Comment tester des interfaces avec un agent IA : 5 règles de l'équipe derrière e2e, forte de 13,8 k étoiles
Les tests UI classiques cassent dès que l'interface change : un composant remplacé, et le test-id n'est plus trouvé. Les créateurs du framework open source e2e (13,8 k étoiles sur GitHub, 8 M$ d'investissement) proposent d'écrire le test comme un objectif en langage courant, en laissant à l'agent le soin de trouver les boutons. Le résultat est vérifié par un juge IA distinct, qui s'appuie sur les données de l'API et non sur le rapport de l'agent lui-même. Ainsi, un test « vert » signifie réellement quelque chose.
Traité par IA depuis X: @hungryturbo ; édité par Hamidun News
Les tests de bout en bout de l'interface sont devenus une source de problèmes pour presque toutes les équipes. Le frontend a migré vers une autre bibliothèque de composants, les identifiants ont changé, et la moitié de la suite est au rouge alors que le produit fonctionne. Maintenant qu'un agent IA peut se charger des boutons, la question est de savoir comment construire ces tests pour qu'ils ne deviennent pas encore moins fiables.
Kacper Kapuściak, évangéliste technique de l'équipe du framework open source d'IA pour les tests e2e, a publié ses réponses. Le projet a recueilli 13,8 k étoiles sur GitHub et a récemment levé 8 M$. Voici cinq principes tirés de son analyse technique, résumée par l'auteur dans un post sur X de @hungryturbo.
Testez l'intention, pas la mise en page
Le premier principe consiste à renoncer au lien avec les nœuds du DOM et les test-id. Au lieu d'une chaîne « trouver l'élément, cliquer, saisir une valeur », on confie à l'agent une tâche métier courte et précise, formulée en langage naturel. Par exemple : « générer le rapport du mois dernier ». C'est à l'agent de décider comment choisir la date et où cliquer sur « Générer », en observant l'écran. Une comparaison du quotidien : vous demandez à un collègue de commander un taxi, vous ne lui dictez pas où appuyer sur l'écran. Si l'équipe change de bibliothèque de composants, le test continue de fonctionner, car l'objectif n'a pas changé.
Le deuxième principe concerne l'attente. Les pauses fixes, comme un sleep de cinq secondes, ralentissent la CI et ne suffisent parfois toujours pas. L'auteur recommande une attente dynamique avec une limite de temps supérieure, et surtout un signal métier fort, par exemple « le rapport du mois dernier est ouvert et consultable ». La disparition de l'indicateur de chargement est un signe faible : le spinner a disparu, mais les données ne sont peut-être pas encore là. Il faut par ailleurs distinguer l'attente d'un chargement asynchrone de la vérification instantanée de l'écran actuel : la première répond à la question « quand est-ce prêt », la seconde à « que voit-on à l'écran maintenant ».
Qui vérifie l'agent
Le troisième point est sans doute le plus important. Le message de l'agent « clic effectué » ne prouve pas que le rapport ne contient ni lignes vides ni données étrangères. Mais demander à un autre modèle de déterminer « à l'œil » à quoi doit ressembler un écran correct ne convient pas non plus : il devinera. On commence donc par récupérer via l'API du backend la liste réelle des tâches ou des enregistrements, seule source de vérité. Ensuite, un juge IA distinct compare ce qui est affiché à l'écran avec cette référence. L'exécutant et le vérificateur sont séparés, comme un développeur et un relecteur.
Le quatrième principe est familier à quiconque a corrigé des tests instables : aucune dépendance à l'ordre d'exécution. Avant chaque test, une fixture réutilisable crée via l'API un espace de travail dédié et les données nécessaires, puis un hook de cycle de vie nettoie tout après l'exécution. Ainsi, une nouvelle exécution après un échec ou une exécution en parallèle donne le même résultat.
Petits tests et trace pour la correction
Le cinquième principe consiste à découper les scénarios longs. Plutôt qu'un seul test « générer le rapport, télécharger le CSV et envoyer l'e-mail », mieux vaut trois tests atomiques aux noms explicites. Le nom du test en échec indique alors immédiatement ce qui s'est cassé.
En cas d'échec, le framework collecte automatiquement une trace : les étapes précédentes, les logs de l'application, le contexte du raisonnement de l'agent et les captures d'écran. L'humain identifie rapidement la cause, et cette même trace peut être transmise à un agent de programmation pour qu'il tente de corriger l'erreur seul. On obtient ainsi une entrée prête à l'emploi pour une boucle automatique « échec, correction ».
Points à considérer
Le matériau de départ est un bref résumé sur un réseau social : il ne contient donc aucun chiffre sur la stabilité, le coût des exécutions ou la vitesse comparée à Playwright et Cypress. Un agent IA ajoute une consommation de tokens et un temps supplémentaire à chaque étape, et le juge IA peut lui-même se tromper, même si la référence issue de l'API réduit fortement ce risque. Il faut aussi rappeler que les principes relatifs à l'isolation des données, aux attentes explicites et aux petits tests restent utiles sans IA.
Conclusion pratique pour les équipes : si vous testez des scénarios E2E agentiques, commencez par deux choses. Formulez vos objectifs dans le langage métier, et vérifiez le résultat à partir des données du backend, pas des affirmations de l'agent. Le reste, des fixtures à la traçabilité, contribuera à rendre cette suite de tests reproductible et compatible avec la CI.
- 21 nov. 2026Huit outils open source pour agents IA : Browser Use en tête avec 121 000 étoiles
- 21 nov. 2026Parallel Search prend la première place du classement de 26 API de recherche pour agents IA avec 83 points
- 21 nov. 2026Serveur MCP en 360 lignes sans SDK : cinq décisions qui ont empêché l'agent de casser les liens
- 21 nov. 2026Text-to-cad : un agent d'IA dessine des pièces de robot à partir d'une description, le projet dépasse les 26 000 étoiles
Questions clés sur cet article
Que sait-on sur Testez l'intention, pas la mise en page ?
Le premier principe consiste à renoncer au lien avec les nœuds du DOM et les test-id. Au lieu d'une chaîne « trouver l'élément, cliquer, saisir une valeur », on confie à l'agent une tâche métier courte et précise, formulée en langage naturel. Par exemple : « générer le rapport du mois dernier ». C'est à l'agent de décider comment choisir la date et où cliquer sur « Générer », en observant l'écran.
Que sait-on sur Qui vérifie l'agent ?
Le troisième point est sans doute le plus important. Le message de l'agent « clic effectué » ne prouve pas que le rapport ne contient ni lignes vides ni données étrangères. Mais demander à un autre modèle de déterminer « à l'œil » à quoi doit ressembler un écran correct ne convient pas non plus : il devinera. On commence donc par récupérer via l'API du backend la liste réelle des tâches ou des enregistrements, seule source de vérité.
Que sait-on sur Petits tests et trace pour la correction ?
Le cinquième principe consiste à découper les scénarios longs. Plutôt qu'un seul test « générer le rapport, télécharger le CSV et envoyer l'e-mail », mieux vaut trois tests atomiques aux noms explicites. Le nom du test en échec indique alors immédiatement ce qui s'est cassé. En cas d'échec, le framework collecte automatiquement une trace : les étapes précédentes, les logs de l'application, le contexte du raisonnement de l'agent et les captures d'écran.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.