Relier les garanties attendues d’un produit aux preuves dont l’équipe a besoin avant de le livrer.
Mon travail associe analyse des risques, développement de plateformes de test, investigation des performances et préparation des déploiements. L’enjeu est de rendre les résultats utiles à la décision.
J’ai développé un outillage de test partagé et éclairé les décisions de déploiement de différentes entités métier, notamment autour de la migration GCP. Résultats des campagnes, risques et recommandations étaient présentés aux responsables techniques et aux VP.
Délais de traitement et de synchronisation des parcours métier, taux d’erreur, comportement sous charge et respect des seuils. Je croisais les résultats k6 et les observations Datadog pour rechercher les goulots d’étranglement et prioriser les corrections.
Une campagne de synchronisation de publications illustre la façon dont volume, traitement en aval et expérience utilisateur éclairent une même décision de déploiement.
Objectif de nombre de publications atteint
Mise à disposition en aval encore trop lente
Traiter les goulots avant d’élargir le déploiement
La campagne suivait la soumission, la synchronisation, l’envoi initial des fichiers, leur transfert, leur encodage et la résorption du travail accumulé. Un envoi réussi était suivi jusqu’à la disponibilité en aval.
Les délais de transfert et d’encodage continuaient à augmenter pendant la résorption du travail en attente, tandis que l’envoi initial restait de l’ordre de quelques secondes.
Le nombre de publications dépassait l’objectif. Les délais d’apparition dans le catalogue affectaient le parcours utilisateur et pouvaient entraîner des actualisations ou des soumissions répétées.
Les recommandations portaient sur le travail de synchronisation en attente, le débit des services en aval, le transfert et l’encodage, ainsi qu’un retour plus clair sur l’avancement avant l’extension du déploiement.
Définir l’opération métier, la concurrence, la durée, les données et la réponse attendue. Le débit des API et les parcours navigateur demandent chacun un profil de test adapté.
Comparer les erreurs, la latence et les délais métier aux signaux Datadog : expérience dans le navigateur, consommation CPU et comportement des pods.
Expliquer les critères, les risques restants et les corrections ou vérifications complémentaires nécessaires à la préparation du déploiement.
Les campagnes navigateur associaient une charge k6 progressivement croissante aux observations Datadog. L’analyse reliait temps de réponse et expérience utilisateur au comportement de l’infrastructure, puis définissait les corrections et les vérifications à poursuivre.
QaaS mutualise l’authentification, l’accès aux données de test, les assertions et les services d’exécution pour permettre aux équipes de se concentrer sur les comportements à vérifier.
Découvrir la plateforme →QA Hub prolonge cette démarche avec des modèles de qualité contextuels : quelles garanties, priorités et preuves conviennent à ce système précis ?
Découvrir QA Hub →