Le scénario d'auto-guérison
Dans cette démonstration, nous cassons intentionnellement un ATS fonctionnel existant, puis laissons Claude le réparer de manière interactive à l'aide de l'Agilitest REPL.
Le scénario est le suivant :
Introduire un défaut dans le ATS (sélecteurs incorrects / étapes obsolètes / chiffre incorrect)
Exécuter le test et observer l'échec
Utiliser le REPL pour explorer l'interface utilisateur et localiser les éléments corrects
Supprimer les étapes obsolètes et corriger les actions incorrectes
Réexécuter le scénario pour confirmer l'exactitude fonctionnelle
Enregistrer le ATS corrigé
Exécuter le test final en ATS standard (aucune IA requise)
Pointclé:
✅ Claude effectue le diagnostic et la réparation
✅ Le résultat final est un ATS purement fonctionnel
✅ Le test corrigé s'exécute normalement dans CI/CD sans Claude ni aucun runtime IA
L'IA corrige le script
ATS son exécution
L'utilisateur dispose d'un retour diff sur son test
Le scénario est le suivant :
Introduire un défaut dans le ATS (sélecteurs incorrects / étapes obsolètes / chiffre incorrect)
Exécuter le test et observer l'échec
Utiliser le REPL pour explorer l'interface utilisateur et localiser les éléments corrects
Supprimer les étapes obsolètes et corriger les actions incorrectes
Réexécuter le scénario pour confirmer l'exactitude fonctionnelle
Enregistrer le ATS corrigé
Exécuter le test final en ATS standard (aucune IA requise)
Pointclé:
✅ Claude effectue le diagnostic et la réparation
✅ Le résultat final est un ATS purement fonctionnel
✅ Le test corrigé s'exécute normalement dans CI/CD sans Claude ni aucun runtime IA
L'IA corrige le script
ATS son exécution
L'utilisateur dispose d'un retour diff sur son test
Étape 1 — Créer une défaillance contrôlée
Nous introduisons délibérément des erreurs dans un ATS existant (sélecteurs obsolètes, étapes erronées ou entrées incorrectes).
Cela simule une dérive réelle des tests après des modifications de l'interface utilisateur.
L'objectif n'est pas de tout régénérer, mais de réparer un actif d'automatisation existant.
Cela simule une dérive réelle des tests après des modifications de l'interface utilisateur.
L'objectif n'est pas de tout régénérer, mais de réparer un actif d'automatisation existant.
Étape 2 — Lancer Claude pour la réparation
On demande à Claude de réparer le script défaillant à l'aide de l'Agilitest REPL.
Au lieu de réécrire aveuglément le code, il commence par lire le ATS existant et se prépare à le déboguer de manière interactive.
Au lieu de réécrire aveuglément le code, il commence par lire le ATS existant et se prépare à le déboguer de manière interactive.
Étape 3 — Repérer les étapes suspectes et exécuter le test
Claude analyse le ATS , identifie les actions suspectes (identifiants obsolètes, clics inattendus, frappes étranges au clavier), puis lance le REPL pour reproduire l'erreur.
C'est le début de l'auto-réparation contrôlée :
• reproduire
• isoler
• vérifier
• corriger
• valider
C'est le début de l'auto-réparation contrôlée :
• reproduire
• isoler
• vérifier
• corriger
• valider
Étape 4 — Identification de la cause profonde en temps réel
Le test échoue à une étape spécifique (élément introuvable, sélecteur incorrect, valeur inattendue).
Claude utilise les commandes d'exploration REPL (recherche / sortie structurée) pour localiser l'élément correct et confirmer pourquoi le sélecteur précédent n'est pas valide.
Cela permet d'éviter les « localisateurs fantômes » et de garantir que la correction reste ancrée dans l'interface utilisateur réelle.
Claude utilise les commandes d'exploration REPL (recherche / sortie structurée) pour localiser l'élément correct et confirmer pourquoi le sélecteur précédent n'est pas valide.
