BEGIN:VCALENDAR
VERSION:2.0
PRODID:https://evenements.uqam.ca
X-PUBLISHED-TTL:P1W
BEGIN:VEVENT
UID:33772@https://evenements.uqam.ca
DTSTART:20260325T140000Z
SEQUENCE:10
TRANSP:OPAQUE
DTEND:20260325T140000Z
URL:https://evenements.uqam.ca/evenements/seminaire-latece-du-25-mars-2026-
 a-12h30-pk-4610/33772?date=2026-03-25_12-30-00
LOCATION:UQAM - Pavillon Président-Kennedy (PK) (201\, avenue du Présiden
 t-Kennedy\, Montréal )
SUMMARY:Séminaire LATECE
CLASS:PUBLIC
DESCRIPTION:Lien ZOOM : https://uqam.zoom.us/j/88172989278\n\n\n\n\nRésum
 é : Les systèmes Internet of Things sont de plus en plus déployés dans
  divers domaines\, ce qui nécessite des tests de bout en bout (E2E) robus
 tes afin de garantir un comportement fonctionnel conforme aux attentes. Ce
 pendant\, la génération de tests E2E efficaces demeure difficile en rais
 on de l’hétérogénéité\, de la nature distribuée et de l’exécuti
 on dynamique des systèmes IoT\, ainsi que du besoin de valider les intera
 ctions entre plusieurs couches et composants. Les approches de test tradit
 ionnelles peuvent ne pas révéler les défauts dans des conditions réell
 es d’exécution multi-couches.Dans cette présentation\, je présenterai
  FUNEETIS\, une approche semi-automatisée pour le test fonctionnel E2E de
 s systèmes IoT\, basée sur des spécifications de cas d’utilisation (U
 CS) rédigées dans un format restreint et sur une description du système
  IoT. FUNEETIS convertit les UCS en scénarios exécutables\, les transfor
 me en charges utiles structurées\, puis génère des cas de test exécuta
 bles. Pour détecter les défauts\, l’approche exécute le système en t
 emps réel\, collecte des données d’exécution à travers les différen
 tes couches et compare les résultats attendus aux résultats observés.J
 ’ai évalué FUNEETIS à travers des études de cas sur deux systèmes I
 oT. J’ai volontairement injecté des défauts à des emplacements connus
  afin d’établir une vérité terrain\, ce qui permet de mesurer la pré
 cision et le rappel de détection des bugs\, ainsi que la couverture de m
 étriques spécifiques aux systèmes IoT. Les résultats montrent une couv
 erture complète des nœuds\, des protocoles et des scénarios\, ainsi qu
 ’une grande précision dans l’extraction des scénarios et la généra
 tion des données de test\, avec une précision et un rappel généralemen
 t supérieurs à 90 %. La couverture des interactions et des actions reste
  modérée\, et la plupart des bugs détectés apparaissent dans les couch
 es dispositif et application sur les deux systèmes. FUNEETIS repose uniqu
 ement sur des UCS structurées et sur une description du système sous tes
 t (SUT)\, et peut être reproduit et adapté à d’autres systèmes IoT.P
 lus récemment\, j’ai exploré l’utilisation de l’IA générative\, 
 en particulier des architectures d’agents basées sur des modèles de la
 ngage de grande taille (LLM)\, afin d’analyser automatiquement la docume
 ntation technique et d’en dériver des tests. Contrairement à FUNEETIS\
 , cette approche vise la génération de tests pour des systèmes logiciel
 s généraux et cherche à automatiser davantage le processus de test.\n\n
 \n\nBiographie : Jean Baptiste Minani est chercheur postdoctoral à l’Un
 iversity of Ottawa\, où ses travaux portent sur l’IA générative appli
 quée au génie logiciel\, en particulier sur les architectures d’agents
  basées sur des modèles de langage de grande taille (LLM) pour la géné
 ration automatique de tests et l’assurance qualité logicielle. Il a obt
 enu son doctorat en génie logiciel à l’Concordia University. Il est é
 galement titulaire d’un Master en technologies de l’information de la 
 Carnegie Mellon University et d’un Bachelor en technologies de l’infor
 mation du Vellore Institute of Technology.De 2010 à 2021\, il a travaill
 é dans le domaine du génie logiciel\, avec une spécialisation dans les 
 systèmes d’e-gouvernement à grande échelle. Durant cette période\, i
 l a dirigé et contribué au développement de plusieurs plateformes numé
 riques nationales\, en appliquant des pratiques modernes d’ingénierie l
 ogicielle afin d’améliorer la prestation de services dans les interacti
 ons gouvernement-à-gouvernement (G2G)\, gouvernement-à-citoyen (G2C) et 
 gouvernement-à-entreprises (G2B).Ses domaines de recherche incluent les t
 ests logiciels automatisés\, les tests de bout en bout de systèmes compl
 exes et distribués (y compris les systèmes Internet of Things)\, ainsi q
 ue l’utilisation de l’intelligence artificielle pour améliorer la qua
