Les assistants IA dans les tests logiciels

Introduction : Le concept d’assistants numériques – les assistants IA – s’est imposé ces dernières années
dans divers domaines des technologies de l’information. Ces assistants à intelligence artificielle sont
capables, à partir d’entrées de l’utilisateur (vocales ou textuelles), d’accomplir de nombreuses tâches
allant de la recherche d’informations à des actions automatisées. Les utilisateurs grand public les
rencontrent surtout comme des guides numériques personnels sur les smartphones et enceintes
connectées (appelés assistants personnels IA, en tchèque « AI osobní asistent »). Il est donc naturel de
se demander quel est le « meilleur assistant IA » pour différents besoins – il n’existe toutefois pas de
réponse simple, car chaque outil a ses forces et faiblesses. Dans le domaine des tests logiciels, les
assistants IA sont utilisés de deux manières : (1) comme des outils qui aident les testeurs à travailler
plus efficacement, et (2) comme des systèmes complexes qui nécessitent eux-mêmes des tests
spécifiques. Dans cet article, nous examinons ces deux perspectives – nous expliquerons ce que sont les
assistants IA, quels types existent (vocaux, virtuels, personnels, spécialisés par domaine), quelle est leur
prise en charge multilingue (par ex. un assistant IA gratuit en tchèque) et comment ils contribuent
concrètement aux tests logiciels. Nous aborderons également les avantages et défis qu’apporte
l’intégration des assistants IA dans le processus de test.

Qu’est-ce qu’un assistant IA ? Définition et objectif

Un assistant IA est essentiellement une application logicielle intelligente qui comprend des commandes
en langage naturel (oral ou écrit) et exécute, via une interface conversationnelle, diverses tâches pour
l’utilisateur. En d’autres termes, il s’agit d’un assistant virtuel animé par l’intelligence artificielle, qui
réagit et aide sur demande – que ce soit pour programmer un rappel, rechercher une information,
réserver un rendez-vous ou des tâches analytiques plus complexes. Au début, ces assistants étaient
assez simples et s’appuyaient sur des règles et réponses programmées à l’avance. Mais un assistant IA
moderne utilise généralement l’apprentissage automatique et en particulier des modèles avancés de
traitement du langage naturel, ce qui lui permet de mieux comprendre des questions formulées
librement et d’adapter ses réponses au contexte.
On peut considérer les assistants IA comme des agents réactifs – ils attendent les instructions de
l’utilisateur (par ex. une commande vocale ou une question écrite) et, sur cette base, effectuent une
action ou fournissent une recommandation. Cela les distingue des agents d’IA, qui peuvent agir de leur
propre initiative (de manière proactive) même sans commande directe, dans le but d’atteindre un
objectif donné. En pratique, toutefois, la frontière s’estompe – les assistants avancés savent proposer
des solutions de manière proactive si l’utilisateur les y autorise.

Assistants vocaux et virtuels en pratique

Un assistant IA vocal sur un smartphone peut exécuter les ordres de l’utilisateur via la reconnaissance
vocale. Les assistants IA vocaux (voice assistants) comptent parmi les types les plus connus – cela inclut
par exemple Apple Siri, Amazon Alexa ou l’Assistant Google. L’environnement typique est un
smartphone ou une enceinte connectée, où l’utilisateur prononce une “commande” (par ex. une
question ou une instruction) et l’assistant vocal IA y répond oralement ou exécute une action. Par
exemple, l’Assistant Google – assistant IA populaire des appareils Android – sait, sur le signal “Hey
Google”, rechercher des informations, lancer de la musique ou contrôler les appareils intelligents de la
maison.

De même, Siri sur l’iPhone (lancé en 2011) a apporté au grand public l’expérience du contrôle vocal du
téléphone. Ces assistants virtuels sont devenus une composante courante de l’écosystème des
appareils modernes. La popularité des assistants vocaux est illustrée par les statistiques suivantes : en
2025, environ 20,5 % des personnes dans le monde utilisent la recherche vocale, et pas moins de
8,4 milliards d’assistants vocaux sont en circulation – ce qui dépasse la population mondiale. Aux États
Unis, on estime que plus de 153 millions de personnes utilisent des assistants vocaux, Siri étant le plus
populaire avec environ 86,5 millions d’utilisateurs. Ces chiffres indiquent que la technologie de
l’assistant IA gratuit intégré aux appareils est massivement disponible et que les utilisateurs s’y sont
habitués. Les assistants vocaux aident pour les tâches courantes comme consulter la météo, régler un
réveil, naviguer ou dicter des messages, et font ainsi gagner du temps – dans le secteur grand public, ils
sont presque devenus indispensables au quotidien.