Cela permet d'éviter les « localisateurs fantômes » et de garantir que la correction reste ancrée dans l'interface utilisateur réelle.
Étape 5 — Vérification fonctionnelle après corrections
Claude effectue les corrections nécessaires (suppression des actions obsolètes, correction des entrées erronées, ajustement des étapes), puis relance le scénario pour confirmer le comportement fonctionnel attendu.
L'objectif n'est pas seulement « l'absence d'erreur », mais aussi l'exactitude fonctionnelle (le test valide les résultats réels attendus).
L'objectif n'est pas seulement « l'absence d'erreur », mais aussi l'exactitude fonctionnelle (le test valide les résultats réels attendus).
Étape 6 — Enregistrement et validation de l'intégrité du script (aucune IA requise)
Une fois le test réussi de manière interactive, Claude enregistre le fichier mis à jour.
Le script est ensuite exécuté en ATS standard pour confirmer :
• que le test est stable
• que le test est déterministe
• que le test s'exécute comme un actif d'automatisation normal
À ce stade, l'IA n'est plus nécessaire. Le résultat est purement ATS.
Le script est ensuite exécuté en ATS standard pour confirmer :
• que le test est stable
• que le test est déterministe
• que le test s'exécute comme un actif d'automatisation normal
À ce stade, l'IA n'est plus nécessaire. Le résultat est purement ATS.
Étape 7 — Résumé des corrections
Claude résume les modifications (suppression des actions obsolètes, correction des chiffres erronés, réparation du sélecteur défectueux).
Cela rend la réparation vérifiable et facile à examiner.
L'artefact final reste :
• lisible par les humains
• versionnable dans Git (seules les lignes concernées ont été modifiées)
• reproductible dans CI/CD
• exécutable sans aucun composant IA
Cela rend la réparation vérifiable et facile à examiner.
L'artefact final reste :
• lisible par les humains
• versionnable dans Git (seules les lignes concernées ont été modifiées)
• reproductible dans CI/CD
• exécutable sans aucun composant IA
Ce que cela montre
Cette démonstration met en évidence une différence essentielle entre « l'automatisation générée par l'IA » et « l'automatisation d'entreprise assistée par l'IA » :
L'IA aide à la réparation, ATS l'exécution.
Claude accélère l'auto-réparation en :
• reproduisant rapidement les défaillances
• explorant l'interface utilisateur via le REPL
• trouvant le bon élément grâce à un retour d'information structuré
• ne corrigeant que ce qui est nécessaire
• validant le fonctionnement avant d'enregistrer
Mais le résultat n'est pas un « code IA » : Le résultat est un ATS fonctionnel:
• indépendant de Claude
• indépendant de tout runtime IA
• reproductible en exécution par lots et CI/CD
• maintenable par les ingénieurs de test
L'auto-réparation devient :
• contrôlée
• vérifiable
• déterministe
• évolutive
L'IA aide à la réparation, ATS l'exécution.
Claude accélère l'auto-réparation en :
• reproduisant rapidement les défaillances
• explorant l'interface utilisateur via le REPL
• trouvant le bon élément grâce à un retour d'information structuré
• ne corrigeant que ce qui est nécessaire
• validant le fonctionnement avant d'enregistrer
Mais le résultat n'est pas un « code IA » : Le résultat est un ATS fonctionnel:
• indépendant de Claude
• indépendant de tout runtime IA
• reproductible en exécution par lots et CI/CD
• maintenable par les ingénieurs de test
L'auto-réparation devient :
• contrôlée
• vérifiable
• déterministe
• évolutive
Testez Agilitest pendant 30 jours. Sans engagement.
Et découvrez les avantages que vous pouvez tirer d'une automatisation intelligente des tests.
Les scénarios de tests peuvent être rejoués dans ATS, notre référentiel open source.
Gratuitement et pour toujours.
Gratuitement et pour toujours.
