul DiGrazia et son équipe continuent de collaborer étroitement avec Tricentis en tant que pionniers dans l’adoption des nouvelles fonctionnalités agentiques, notamment la plateforme Tricentis d'Agentic Quality Engineering. « En nouant un partenariat avec eux dès le début, notre équipe de test bénéficie d’un accès en avant-première aux nouvelles fonctionnalités. » « Nos ingénieurs peuvent ainsi explorer des idées et itérer plus rapidement grâce aux outils Tricentis. »
Quant à la situation générale dans laquelle se trouve actuellement le secteur, Paul DiGrazia ne mâche pas ses mots : « Je fais ce métier depuis longtemps, et c’est de loin la période la plus révolutionnaire que j’aie jamais connue dans le domaine de la qualité logicielle. »
Ses conseils aux responsables qualité qui doivent s’adapter à cette évolution ? « Préparez-vous au changement. Les premiers à appliquer l’IA à l’ingénierie de la qualité poseront les jalons d’un avenir prometteur. »