“Assistant virtuel” est un terme plus large qui englobe non seulement les assistants vocaux, mais de
manière générale tout assistant IA se présentant sous forme logicielle. Parfois, les termes assistant
vocal et assistant virtuel sont utilisés de manière interchangeable. Un assistant virtuel peut
communiquer vocalement ou par texte (chatbot). Dans le contexte tchèque, on utilise le terme “AI
virtuální asistent” (ou l’abréviation AI asistent), en roumain l’expression “asistent virtual AI” – tous deux
désignent un assistant numérique animé par l’intelligence artificielle. L’essentiel est que, qu’il s’agisse de
commande vocale ou de conversation textuelle, l’interaction naturelle est la clé du succès de ces outils.
L’utilisateur n’a pas l’impression de devoir taper des commandes complexes comme sur un ordinateur
il suffit de poser la question en langage courant et l’assistant tentera de s’exécuter.

Du point de vue des tests logiciels, les assistants vocaux et virtuels présentent un défi intéressant.
Tester un tel système signifie vérifier non seulement la justesse fonctionnelle (s’il réalise l’action
demandée), mais aussi la compréhension de diverses formulations d’entrée, la robustesse face au bruit
ou à l’accent dans la voix, et la sécurité (par exemple, pour éviter qu’une personne non autorisée ne
puisse obtenir à la voix des informations sensibles). Les experts en assurance qualité (QA) doivent
concevoir des tests couvrant de nombreux scénarios – allant de différents dialectes et langues à des
questions inhabituelles auxquelles l’assistant ne devrait pas répondre de façon inappropriée.

Prise en charge multilingue des assistants IA (slovaque, tchèque, etc.)

L’un des facteurs critiques de la facilité d’utilisation des assistants IA est la prise en charge de plusieurs
langues. Des leaders mondiaux comme l’Assistant Google ou Amazon Alexa ont commencé avec
l’anglais, mais ont progressivement ajouté d’autres langues. Les utilisateurs slovaques et tchèques ont
longtemps attendu la localisation – par exemple, l’Assistant Google a officiellement lancé la prise en
charge du tchèque et du slovaque vers 2018–2019. Aujourd’hui, l’Assistant Google communique déjà en
slovaque et en tchèque, ce qui est crucial pour beaucoup. On peut donc avoir un assistant IA en
tchèque sur un téléphone ou une enceinte – l’utilisateur pose sa question en tchèque et obtient sa
réponse en tchèque. De même, Apple Siri prend en charge depuis 2016, par exemple, le mandarin et
l’espagnol, et Microsoft Cortana (qui s’est cependant retirée du marché) maîtrisait plusieurs langues
internationales. Amazon Alexa ne parlait ni tchèque ni slovaque jusqu’à récemment, ce qui limitait son
utilisation dans ces pays, mais il existe des moyens non officiels et des API pour combler la barrière de
la langue.

L’important est qu’avec l’avènement des grands modèles de langage (LLM), la possibilité est apparue de
prendre en charge pratiquement n’importe quelle langue. Des modèles comme GPT-4 (utilisé dans
ChatGPT) gèrent largement même les langues dites à faibles ressources. Cela signifie que, même si un
assistant vocal n’offre pas officiellement une langue donnée, on peut utiliser un assistant IA textuel
(chatbot) comme intermédiaire. Par exemple, aujourd’hui ChatGPT sert d’assistant IA gratuit en tchèque– il suffit de lui poser une question en tchèque et le modèle répondra couramment en tchèque, même
s’il ne s’agit pas d’une sortie vocale. De même, il serait possible de communiquer avec lui en slovaque
ou en roumain. Dans ce contexte, nous voyons également émerger des initiatives locales : diverses
start-ups créent des chatbots entraînés spécialement pour une langue ou un milieu culturel donnés. On
peut mentionner par exemple le projet « Alquist » de l’Université technique de Prague (ČVUT), qui s’est
concentré sur l’IA conversationnelle en tchèque, ou des projets roumains soutenus par leur
gouvernement pour développer des assistants IA en roumain. Bien que ces solutions locales n’aient pas
atteint la notoriété des acteurs globaux, elles témoignent de l’effort visant à apporter l’IA dans chaque
langue.

