Cet article propose une méthode de test pilotée par les exigences (RBT4DNN) qui exploite les spécifications d'exigences en langage naturel pour répondre à la difficulté de formulation des exigences fonctionnelles des réseaux de neurones profonds (DNN). RBT4DNN définit un espace sémantique de caractéristiques à l'aide d'un glossaire et formalise les préconditions des exigences fonctionnelles sous forme de combinaisons logiques de ces caractéristiques. À l'aide de données d'apprentissage cohérentes avec ces combinaisons de caractéristiques, elle affine un modèle génératif afin de générer de manière fiable des entrées de test satisfaisant les préconditions. Ces tests sont ensuite exécutés sur le DNN entraîné, comparant les résultats au comportement attendu des postconditions des exigences. RBT4DNN présente deux cas d'utilisation : la détection des défauts dans les DNN et le retour d'information sur la généralisation du modèle grâce à l'exploration du comportement du modèle pendant le développement, pilotée par les exigences. Les résultats de l'évaluation démontrent que les tests générés par RBT4DNN sont réalistes, diversifiés et cohérents avec les préconditions des exigences, permettant une analyse ciblée du comportement du modèle et une détection efficace des défauts.
