Contexte et objectifs

• Développer une solution capable de prédire les risques de régression et l'apparition de bugs dans un parc logiciel à partir des historiques et des changements de code.
• Fournir des scores de risque par composant et par version pour prioriser les tests et guider les équipes QA et développement.

Fonctionnalités & livrables attendus

• Agrégation des historiques de bugs et des modifications (commits, PRs) pour constituer le dataset d'entraînement et d'analyse.
• API temps réel pour consultation des risques, dashboard qualité pour visualiser et prioriser les tests, et sorties listant les top composants à risque.
• Mécanisme de génération de recommandations de tests ciblés (tests unitaires / d'intégration / end-to-end) basées sur les scores de risque.

Intelligence Artificielle / Modèle prédictif

• Concevoir et entraîner un modèle prédictif exploitant historiques de bugs, couverture de tests et changements de code (features issues de commits, métriques de complexité, churn, etc.).
• Évaluation du modèle (métriques de performance, calibration des probabilités) et production d'un score de risque interprétable par composant/version.

Environnement technique

• Stack technique indiquée : Next.js, TypeScript, Node.js pour l'interface/API; Python pour la data science / modélisation; Git et Jira pour le workflow.
• Intégration continue / déploiement (possibilité d'utiliser containers, orchestrateurs ou services cloud) pour l'API temps réel et le dashboard.

Tâches principales & compétences recherchées

• Préparation et nettoyage des données (logs de bugs, métadonnées de commits, couverture de tests) et ingénierie des features.
• Développement du modèle ML, pipeline d'entraînement, validation croisée, et mise en production via une API temps réel.
• Développement front-end/back-end pour le dashboard (Next.js/TypeScript) et intégration avec Jira/Git pour remontée des informations.
• Bonnes capacités d'analyse, autonomie, et communication avec les équipes produit/QA.

📧 Pour postuler: job@anypli.com