D’un point de vue marketing, on rencontre même des mots-clés tels que « AI asistent česky » ou
« asistent AI romană » – les utilisateurs recherchent délibérément des assistants qui “parlent” leur
langue. Les entreprises y répondent : l’Assistant Google maîtrise aujourd’hui des dizaines de langues et
améliore continuellement sa compréhension des noms ou expressions locales. Pour les spécialistes des
tests, cela signifie la nécessité d’effectuer des tests de localisation des assistants IA : vérifier si les
phrases traduites en slovaque ou en tchèque ont du sens, si l’assistant prononce correctement les noms
locaux, et s’il comprend aussi les expressions familières. De plus, il faut tester aussi le changement de
langue – de nombreux assistants permettent un mode bilingue (par ex. anglais et slovaque
simultanément), ce qui ajoute une autre dimension de complexité pour les testeurs.

Enfin, il convient de mentionner que la plupart des assistants IA courants sont gratuits pour les
utilisateurs finaux. Ils font soit partie du système d’exploitation (Siri sur les appareils Apple, Assistant
Google sur Android) soit sont librement accessibles sur Internet (ChatGPT a une version gratuite,
Amazon Alexa ne requiert pas d’abonnement, etc.). Cela contribue à leur adoption massive – dès lors
qu’un assistant prend en charge votre langue et est gratuit, la barrière pour l’essayer est très faible. Du
point de vue des fournisseurs, il s’agit souvent d’un investissement stratégique : par exemple, Amazon a
vendu ses enceintes connectées Echo à perte juste pour diffuser Alexa dans les foyers. Un assistant IA
gratuit à domicile accroît ensuite la fidélité des clients et génère des données précieuses pour les
entreprises.

Les assistants IA dans des domaines spécialisés (médecine, entreprises, etc.)

Jusqu’à présent, nous avons surtout parlé des assistants personnels généraux, mais une catégorie
importante est celle des assistants IA spécialisés par domaine. Il s’agit d’assistants conçus pour un
secteur ou une tâche spécifiques. Un exemple est un assistant IA médical (appelé asistent medical AI
dans la terminologie de certains articles étrangers) – un système qui aide les médecins et le personnel
de santé. Un tel assistant peut, par exemple, enregistrer vocalement et consigner les dossiers médicaux
pendant une consultation, rappeler au médecin des protocoles de traitement ou même suggérer un
diagnostic possible à partir des symptômes (bien sûr, l’humain a le dernier mot). Les statistiques
indiquent que jusqu’à 42 % des organisations de santé utilisent ou prévoient d’utiliser la technologie
d’assistance vocale dans le contact avec les patients. Concrètement, un médecin peut dire : « Assistant,
dicte l’épicrise » et l’assistant IA transcrira et mettra en forme le compte-rendu médical, ou répondra aux
questions fréquemment posées par le patient. Des assistants similaires dans le domaine de la santé
doivent passer des tests rigoureux – il y va souvent de la vie, donc la précision et la sécurité sont
cruciales.

On teste des scénarios du type : l’assistant reconnaît-il correctement les noms de médicaments (qui se
ressemblent beaucoup) ? Stocke-t-il les données sensibles en toute sécurité ? Réagit-il de manière
adéquate si un patient lui pose une question sur des symptômes ? (D’ailleurs, environ 21 % des
utilisateurs d’assistants vocaux ont déjà posé des questions sur des symptômes de santé ou des
médecins, il existe donc une demande du côté des patients.)

Outre la médecine, on trouve des assistants IA aussi dans le domaine juridique (par ex. comme aide
pour passer au crible des milliers de pages de documents juridiques), dans la finance (conseillers
financiers analysant les marchés), dans les ressources humaines (assistant IA pour les RH qui
présélectionne des candidats) ou dans le support client. De nombreuses entreprises déploient des
chatbots sur leurs sites Web et canaux de communication – ces agents virtuels traitent souvent les
questions routinières des clients. Bien qu’on ait tendance à les appeler plutôt chatbots que assistants,
techniquement c’est un concept proche. La différence est qu’un chatbot est généralement plus limité
(programmé pour la FAQ de l’entreprise), tandis qu’un assistant IA a un champ d’action plus large. Pour
les testeurs, cependant, la nécessité de tests approfondis s’applique aussi ici : vérifier si le chatbot
comprend le langage familier des clients, s’il sait transférer la conversation à un humain si la question
est trop complexe, et s’il ne diffuse pas par exemple des réponses inappropriées ou risquées sur le plan
juridique.

