Problèmes de la taxonomie actuelle
Le vocabulaire usuel – unit, integration, end‑to‑end – reste vague. L’article souligne que la notion d’unité n’est pas définie, que les tests d’intégration « intègrent arbitrairement des modules » et que les tests E2E ne précisent ni le comportement testé ni la méthode (agents automatisés, supervision humaine, actions prédéfinies ou exploration aléatoire). Cette imprécision empêche de choisir ou d’ajuster les tests en fonction des ressources disponibles.
Classification basée sur portée et état
L’auteur propose deux axes. Le premier axe s’appuie sur les constructions du langage : fonction, classe/struct/type, module ou système. Le second axe distingue les cibles stateful des cibles stateless. Par exemple, une fonction pure consomme des structures de données et produit un résultat, alors qu’un système reçoit des messages sérialisés qui limitent naturellement l’espace d’entrée. Cette double dimension permet de raisonner sur la taille de l’espace de test et sur la difficulté de le générer.
Design by Contract comme contrainte d’entrée
Le texte cite le Design by Contract (DbC) comme moyen de réduire l’écart entre l’espace d’entrée théorique d’une fonction et les valeurs réellement attendues. DbC est supporté nativement dans C++26, D, Kotlin et Racket, et via des bibliothèques en Python et Rust. En annotant les pré‑conditions, le contrat rend explicites les hypothèses sur les arguments et permet une vérification à l’exécution ou, parfois, à la compilation grâce à l’analyse statique. Cette approche limite les cas d’erreur non couverts et rend les tests plus ciblés.
Hypothèses, oracles et dimensions de test
Chaque test repose sur une hypothèse falsifiable. Les domaines cités incluent la correction fonctionnelle, la performance temporelle, la sécurité (ex. canaux de timing) et la résilience (chaos testing). L’oracle naturel est humain, mais les équipes QA programment aussi des oracles automatisés. L’article insiste sur le besoin d’un oracle adapté au domaine : un benchmark de temps d’exécution pour la performance, un analyseur de logs pour la résilience, etc. En explicitant l’hypothèse et l’oracle, on peut classer les tests de façon reproductible et ajuster leur niveau de rigueur selon les contraintes du projet.