Quand on parle de tests en DevOps, on pense souvent automatisation, pipelines CI/CD et voyants verts.

Mais est-ce vraiment ça, le test en DevOps ?

Dans cet épisode, je te propose de prendre du recul et de regarder le test dans sa globalité, au cœur du modèle DevOps — bien au-delà des seuls tests automatisés.

🔍 Au programme :

• Pourquoi DevOps ≠ pipeline de tests

• Les limites de l’automatisation quand elle n’est pas portée par une vraie stratégie

• La qualité comme responsabilité collective (dev, produit, ops, QA)

• Tester le système : code, infra, données, configurations, hypothèses

• Le rôle clé du feedback rapide et exploitable

• Pourquoi le vrai enjeu n’est pas de tout tester, mais de piloter le risque

🎯 Un épisode pour celles et ceux qui veulent :

• arrêter de confondre DevOps et outillage

• remettre la qualité au centre des décisions

• faire évoluer le rôle du test et des QA dans un contexte moderne

👉 DevOps sans qualité intégrée, c’est juste livrer plus vite… les problèmes.

Pas de données de test fiables.
Des environnements instables.
Des jeux de données écrasés ou inexistants.

Et pourtant… il faut tester.

Dans cet épisode, je parle d’un sujet que vivent la majorité des équipes produit et tech : comment tester efficacement quand on n’a pas de vraie stratégie de données de test.

👉 Pourquoi l’absence de data ne doit pas devenir une excuse pour ne pas tester
👉 Pourquoi le problème est souvent organisationnel avant d’être technique
👉 Comment changer de mindset : tester des comportements plutôt que des bases de données
👉 5 leviers concrets pour tester malgré des données instables ou incomplètes
👉 Comment transformer cette contrainte en opportunité pour améliorer la qualité globale

Un épisode pragmatique, basé sur le terrain, pour les QA, Quality Engineers, développeurs et équipes produit confrontés au legacy, aux ERP, aux environnements fragiles et à la réalité du quotidien.

🎯 Objectif : réduire le risque, même sans data parfaite.

Bonne écoute 🎙️

Générer des tests avec l’IA, c’est facile.
Les maintenir, les faire évoluer et garder un patrimoine sain… beaucoup moins.

Dans cet épisode, je te propose de dépasser le discours classique sur le prompting et la génération automatique de cas de test.

Car dans la vraie vie des équipes QA, le problème n’est pas le manque de tests.
C’est l’inverse.

👉 Des patrimoines de 100, 500, parfois 1000+ tests,
👉 des suites difficiles à maintenir,
👉 du bruit, des faux positifs,
👉 et une dette de test qui s’accumule.

🎯 Dans cet épisode, on parle de ce que signifie vraiment industrialiser l’IA dans les tests :

• pourquoi créer plus de tests avec l’IA est souvent une mauvaise idée

• comment utiliser l’IA pour nettoyer, maintenir et faire évoluer l’existant

• en quoi les agents IA peuvent devenir des gardiens du patrimoine de test

• et pourquoi l’industrialisation passe par la gouvernance, pas par la génération de volume

Un épisode pour celles et ceux qui veulent faire de l’IA un levier de Quality Engineering, pas un gadget de plus.

🎙️ Bonne écoute.