Utiliser ChatGPT pour Générer des Cas de Test: Guide Pratique pour QA

ChatGPT génère des premières ébauches utiles pour les cas de test, les partitions d'équivalence et les scénarios négatifs. Le résultat doit ensuite être revu pour les cas limites spécifiques au domaine et la logique métier qu'il ne peut pas inférer.

Ce que ChatGPT fait bien pour les cas de test

Avant les prompts, soyons honnêtes sur ce qu'on obtient :

Là où l'IA aide vraiment :

Générer rapidement une première liste de scénarios, qu'on affine ensuite
Trouver des partitions d'équivalence et des limites qu'on aurait pu manquer
Convertir des user stories en tableau de cas de test structuré
Générer des cas de test négatifs (faciles à oublier)
Créer des idées de données de test (formats d'email valides/invalides, nombres limites)

Là où l'IA échoue :

Elle ne connaît pas le comportement réel de ton application
Elle ne teste pas, elle suggère seulement quoi tester
Elle rate les cas limites spécifiques au métier, faute de contexte
Elle génère des assertions qui semblent plausibles mais sont parfois fausses
Les prompts génériques produisent du résultat générique

Le remède pour ce dernier point : donner du contexte. Beaucoup.

La structure de prompt de base

Prompt générique (mauvais) :

"Écris des cas de test pour un formulaire de connexion."

Tu obtiendras : test du champ username, test du champ mot de passe, bouton de soumission... Rien de spécifique à ton système.

Meilleure structure :

Fonctionnalité : [décrire ce que fait la fonctionnalité et son objectif]
Règles : [lister les vraies règles métier et contraintes]
Types d'utilisateurs : [qui utilise cette fonctionnalité]
Contexte technique : [optionnel — quel framework, quel type d'app]
Format de sortie : [comment tu veux les résultats]
Demande : Génère des cas de test couvrant le chemin nominal, les cas négatifs et les cas limites.

Exemples de prompts utilisables

1. De la user story aux cas de test

Convertis cette user story en cas de test couvrant le chemin nominal,
les cas négatifs et les cas limites.

User story :
En tant qu'utilisateur enregistré, je veux réinitialiser mon mot de passe par e-mail
afin de récupérer l'accès si je l'oublie.

Règles :
- Le lien de réinitialisation est valide 1 heure
- Après utilisation, le lien expire immédiatement
- Après 3 tentatives de connexion échouées consécutives, le compte est bloqué
- Le lien est envoyé à l'e-mail enregistré
- Le nouveau mot de passe doit contenir : 8–64 caractères, au moins 1 chiffre, au moins 1 majuscule

Format : tableau avec colonnes : ID | Description | Étapes | Résultat attendu

ChatGPT générera :

Chemin nominal : e-mail valide → reçoit le lien → utilise le lien → définit un mot de passe valide ✓
Lien expiré : utilise le lien après 1 heure → erreur ✓
Lien réutilisé : utilise le lien deux fois → erreur à la deuxième utilisation ✓
Nouveau mot de passe invalide : trop court, pas de chiffre, pas de majuscule ✓
E-mail absent du système : pas d'e-mail envoyé, pas d'erreur révélant si l'e-mail existe ✓

Revois le résultat : correspond-il au comportement réel de ton système ? Ajuste ce qui ne colle pas.

2. Cas de test pour un endpoint API

Je teste un endpoint d'API REST. Génère des cas de test.

Endpoint : POST /api/users
Objectif : Créer un nouveau compte utilisateur
Règles :
- email : requis, format valide, unique dans le système
- password : requis, 8–64 caractères, min 1 majuscule, min 1 chiffre
- role : optionnel, valeurs : 'admin' | 'member' | 'viewer', défaut 'member'
- name : optionnel, max 100 caractères

Succès : retourne 201 avec l'objet utilisateur (id, email, role, created_at). Pas de mot de passe dans la réponse.
Erreur de validation : retourne 400 avec les détails d'erreur par champ.
E-mail en double : retourne 409.

Génère les cas de test sous forme de tableau : Test | Méthode | Corps | Statut attendu | Réponse attendue

Ce prompt produit des cas de test structurés qui se translatent directement en tests API Playwright.

3. Trouver les cas limites d'un champ spécifique

J'ai un champ "quantité" dans un panier e-commerce :
- Doit être un nombre entier
- Minimum : 1
- Maximum : 99
- La quantité actuelle se met à jour en temps réel

En utilisant l'analyse des valeurs limites et le partitionnement par équivalence,
liste les valeurs à tester et le résultat attendu pour chacune.
Format : Valeur | Partition | Comportement attendu

ChatGPT connaît l'analyse des valeurs limites. Ce prompt produit une liste structurée et défendable.

4. Compléter des critères d'acceptation flous

Nos critères d'acceptation pour cette fonctionnalité sont vagues.
Aide-moi à identifier les scénarios manquants.

