QE SCORE
QE Score : un processus 100% automatisé
"De la collecte des métriques qualité à leur calcul et affichage sur le dashboard"
Le QE Score repose sur une collecte automatique et factuelle des données qualité, sans intervention humaine. Voici comment il fonctionne :
1. Collecte des données qualité
À chaque scan du code ou exécution d'automates, différents éléments qualité sont collectés. Parmi les informations collectées peuvent se retrouver la date du scan, la durée d'exécution ou les résultats des tests.
2. Automatisation et centralisation
Les données sont extraites via les API des outils de test et de qualité et envoyées vers un tableau de suivi (Excel, Google Sheets, etc) ou une base de données (Big Query, etc), qui agrège l’ensemble des informations.
3. Calcul du QE Score
Un nombre de points est attribué en fonction des règles et critères définis et pondéré en fonction de l'importance du type de test.
4. Visualisation et suivi
Les résultats sont affichés sur un dashboard, permettant de suivre l’évolution de la qualité et d’identifier rapidement les axes d’amélioration.
QE Score : le "data collection" au cœur du système
"La collecte des données et le calcul du score centralisés sous un même outil"
Le "Data Collection" constitue le cœur du système, centralisant toutes les informations collectées. Il garantit la fiabilité des données et permet un accès en temps réel. En offrant la possibilité de personnaliser les critères, les seuils et le poids de chaque données, il devient le moteur de calcul du QE Score. Cependant, il est conseillé de l'utiliser uniquement pour stocker les données en "temps réel" et d'archiver les anciennes dans un autre outil de stockage (type bigquery).
QE Score : définition d'une maille de données pertinente
"structurer l’information pour une analyse fiable et adaptée au contexte de chacun"
Avant mettre en place le QE Score, il est indispensable de définir une maille cohérente sur laquelle il s'applique. En effet, en fonction des organisations (exemple ci-dessous), il faut trouver le bon niveau hiérarchique pour calculer le score pour offrir une vision globale de l'application développée. Le risque est de choisir une maille "service" (backend par exemple) correspondant souvent à une "équipe" et donc de noter la qualité de leur travail et non plus de l'application. Les sources de données utilisées peuvent provenir de :
-
niveau "application" : les informations liées aux tests automatisés fonctionnels et performance, aux tickets Jira ...
-
niveau "repository Git" : les informations liées à la qualité et sécurité du code, aux pipelines CI/CD ...
Une fois le QE Score calculé pour chaque application, il peut être agrégé aux niveaux supérieurs (produit, domaine fonctionnel, business unit) afin d’obtenir une comparaison cohérente et objective entre différentes entités.
Produit
_edited.png){kind=small}
Une offre complète répondant à un besoin métier, pouvant plusieurs applications.
"Plateforme e-commerce" (inclut site web, app mobile, back-office).
Contient plusieurs applications et services (ex: site e-commerce + app mobile + ERP).
Application
_edited.png){kind=small}
Un logiciel fonctionnel adressant une partie du besoin métier, avec un front et/ou un back.
"Application web e-commerce" (frontend + le backend qui gère les commandes).
Peut avoir un frontend (React, Angular...) et un backend (Java, Node.js...).
Service
_edited.png){kind=small}
Une unité technique réalisant une tâche spécifique, souvent côté backend.
"Service de paiement" (service backend consommé par plusieurs applications).
Généralement un backend isolé (ex: service d’authentification).