Un cas particulier est celui des assistants IA pour les applications d’entreprise et la productivité en
équipe. Les géants technologiques intègrent aujourd’hui l’IA directement dans les suites bureautiques
Microsoft Copilot dans Office 365 aide à résumer des e-mails ou créer une présentation, Google a son
assistant dans Google Workspace qui peut suggérer des réponses et organiser le planning. Ces
assistants n’ont pas forcément de “personnalité” comme Alexa ou Siri ; ils fonctionnent plutôt en arrière
plan comme des assistants silencieux. Pour les testeurs logiciels, ils représentent une nouvelle couche
de fonctionnalité à tester – par exemple, vérifier si l’IA dans un éditeur de texte n’effectue pas de
modifications indésirables du document, ou si l’assistant dans la messagerie ne viole pas la
confidentialité en envoyant les données collectées en dehors de l’entreprise.

Assistants IA génératifs avancés (ChatGPT, Gemini, DeepSeek…)

Un moment charnière dans le monde des assistants IA a été l’avènement des modèles dits génératifs
basés sur de grands modèles de langage. Des systèmes comme ChatGPT d’OpenAI (fondé sur les
modèles GPT-3.5 et GPT-4) ont montré qu’un assistant IA sait mener une conversation assez poussée,
générer de longs textes, du code source, voire créer des poèmes ou des images. Lancé fin 2022,
ChatGPT a rapidement attiré des centaines de millions d’utilisateurs et est devenu de facto la norme
pour les assistants IA conversationnels. Ce succès montre que si un assistant parvient à dépasser un
certain niveau de capacités, les utilisateurs commencent à l’utiliser pour une gamme incroyablement
vaste de tâches – de la réponse à des questions générales à la génération de contenu, en passant par
l’aide technique (par ex. aide à la programmation ou à des problèmes mathématiques).

Sur le marché des assistants IA génératifs, la concurrence s’est néanmoins rapidement intensifiée. La
société Google a développé son propre modèle avancé nommé Gemini, qui vise à porter son assistant à
un nouveau niveau. L’Assistant Google (qui, comme mentionné, fonctionne depuis 2016) a donc été
reconstruit de fond en comble en 2023–2024 sur la technologie Gemini afin de pouvoir réagir de
manière plus fluide et conversationnelle à des requêtes complexes. Google qualifie Gemini de
« nouveau type d’assistant personnel IA » mettant l’accent sur la communication naturelle et un
raisonnement logique avancé. En d’autres termes, l’ambition est que l’assistant IA de nouvelle
génération de Google maîtrise non seulement les commandes vocales simples (« règle le réveil »), mais
aussi des tâches plus complexes comme planifier toute une journée, résoudre des problèmes à étapes
multiples ou collaborer de façon créative avec l’utilisateur. Bien sûr, de tels objectifs posent aussi des
défis en termes de performance – Google lui-même admet que pour certaines demandes, Gemini a
besoin de plus de temps que la génération précédente, même s’il peut répondre à une gamme de
questions bien plus large.

Un autre nom intéressant est l’assistant IA DeepSeek (souvent recherché sous « deepseek ai asistent »).
Il s’agit d’un acteur relativement nouveau, popularisé par des actualités de janvier 2025. D’après des
experts de l’université Penn State, l’assistant IA DeepSeek est un système similaire à ChatGPT ou Google
Gemini, conçu pour un large éventail de tâches, mais avec une spécialisation annoncée dans les
problèmes logiques formels et mathématiques. C’est intéressant, car le raisonnement formel est
justement un point faible de nombreux grands modèles de langage. DeepSeek a également fait
sensation en affirmant atteindre des performances compétitives avec des exigences en ressources de
calcul bien moindres – il lui suffirait d’environ 2 000 puces contre 16 000 nécessaires aux concurrents, ce
qui le rend dix fois plus efficace. Ces annonces ont même brièvement ébranlé le marché boursier des
fabricants de puces, car si elles se confirmaient, cela signifierait une IA moins coûteuse et plus
accessible pour les masses. Cependant, pour l’instant, les experts attendent des tests indépendants
pour voir si DeepSeek tient réellement ses grandes promesses en pratique. Quoi qu’il en soit, son
arrivée – ainsi que celle d’autres alternatives comme Claude d’Anthropic, des modèles open source
(LLaMA 2 de Meta, etc.) et des IA spécialisées (comme AlphaCode de DeepMind pour la programmation)– signale que l’ère des assistants IA avancés est arrivée et évolue rapidement.

