L'essor de l'intelligence artificielle dans les tests logiciels donne naissance à un concept novateur : la friction comme télémétrie. Au lieu de considérer les échecs des scripts de test comme une simple source de bruit technique, les équipes commencent à exploiter les hésitations et les tentatives avortées des agents IA comme des données produit exploitables. Cette approche, portée par la plateforme QA.tech, transforme les rapports d'erreurs en signaux directs sur la qualité et l'ergonomie d'une application. Le cas concret de la société suédoise Airpelago, spécialisée dans les logiciels de gestion de drones, illustre cette évolution. D'ici mi-2025, l'entreprise faisait face à des échecs de tests end-to-end constants avec des outils traditionnels. Les widgets cartographiques, au cœur de son service, résistaient aux sélecteurs automatisés, générant des builds rouges récurrents qui n'apportaient aucune information exploitable sur le produit réel. En juin 2025, Airpelago a migré vers des agents de test agnostiques aux frameworks. Contrairement aux scripts rigides, ces agents visualisent l'interface comme un utilisateur final et poursuivent des objectifs fonctionnels définis en langage naturel. Cette adaptation automatique a radicalement réduit le bruit technique. Les échecs persistants reflètent désormais des problèmes concrets de l'application. L'équipe a intégré ces exécutions à son pipeline de développement, déclenchées via des mots-clés dans les messages de validation, permettant des tests multiples par jour sans ralentir les commits. Le résultat, selon le CTO Tobias Fridén, est une transition d'un déploiement hésitant vers des mises en production régulières et sécurisées. La valeur de cette méthode réside dans la nature des rapports générés. Chaque échec produit un récit détaillé incluant captures d'écran, journaux réseau et raisonnement étape par étape. Cela élimine la phase laborieuse de reproduction des bugs pour les développeurs. Les anomalies se classent en quatre catégories distinctes : la friction de navigation, de formulation visuelle, d'état de chargement ou de données. Ce classement permet un routage précis des corrections, évitant de confier un problème d'interface à un outil de développement pur. Ces rapports structurent également une boucle de rétroaction directe avec les assistants de codage. Connectés via un serveur MCP, les agents QA peuvent alimenter des outils comme Claude Code ou Codex directement depuis l'éditeur de code. Un développeur reçoit ainsi une description exacte du dysfonctionnement, déclenche une correction automatisée, et relance le test sans quitter son environnement. Cette synchronisation rapproche la détection des problèmes du moment où le code est écrit. En faisant des agents de test les premiers utilisateurs de l'application en phase de développement, les équipes anticipent les frictions que rencontreront les clients finaux. Cette télémétrie proactive réduit le risque de perte d'utilisateurs en production et optimise le cycle de vie des correctifs. L'adoption de ces méthodologies marque un passage des tests de régression statiques vers une validation continue, guidée par l'expérience utilisateur réelle et l'automatisation contextuelle.