# Pipelines de test auto-réparables

Les suites de test traditionnelles se cassent quand l'UI change. Les tests
auto-réparables utilisent la mémoire Synapse pour apprendre des échecs passés et
s'adapter — réduisant les tests instables et la charge de maintenance.

## Concept

```
┌─────────┐  fails   ┌──────────┐  store   ┌──────────┐
│  Test   │ ───────▶ │  Synapse │ ───────▶ │ Memories │
│  Run    │          │  Memory  │          │ (failures)│
└─────────┘          └──────────┘          └──────────┘
                           ▲                     │
                           │   recall            │
                           │  before next run    │
                           └─────────────────────┘
```

1. Le test s'exécute
2. S'il échoue, stocker l'échec (ce qui n'a pas marché, pourquoi, comment corriger)
3. Prochaine exécution : rappeler les échecs pertinents avant d'exécuter
4. Appliquer automatiquement les corrections connues

## Implémentation

### Étape 1 : wrapper de test

Enveloppez chaque test avec rappel/stockage mémoire :

```python
import requests
from datetime import datetime

URL = "https://synapse.schaefer.zone"
MIND_KEY = "mk_..."

def self_healing_test(test_name, test_fn):
    """Decorator: wrap a test with self-healing memory."""
    def wrapper():
        # 1. Rappeler les échecs passés pour ce test
        past_failures = requests.get(
            f"{URL}/memory/search?q={test_name}+failure",
            headers={"Authorization": f"Bearer {MIND_KEY}"}
        ).json()
        
        # 2. Exécuter le test avec le contexte d'échec
        try:
            test_fn(known_failures=past_failures)
        except Exception as e:
            # 3. Stocker l'échec
            store_failure(test_name, e, traceback.format_exc())
            raise
    
    return wrapper

def store_failure(test_name, error, traceback_str):
    requests.post(f"{URL}/memory",
        headers={"Authorization": f"Bearer {MIND_KEY}",
                 "Content-Type": "application/json"},
        json={
            "category": "mistake",
            "key": f"test_failure_{test_name}_{datetime.now().isoformat()}",
            "content": f"Test: {test_name}\nError: {error}\nTrace:\n{traceback_str}",
            "tags": ["test", "failure", test_name],
            "priority": "high"
        })
```

### Étape 2 : logique de test adaptative

Dans le test, vérifiez les échecs connus et appliquez les corrections :

```python
@self_healing_test
def test_login_page(browser, known_failures=None):
    browser.goto("https://app.com/login")
    
    # Vérifier si nous avons déjà vu ce changement de page
    if known_failures and known_failures.get("results"):
        for failure in known_failures["results"]:
            if "button moved" in failure["content"].lower():
                # Utiliser le label d'accessibilité au lieu des coordonnées
                browser.click(by_label="Login button")
                return
    
    # Par défaut : utiliser les coordonnées
    browser.click(x=150, y=400)
```

### Étape 3 : stratégies de récupération

Stockez les stratégies de récupération en mémoire :

```python
def store_recovery(failure_type, strategy):
    requests.post(f"{URL}/memory",
        headers={"Authorization": f"Bearer {MIND_KEY}",
                 "Content-Type": "application/json"},
        json={
            "category": "skill",
            "key": f"recovery_{failure_type}",
            "content": strategy,
            "tags": ["test", "recovery", failure_type],
            "priority": "high"
        })

# Stocker les récupérations pour les échecs courants
store_recovery("element_not_found",
    "When element not found by ID, try by CSS class, then by XPath, "
    "then by accessibility label. Take screenshot for debugging.")

store_recovery("timeout",
    "Increase timeout to 30s. If still fails, check if page is loading "
    "dynamically — wait for specific element instead of fixed time.")

store_recovery("stale_element",
    "Re-find element before each interaction. Don't cache element references "
    "across page transitions.")
```

### Étape 4 : intégration CI

```yaml
# .gitlab-ci.yml
test:self-healing:
  script:
    - export SYNAPSE_MIND_KEY=$SYNAPSE_TEST_MIND_KEY
    - pytest tests/ --self-healing
  after_script:
    # Résumer les nouveaux échecs
    - python scripts/synapse_failure_summary.py
```

### Étape 5 : tableau de bord d'analyse des échecs

```python
# Récupérer tous les échecs de test de la dernière semaine
r = requests.get(
    f"{URL}/memory/search?q=test+failure",
    headers={"Authorization": f"Bearer {MIND_KEY}"}
)

# Grouper par nom de test
failures = {}
for mem in r.json().get("results", []):
    test_name = extract_test_name(mem["content"])
    failures.setdefault(test_name, []).append(mem)

# Rapport
for test, fails in sorted(failures.items(), key=lambda x: -len(x[1])):
    print(f"{test}: {len(fails)} failures")
```

## Bonnes pratiques

> [!TIP]
> - **Stockez les tracebacks** — ils contiennent la ligne exacte qui a échoué
> - **Taguez par nom de test** — permet un filtrage rapide
> - **Utilisez la catégorie `mistake`** — sépare des mémoires régulières
> - **Définissez la priorité `high`** — les échecs ne doivent jamais être oubliés
> - **Nettoyage périodique** — supprimez les mémoires pour les problèmes résolus
> - **Ne stockez pas de données sensibles** — identifiants, PII

## Schémas d'échec courants à stocker

| Type d'échec | Que stocker |
|--------------|---------------|
| Élément introuvable | Sélecteur essayé, état de la page, capture d'écran |
| Timeout | Temps d'attente, ce qui était attendu |
| Assertion échouée | Valeur attendue vs réelle |
| Erreur réseau | URL, code d'état, corps de réponse |
| Permission refusée | Permission requise, rôle utilisateur actuel |

## Prochaines étapes

- [Tests automatisés iOS](/docs/guides/automated-testing-ios)
- [Bonnes pratiques mémoire](/docs/guides/memory-best-practices)
- [Cookbook récupération d'erreurs](/docs/llm-cookbook/error-recovery)