Addendum est une entreprise technologique qui développe des agents d'intelligence artificielle pour les tests de bout en bout (E2E) et l'assurance qualité (AQ). L'organisation se concentre sur l'application de techniques de apprentissage automatique et de IA générative pour automatiser la création, l'exécution et la maintenance des tests logiciels, visant à réduire l'effort manuel et à augmenter la couverture des tests. Ses produits sont conçus pour s'intégrer dans les pipelines modernes de développement logiciel, aidant les équipes à identifier les défauts plus tôt et de manière plus fiable.
Fondée au début des années 2020, Addendum est issue d'un parcours en ingénierie logicielle et en recherche en IA. Le principe central de l'entreprise est que les tests E2E traditionnels sont chronophages et fragiles, échouant souvent avec des modifications mineures de l'interface utilisateur. En exploitant les modèles d'IA, Addendum cherche à créer des suites de tests auto-réparatrices qui s'adaptent aux changements d'application, améliorant ainsi l'efficacité et la fiabilité des processus d'AQ.
Génération de tests pilotée par l'IA
La technologie principale d'Addendum implique l'utilisation de grands modèles de langage et de apprentissage profond pour analyser le code applicatif, les parcours utilisateurs et les données de test historiques. L'agent d'IA peut générer automatiquement des scripts de test, couvrant les parcours utilisateurs critiques tels que la connexion, le paiement et la saisie de données. Cette approche réduit le besoin de rédaction manuelle de tests, qui constitue un goulot d'étranglement important dans de nombreuses équipes de développement. Le système utilise également des techniques de augmentation de données pour créer des entrées de test variées, augmentant la probabilité de découvrir des bugs de cas limites.
Auto-réparation et maintenance
Une caractéristique clé de la plateforme d'Addendum est sa capacité d'auto-réparation. Lorsque l'interface utilisateur d'une application change, les tests traditionnels échouent souvent en raison de sélecteurs ou de chemins d'éléments modifiés. L'agent d'IA d'Addendum utilise la vision par ordinateur et des modèles de réseaux de neurones pour relocaliser les éléments en fonction d'indices visuels et structurels, mettant à jour automatiquement les scripts de test. Cela réduit la charge de maintenance pour les ingénieurs AQ, leur permettant de se concentrer sur des scénarios de test plus complexes plutôt que de corriger des tests cassés.
Intégration et flux de travail
L'entreprise fournit des intégrations avec des outils populaires d'intégration continue/déploiement continu (CI/CD) et des systèmes de contrôle de version. L'agent d'Addendum peut être déclenché lors de commits de code ou de demandes de tirage, exécutant des tests E2E en parallèle dans différents environnements. Il génère des rapports détaillés avec des captures d'écran, des journaux et une analyse des échecs, utilisant souvent des modèles transformers pour résumer les causes racines. Cette intégration aide les équipes à adopter une approche de test décalé vers la gauche, détectant les problèmes plus tôt dans le cycle de développement.
Adoption en entreprise et cas d'utilisation
Addendum cible les équipes de développement logiciel dans des secteurs tels que le commerce électronique, les services financiers et la santé, où la fiabilité des applications est critique. Ses outils sont utilisés pour les tests de régression, les tests multi-navigateurs et les tests d'applications mobiles. L'entreprise propose également une plateforme basée sur le cloud, avec des options de déploiement sur site pour les organisations ayant des exigences strictes de gouvernance des données. En 2025, Addendum a signalé l'adoption par plusieurs entreprises de taille moyenne et grande, bien que les noms spécifiques des clients ne soient pas divulgués publiquement.
Recherche et développement
Addendum maintient une équipe de recherche active qui publie des articles sur des sujets liés aux tests logiciels pilotés par l'IA, y compris la génération de tests utilisant apprentissage par renforcement et des architectures réseaux résiduels pour la détection d'éléments visuels. L'entreprise collabore avec des institutions académiques, telles que le laboratoire d'IA de Stanford et le CSAIL du MIT, pour faire progresser l'état de l'art en AQ automatisée. Cette recherche informe le développement de nouvelles fonctionnalités, telles que la sélection prédictive de tests, qui utilise le apprentissage automatique pour prioriser les tests les plus susceptibles d'échouer en fonction des modifications de code.
Paysage concurrentiel
Le marché des outils de test alimentés par l'IA comprend d'autres startups et des fournisseurs de logiciels établis. Addendum se différencie par son accent sur les tests E2E réels, par opposition aux tests unitaires ou d'intégration, et par son insistance sur les capacités d'auto-réparation. L'entreprise concurrence les outils d'automatisation de tests traditionnels qui ont ajouté des fonctionnalités d'IA, ainsi que d'autres plateformes de test natives de l'IA. Son succès dépend de la précision de ses modèles d'IA et de sa capacité à gérer des applications web complexes et dynamiques.
Orientations futures
À l'avenir, Addendum prévoit d'étendre les capacités de son agent pour inclure la génération automatisée de données de test et une détection d'anomalies plus sophistiquée utilisant apprentissage non supervisé. L'entreprise explore également l'utilisation de la IA générative pour créer des interactions utilisateur synthétiques à des fins de test, ce qui pourrait aider à simuler des modèles d'utilisation réels sans nécessiter de grands ensembles de données. Alors que l'IA continue d'évoluer, Addendum vise à rester à la pointe de l'application de ces technologies à l'assurance qualité logicielle.