CabrIA
Une IA experte en test logiciel, entraînée sur vos tests, chez vous.
Les grands modèles d'IA connaissent le test logiciel en général, mais pas vos applications : vos conventions, vos écrans, vos pannes récurrentes, votre histoire. Et pour beaucoup d'équipes, envoyer captures, journaux et données de test vers une API cloud est simplement exclu. Résultat : l'IA générique reste à la surface de votre QA.
L'essentiel
- Quoi : un modèle d'IA ouvert, spécialisé en Quality Engineering (tests UI, API, end-to-end, performance, mobile, UAT), qui connaît votre terrain.
- Comment : deux mémoires : le fine-tuning local inscrit le savoir-faire dans le modèle ; la base de connaissances (RAG) restitue les faits et leçons, avec citations.
- La matière première : vos exécutions de tests réelles (Robot Framework, Playwright, agents IA via serveurs MCP), capturées passivement et anonymisées.
- Souveraineté : entraînement et restitution sur une station IA locale ; vos données ne quittent pas votre infrastructure.
- Statut : programme R&D en construction chez AI Cabra ; le banc d'évaluation et la capture tournent déjà, démonstrations sur demande, aucun chiffre annoncé qui ne soit mesuré.
Le principe
Chaque exécution de test produit de l'expérience : ce qui a marché, ce qui a cassé, comment ça s'est réparé. Un enregistreur de vol capte cette expérience à la source, y compris les actions des agents IA qui transitent par les serveurs MCP. Une raffinerie la trie, l'anonymise et n'en retient que ce qui se prouve : tout exemple de code est exécuté avant d'entrer au corpus. Le savoir-faire part en entraînement ; les leçons partent dans la base de connaissances.
Deux mémoires complémentaires
- Le fine-tuning, le savoir-faire. Le modèle apprend le geste : concevoir un plan de test, écrire une suite propre selon vos conventions, diagnostiquer un échec, réparer un localisateur.
- Le RAG, le savoir. La base de connaissances garde ce qui bouge : pièges connus de vos applications, procédures, versions. Chaque réponse cite ses sources, et la base se met à jour sans réentraîner le modèle.
- L'un sans l'autre plafonne. Le modèle seul oublie les détails frais ; une base seule ne raisonne pas en ingénieur QA. Ensemble, ils font un expert qui connaît votre terrain.
À la demande, partout où vous testez
- En chat : posez vos questions d'ingénierie de test en français ou en anglais, réponses sourcées sur votre contexte.
- Dans les agents : avant d'agir, un agent consulte la base (pièges connus de l'écran, procédure applicable), puis agit avec le modèle spécialisé.
- Dans l'IDE et la CI : exposé via MCP, le standard ouvert que nos outils utilisent déjà ; les rapports d'échec sont annotés avec les leçons pertinentes.
Où en est le programme
CabrIA est un programme de R&D en construction, mené selon la méthode AI Cabra : le banc d'évaluation d'abord, la preuve par exécution ensuite, la communication en dernier. Avancement :
- Banc d'évaluation : en place. Une soixantaine de cas bilingues sur cinq axes ; plusieurs modèles ouverts déjà passés au banc, forces et faiblesses chiffrées avant tout entraînement.
- Capture : en service. L'enregistreur de vol tourne sur plusieurs projets de test réels sans modifier un seul de leurs fichiers, et le masquage des secrets est contrôlé automatiquement.
- Raffinerie : premiers étages. Les incidents réels deviennent des exemples d'entraînement, notés par un modèle distinct de celui qui les rédige ; sous le seuil de qualité, l'exemple est écarté.
- Base de connaissances : socle en service. Index local de la documentation et des mots-clés de test, recherche vérifiée sur de vraies questions d'équipe.
- La suite : leçons distillées, restitution dans les agents via MCP, puis premier entraînement et éval comparative.
Nous publierons des mesures, pas des promesses. Pour en parler pour votre équipe QA, écrivez-nous.
Les questions fréquentes sur CabrIA sont regroupées sur la page FAQ du site.
Parlons de votre chaîne de tests
Dites-nous où vous en êtes. Vous recevrez un avis, pas une plaquette.