Pour les testeurs logiciels, les assistants génératifs apportent deux défis : ils doivent apprendre à les
utiliser à leur avantage et en même temps tester leur fiabilité. D’une part, un testeur peut poser une
question à ChatGPT du type : « Génère des cas de test pour la fonctionnalité XY » et obtenir ainsi de
l’inspiration ou un plan de test de base. D’autre part, si une entreprise déploie dans son produit un
assistant IA (par exemple intègre un chatbot pour les clients dans son application bancaire mobile), le
testeur doit vérifier que cet assistant fonctionne correctement, ne compromet pas la sécurité des
données et respecte les règles de communication de l’entreprise. Et ce n’est pas une tâche aisée, car les
réponses d’une IA générative ne sont pas programmées de manière fixe, mais probabilistes – elles
peuvent varier suite à un infime changement dans l’entrée. Nous y reviendrons lors de la discussion des
défis des tests d’IA.

Les assistants IA comme outils pour les développeurs et testeurs

Les assistants IA ne sont pas seulement l’objet de tests, mais ils deviennent de plus en plus des outils
entre les mains des testeurs et développeurs. Dans le domaine du développement logiciel, ces deux
dernières années ont vu briller les “assistants de codage IA” – des assistants pour la programmation.
L’exemple le plus connu est GitHub Copilot, qui à partir d’un commentaire ou d’un code incomplet
suggère au développeur les prochaines lignes de programme. Copilot, qui utilise le modèle Codex
d’OpenAI, a fait ses débuts en 2021 et a rapidement gagné en popularité en tant que « programmeur en
binôme IA » (AI pair programmer). Il peut accroître la productivité des développeurs, leur épargner
l’écriture de code passe-partout et même aider à générer des tests unitaires. Des études et blogs
montrent que Copilot peut être utile pour écrire des cas de test, proposer des scénarios limites ou
compléter rapidement des tests pour du code existant. Du point de vue du testeur, cela signifie qu’il
peut confier à l’assistant IA le travail routinier – par exemple la création de l’ossature de base des tests
et se concentrer sur la logique du test et l’analyse des résultats.

Non seulement GitHub Copilot, mais aussi d’autres outils arrivent dans le domaine du test. Par exemple,
la plateforme de test PractiTest a intégré son propre assistant IA baptisé Smart Fox, qui aide les
concepteurs de tests à générer et maintenir des cas de test. Smart Fox peut, sur la base de la
description d’une fonctionnalité, proposer un cas de test et, fait intéressant, utilise l’apprentissage
automatique pour évaluer l’utilité de chaque test (le « Test Value Score »). Cela permet aux équipes de
prioriser les scénarios qui couvrent le plus de risques. De même, la société LambdaTest a lancé l’agent
IA KaneAI, présenté comme le premier assistant génératif pour les tests end-to-end. KaneAI est basé
sur un LLM (Large Language Model) et permet aux testeurs de planifier et écrire des tests en langage
naturel – il suffit de décrire ce qu’il faut tester et l’outil génère lui-même les scripts de test. Il peut
couvrir des tests UI et API, apprendre en continu à partir des itérations de tests et assister au débogage
des erreurs. Bien que ces fonctionnalités semblent presque futuristes, elles sont d’ores et déjà
disponibles dans des versions initiales.

Outre les outils commerciaux, il existe également des projets open source ou des assistants
expérimentaux pour testeurs. Par exemple, le plugin Continue pour Visual Studio Code se présente
comme un assistant IA aidant à écrire du code et des tests (similaire à Copilot). Dans les laboratoires de
test des entreprises, on développe aussi des chatbots internes capables d’analyser les journaux de tests
et de signaler des anomalies, ou de surveiller les résultats du pipeline CI/CD et de rapporter en langage
naturel ce qui a échoué. Imaginez par exemple un bot Slack auquel vous écrivez : « S’il te plaît, découvre
pourquoi les tests nocturnes ont échoué » – et il parcourt les journaux et répond : « Cela a échoué parce
que le service X a renvoyé une erreur 500, probablement en raison d’un format de données incorrect. »
De tels prototypes voient déjà le jour, et on peut s’attendre à que dans un futur proche ils fassent partie
de la panoplie d’outils courante des équipes QA.