 lité logicielle. Plus récemment\, ses travaux explorent l’IA générat
 ive et les architectures d’agents LLM pour analyser la documentation tec
 hnique\, en extraire des connaissances structurées et exploiter ces infor
 mations pour générer automatiquement des tests.Il a publié des travaux 
 de recherche dans des revues et conférences majeures en génie logiciel e
 t systèmes IoT\, contribuant aux avancées en matière de tests automatis
 és et d’assurance qualité pour les systèmes logiciels modernes.\n\n\n
  \n\n\n \n\nAbstract : IoT systems are increasingly deployed across var
 ious domains\, requiring robust end-to-end (E2E) testing to ensure expecte
 d functional behavior. However\, generating effective E2E tests remains ch
 allenging due to the heterogeneity\, distributed nature\, and dynamic exec
 ution of IoT systems\, as well as the need to validate interactions across
  multiple layers and components. Traditional testing approaches may not ex
 pose faults under real world\, cross layer execution conditions.In this ta
 lk\, I will present FUNEETIS\, a semi automated approach for E2E functiona
 l testing of IoT systems using Use Case Specifications (UCSs) written in a
  restricted format and an IoT system description. FUNEETIS converts UCSs i
 nto executable scenarios\, transforms them into structured payloads\, and 
 generates executable test cases. To detect faults\, the approach executes 
 the system in real time\, collects runtime data across layers\, and compar
 es expected and actual results.I evaluated FUNEETIS through case studies o
 n two IoT systems. I deliberately injected faults with known locations to 
 establish ground truth\, enabling us to report bug detection precision and
  recall together with coverage of IoT specific metrics. The results show f
 ull coverage of nodes\, protocols\, and scenarios\, and high accuracy for 
 scenario extraction and test data generation\, with precision and recall g
 enerally above 90%. Interaction and action coverage are moderate\, and mos
 t detected bugs appear in device and application layers across both system
 s. FUNEETIS relies only on structured UCSs and a system description of the
  system under test (SUT)\, and it can be replicated and tailored to other 
 IoT systems.  More recently\, I have been exploring the use of generative
  AI\, particularly LLM-based agent architectures\, to automatically analyz
 e technical documentation and derive tests. Unlike FUNEETIS\, this line of
  work targets test generation for general software systems and aims to fur
 ther automate the testing process.\n\n\n\nBiography : Jean Baptiste Minan
 i is a Postdoctoral Researcher at the University of Ottawa\, Canada\, wher
 e his research focuses on generative AI for software engineering\, particu
 larly LLM-based agent architectures for automated test generation and soft
 ware quality assurance. He completed his Ph.D. in Software Engineering at 
 Concordia University\, Canada. He holds a Master’s degree in Information
  Technology from Carnegie Mellon University (CMU)\, USA\, and a Bachelor
 ’s degree in Information Technology from Vellore Institute of Technology
  (VIT)\, India. From 2010 to 2021\, he worked in the field of software eng
 ineering\, specializing in large-scale e-government systems. During this p
 eriod\, he led and contributed to the development of several national digi
 tal platforms by applying modern software engineering practices to improve
  service delivery across government-to-government (G2G)\, government-to-ci
 tizen (G2C)\, and government-to-business (G2B) interactions. His research 
 interests include automated software testing\, end-to-end testing of compl
 ex and distributed systems (including IoT systems)\, and the use of artifi
 cial intelligence to improve software quality. More recently\, his work ex
 plores generative AI and LLM-agent architectures for analyzing technical d
 ocumentation\, extracting structured knowledge\, and using the extracted i
 nformation to generate tests. He has published research in leading journal
 s and conferences in software engineering and IoT systems\, contributing t
 o advances in automated testing and quality assurance for modern software 
 systems.\n\nMot-clés : IA\, intelligence artificielle\, collecte de donn
 ées\, Applications informatiques\, Département d’informatique\n\nPrix 
 : Gratuit\n\n
CATEGORIES:Séminaire
DTSTAMP:20260408T222123Z
CREATED:20260324T211021Z
LAST-MODIFIED:20260325T111705Z
END:VEVENT
END:VCALENDAR