Présentation
SmartBear Software a annoncé le 20 octobre 2026 deux extensions majeures de son système d’assurance qualité agentique, BearQ. Après un accès anticipé lancé en mars pour les applications SaaS du marché intermédiaire, la plateforme a intégré en septembre une capacité d’agent assignable dans Jira. Aujourd’hui, les nouvelles fonctions – nommées Sources et Workflows – visent à dépasser l’automatisation de tests individuels, en ciblant la détection des zones non couvertes dans des environnements logiciels de grande taille.
Fonctionnalités Sources
Sources élargit la visibilité de BearQ au‑delà du code applicatif en ingérant les exigences et les tickets de bugs depuis Jira d’Atlassian. En parallèle, les outils internes de SmartBear, Reflect et Zephyr, transmettent les cas de test déjà existants. Le moteur d’analyse recoupe ces deux flux pour identifier les gaps de couverture avant même de générer de nouveaux tests, limitant ainsi la création de tests redondants. Cette approche repose sur la corrélation de métadonnées de tickets et de suites de tests, un processus qui, selon SmartBear, réduit le nombre de doublons sans nécessiter de configuration manuelle supplémentaire.
Fonctionnalités Workflows
Workflows permet de chaîner plusieurs opérations derrière un déclencheur unique, typiquement la mise à jour d’un build dans une pipeline CI/CD. Dès qu’un artefact est disponible, BearQ peut provisionner automatiquement un environnement de test, exécuter des tests de régression, puis renvoyer les résultats vers les systèmes connectés (Jira, Reflect, Zephyr). Les équipes peuvent choisir d’exécuter la chaîne en continu ou de la planifier, offrant ainsi une flexibilité entre automatisation complète et supervision humaine. Le degré d’autonomie est modulable : les équipes commencent par valider chaque étape, puis augmentent progressivement le pourcentage de processus sans intervention humaine.
Implications et limites
SmartBear qualifie ce modèle d’« progressive autonomy », soulignant que la confiance reste le principal frein : 23 % des 1 436 répondants d’une enquête américaine et britannique (publiée le 30 septembre) ont indiqué le manque de confiance comme obstacle à l’adoption du test autonome. La société prévoit d’ajouter d’autres connexions Sources avant la fin du trimestre, ce qui devrait enrichir la cartographie des exigences. Toutefois, l’efficacité de la détection de lacunes dépend de la qualité et de la complétude des données importées depuis Jira et des outils internes ; des projets avec une documentation fragmentée pourraient voir une réduction de la précision de l’analyse. Enfin, l’automatisation des workflows implique une dépendance accrue aux pipelines CI/CD existants, ce qui peut poser des problèmes d’intégration dans des environnements hétérogènes.