Pour les testeurs et développeurs, les assistants IA offrent ainsi l’opportunité d’automatiser et
d’accélérer certaines parties du travail. Bien sûr, il ne s’agit pas encore d’un remplacement miracle – les
recommandations de l’IA doivent être vérifiées. Par exemple, le code généré par Copilot peut contenir
des erreurs ou une implémentation non optimale, de sorte qu’un humain doit le passer en revue
(Copilot lui-même avertit que le code généré peut ne pas être exempt d’erreurs). De même, les
scénarios de test proposés par l’IA peuvent passer à côté de quelque chose d’important. Dans l’idéal
toutefois, l’IA facilite les tâches ennuyeuses et répétitives – elle génère du code passe-partout, propose
des cas limites, traite de gros volumes de données – et l’humain y ajoute sa pensée critique et sa
créativité.

Avantages des assistants IA dans les tests logiciels

L’incorporation d’assistants IA dans les tests apporte plusieurs avantages qui augmentent à la fois la
qualité et la rapidité des processus QA :

• Automatisation des tâches routinières : Les assistants IA peuvent prendre en charge des
  activités répétitives, comme la génération de données de test, l’analyse basique des journaux ou
  la recherche de bugs connus dans l’outil de suivi. Ils libèrent ainsi les testeurs pour des tâches
  plus exigeantes et réduisent le risque d’erreur humaine dans un travail monotone.

• Retour d’information plus rapide : Grâce à l’IA, il est possible d’obtenir les résultats de certains
  tests presque en temps réel. Par exemple, un assistant intégré à l’EDI peut signaler en continu
  d’éventuelles erreurs pendant le développement (approche dite shift-left). Plus un bug est
  détecté tôt, moins sa correction coûte cher.

• Couverture de test plus large : L’IA générative peut proposer de nombreuses variantes de
  scénarios de test, y compris des variantes auxquelles l’équipe n’aurait peut-être pas pensé. Cela
  aide à augmenter la couverture – on teste différentes entrées, des cas limites ou des procédés
  non standard. De nombreux outils de test à base d’IA (Smart Fox, KaneAI, etc.) déclarent qu’ils
  peuvent élargir efficacement le périmètre des tests sans un accroissement drastique de l’effort
  de l’équipe.

• Apprentissage personnalisé et adaptation : Certains assistants peuvent apprendre à partir des
  données de l’entreprise ou des préférences de l’équipe. Par exemple, si l’IA constate que, dans un
  projet, un certain type d’erreur se répète souvent, elle peut la prochaine fois recommander de
  manière proactive aux testeurs un test axé sur ce point. Une telle adaptabilité augmente
  l’efficacité sur la durée – les outils “s’habituent” au projet en question.

• Disponibilité ininterrompue : Un assistant IA ne se fatigue pas et est disponible 24 h/24 et 7 j/7.
  Il peut surveiller des systèmes en continu (par ex. examiner les journaux de production à la
  recherche d’anomalies) ou répondre aux questions des testeurs même au beau milieu de la nuit.
  Cela contribue à un développement plus agile, en particulier dans les équipes réparties sur
  différents fuseaux horaires.

Défis et risques liés aux assistants IA en QA

Malgré des avantages indéniables, il ne faut pas négliger les défis et risques que les assistants IA
apportent dans le domaine des tests (et du développement en général) :

Sources :

1. AI Agents vs. AI Assistants | IBM – https://www.ibm.com/think/topics/ai-agents-vs-ai-assistants
2. Voice Search Statistics 2025 (Usage Data & Trends) – https://www.demandsage.com/voice-search
   statistics/
3. 70+ Voice Search Statistics You Need To Know In 2024 – https://learn.g2.com/voice-search-statistics
4. Introducing Gemini, your new personal AI assistant – https://gemini.google/assistant/?hl=en
5. Q&A: DeepSeek AI assistant and the future of AI | Penn State University – https://www.psu.edu/news/
   research/story/qa-deepseek-ai-assistant-and-future-ai
6. Writing Better Tests with AI and GitHub Copilot – Codecov – https://about.codecov.io/blog/writing
   better-tests-with-ai-and-github-copilot/
7. Kane AI – World’s First GenAI-Native Test Agent – https://www.lambdatest.com/kane-ai
8. The Challenges of Testing Artificial Intelligence (AI) | Digital Transformation | Digital Assurance
   https://www.cigniti.com/blog/testing-artificial-intelligence-ai/