Le vendredi 19 juin 2020 à 9 h 30
Visio-Conférence
Florent MOUYSSET
Soutiendra une thèse pour le :
Doctorat en Mathématiques, informatique et télécommunications
Spécialité : Informatique et télécommunications
Sur le sujet suivant :
Analyse automatique des traces d'activité des utilisateurs pour la testabilité et l'amélioration continue des systèmes logiciels complexes par des systèmes multi-agents adaptatifs
Sous la direction de : Marie-Pierre GLEIZES
et la supervision de : Frédéric MIGEON
Jury
| Marie-Pierre GLEIZES | Professeur titulaire à l'Université Paul Sabatier de Toulouse et chercheur à l'IRIT | Directrice |
| Frédéric MIGEON | Maître de conférences à l'Université Paul Sabatier Toulouse III | Co-directeur |
| Olivier BOISSIER | Professeur titulaire en informatique, PhD, Département Informatique et Systèmes Intelligents Institut Henri Fayol | Rapporteur |
| Abderrafiaa KOUKAM | Professeur Titulaire chez UTBM - Université de Technologie de Belfort-Montbéliard | Rapporteur |
| Philippe MATHIEU | Enseignant-chercheur et responsable de l'équipe SMAC au sein du Centre de Recherche en Informatique, Signal et Automatique de Lille | Examinateur |
| Christophe BORTOLASO | Responsable de la Recherche Appliquée, Berger-Levrault | Invité |
Résumé en anglais
Analyse automatique des traces d'activité des utilisateurs pour la testabilité et l'amélioration continue des systèmes logiciels complexes par des systèmes multi-agents adaptatifs
Les logiciels deviennent de plus en plus complexes à mesure que les réglementations changent et que les exigences des utilisateurs évoluent. Par conséquent, il est parfois difficile de maintenir ou d'utiliser ces applications.
Afin d'assurer un niveau de qualité acceptable, cette thèse explore les possibilités offertes par l'exploitation des traces d'activité des utilisateurs. Une trace utilisateur est une empreinte digitale laissée lorsqu'un utilisateur utilise une application logicielle. A court terme, l'objectif est de fournir un retour d'information aux équipes de production. Par exemple, en comparant les tests d'acceptation avec l'utilisation réelle. A plus long terme, un assistant intelligent pourrait être conçu pour aider l'utilisateur dans des utilisations délicates ou répétitives. Pour cela, il est indispensable de modéliser le fonctionnement de l'application à partir d'observations.
Nos expériences avec les méthodes existantes montrent qu'elles ont des limites. En particulier, les hypothèses habituellement nécessaires à la découverte de modèles de processus métier sont invalidées en raison des nombreuses erreurs dans les journaux et de la complexité des processus métier.
Les systèmes multi-agents adaptatifs (AMAS) démontrent leur capacité à analyser des données décrivant des systèmes complexes et dynamiques et sont donc pertinents pour notre problème. A ce titre, un système multi-agent, nommé SAMOTRACE, est conçu, développé et évalué. Dans cette thèse, cet AMAS se concentre sur la détection et la correction des erreurs de trace. Différents types d'erreurs sont abordés et traités, chacun étant induit par le raffinement des comportements des agents. De plus, des tests sont progressivement ajoutés pour valider les nouveaux comportements et vérifier l'absence de régressions dans les comportements existants.
Résumé français
Analyse automatique des traces d'activité des utilisateurs pour la testabilité et l'amélioration continue de systèmes logiciels complexes par des systèmes multi-agents adaptatifs
Les logiciels deviennent de plus en plus complexes à mesure que la réglementation change et à mesure que les exigences des utilisateurs évoluent. Ainsi, il est parfois difficile de maintenir ou d'utiliser ces applications.
Afin de garantir un niveau de qualité acceptable, nous explorons, dans cette thèse, les possibilités qu'offre l'exploitation des traces d'activité utilisateurs. Une trace utilisateur est une empreinte laissée lorsqu'un utilisateur emploie un logiciel. A court terme, l'objectif est de fournir un feedback aux équipes de production. Par exemple, en confrontant les tests de recette à l'utilisation effective. À plus long terme, un assistant intelligent pourrait être conçu pour aider l'utilisateur dans des usages délicats ou répétitifs. Pour y parvenir, il est indispensable de modéliser le fonctionnement de l'application à partir des observations.
Nos expérimentations des méthodes existantes montrent qu'elles ont des limites. En particulier, les hypothèses habituellement nécessaires pour la découverte de modèles de processus métiers sont invalidées à cause des nombreuses erreurs dans les journaux et de la complexité des processus métiers.
Les systèmes multi-agents adaptatifs (Adaptative Multi Agent Systems - AMAS) démontrent leurs capacités à analyser des données décrivant des systèmes complexes et dynamiques ; ils sont donc pertinents pour notre problème. À ce titre, un système multi-agent, nommé SAMOTRACE, est conçu, développé et évalué. Dans cette thèse, cet AMAS s'intéresse à la détection et à la correction d'erreur dans les traces. Divers types d'erreurs sont abordés et traités, chacun induit par le raffinement des comportements des agents. Également, des tests sont graduellement ajoutés afin de valider les nouveaux comportements et de vérifier l'absence de régressions dans les comportements existants.
