Contexte et objectif

• Ce projet vise à développer un système intelligent de priorisation des cas de test pour l’infodivertissement automobile en s’appuyant sur des techniques d’IA et de machine learning.
• Analyse des données historiques (taux d’échec, durée d’exécution, défauts détectés) pour prédire les cas de test les plus critiques à exécuter en priorité afin de réduire le temps des tests de régression.
• Objectifs principaux : réduire la durée des campagnes de régression, améliorer l’efficacité QA et optimiser l’utilisation des ressources de validation.

Responsabilités et tâches

• Collecter et prétraiter les jeux de données issus des outils de test (logs, métriques d’exécution, défauts détectés) et des outils de gestion (JIRA, TestLink).
• Concevoir et entraîner des modèles de machine learning (ex. XGBoost) pour scorer/ordonner les cas de test selon leur criticité et probabilité de défaut.
• Intégrer la solution dans le pipeline d’automatisation (intégration avec Jenkins, mise à disposition via API Flask) et gérer le suivi des expériences avec MLflow.

Compétences et technologies requises

• Langages et outils : Python, SQL, Flask, MLflow, XGBoost, Jenkins, TestLink, JIRA.
• Compétences : data preprocessing, feature engineering pour tests logiciels, entraînement et évaluation de modèles ML, déploiement d’API et intégration CI/CD.
• Profil recherché : Ingénieur / Technicien en Génie Logiciel (1 stagiaire), capacité à travailler en environnement agile et à collaborer avec des équipes QA et DevOps.

Livrables attendus

• Modèle de priorisation des cas de test entraîné et évalué (ex. modèle XGBoost avec métriques de performance documentées).
• Pipelines d’intégration continue pour l’exécution et le scoring des cas de test (connexion Jenkins/TestLink) et API Flask pour exposer les priorités.
• Documentation technique, rapport de projet et démonstration de réduction du temps de régression.

Modalités pratiques et candidature

• Durée indiquée dans la fiche : 9 mois (stagiaire PFE).
• Pour postuler, envoyer votre candidature à l’adresse suivante : stagetunisie.tn@capgemini.com.