Fonctionnalité : Recherche de produits
Critères d'acceptation :
- Les utilisateurs peuvent rechercher par nom de produit
- Les résultats s'affichent en moins de 2 secondes
- Les résultats pertinents apparaissent en premier

Quels scénarios manquent dans ces critères d'acceptation ?
Que devrait ajouter l'équipe QA avant le début des tests ?

C'est un prompt "qu'est-ce qu'on rate ?". Utile lors de la planification de sprint.

5. Générer des données de test

J'ai besoin de données de test pour un champ e-mail.
Génère 15 valeurs de test couvrant :
- Formats d'e-mail valides (inclure international, sous-domaines, adressage plus)
- Formats invalides (différentes façons dont les e-mails échouent)
- Cas limites (très long, vide, espaces uniquement, tentative d'injection SQL, emoji)

Format : Valeur | Valide ? | Pourquoi

L'IA excelle à générer des jeux de données de test diversifiés. Ça fait gagner beaucoup de temps.

Améliorer la qualité du résultat

Indique ce que tu as déjà

J'ai déjà le chemin nominal et des cas négatifs de base.
Voici mes cas de test actuels : [colle-les]

Qu'est-ce qui manque ? Concentre-toi sur les cas limites et les scénarios de sécurité.

Ça évite les doublons et force l'IA à se concentrer sur les lacunes.

Donne-lui la stack technique

C'est une app Next.js avec PostgreSQL.
Quels cas limites au niveau de la base de données devrais-je tester
pour le formulaire d'inscription qui ne seraient pas évidents depuis l'interface ?

Le contexte de la stack produit un résultat plus précis.

Demande-lui de prioriser

Dans cette liste de 30 cas de test, lesquels 8 devrais-je prioriser
si j'ai seulement 2 heures pour tester avant une release ?
Considère : impact utilisateur, probabilité de bugs, risque de la fonctionnalité.

Demande du code Playwright

Convertis ces cas de test en code Playwright TypeScript.
L'URL de la page est https://lab.becomeqa.com/login.
Sélecteurs : data-testid="email-input", data-testid="password-input",
data-testid="login-button", data-testid="error-message".

Cas de test :
1. Connexion valide avec admin@test.com / ValidPass1
2. Mot de passe invalide affiche un message d'erreur
3. E-mail vide affiche une erreur de champ requis

Le résultat aura besoin de relecture et d'ajustements, mais c'est un point de départ rapide.

Ce qu'il faut toujours revoir dans les cas de test générés par l'IA

Cherche le remplissage générique. "Vérifier que le bouton est cliquable" n'est pas un cas de test. Supprime-le. Vérifie que les résultats attendus sont précis. "Un message d'erreur s'affiche" est faible. "Le message d'erreur indique 'L'e-mail est requis'" est testable. Vérifie la logique métier. L'IA ne connaît pas les règles de ton domaine. Si ton application a une tarification spéciale pour certains types d'utilisateurs, elle ne générera pas de tests pour ça. Vérifie les scénarios d'intégration. L'IA génère des tests isolés. "Le lien de réinitialisation fonctionne-t-il si l'utilisateur change son e-mail pendant le flux de réinitialisation ?" L'IA l'a probablement raté. Vérifie les valeurs limites. L'IA se trompe souvent légèrement sur les limites. Si ton maximum est 64 caractères, vérifie qu'elle dit 63/64/65, pas 63/64.

Un workflow pratique

1. Écris tes propres scénarios d'abord (5 à 10 minutes). Quels sont les flux utilisateurs clés ?

2. Donne à ChatGPT la fonctionnalité, les règles et tes scénarios, demande : "Qu'est-ce qui manque ? Développe ces éléments en cas de test détaillés."

3. Revois le résultat : barre les génériques, ajuste les résultats attendus pour correspondre à ton application réelle.

4. Ajoute les cas spécifiques au domaine que l'IA ne pourrait pas connaître (règles métier particulières à ta société, bugs passés connus, scénarios d'intégration).

5. Utilise le résultat comme liste de cas de test ou convertis-le en code Playwright.

Ainsi, l'IA est ton générateur de premier jet et toi le filtre qualité. C'est exactement la bonne répartition du travail.

Ce qu'il ne faut pas faire

Ne copie-colle pas les cas de test de l'IA sans relecture. Ils sembleront complets mais rateront les spécificités de ton système. Ne l'utilise pas comme substitut à la compréhension de la fonctionnalité. Si tu ne comprends pas ce que tu testes, l'IA ne te sauvera pas. Ne saute pas l'ajout de contexte. Plus ton prompt est précis, plus le résultat l'est. "Formulaire de connexion" produit du générique. "Formulaire de connexion pour une app SaaS avec auth email+mot de passe, Google OAuth et support MFA où les comptes sont bloqués après 5 tentatives échouées" produit quelque chose d'utile.

Les ingénieurs qui tirent le plus de valeur de l'IA la traitent comme un collaborateur junior qui a besoin de directions claires et d'une relecture attentive. Ils ne la traitent pas comme un oracle qui produirait automatiquement du résultat correct. Avec les bons prompts et un regard critique sur le résultat, ChatGPT peut accélérer significativement ta planification de tests sans sacrifier la qualité de couverture.