Objectifs
Comprendre les concepts fondamentaux de l’IA générative appliquée au test logiciel. Maîtriser les techniques de Prompt Engineering pour générer et améliorer des cas de test. Identifier et mitiger les risques liés à l’utilisation de l’IA générative. Mettre en place une infrastructure de test adaptée avec LLMs et GenAI. Définir une stratégie d’adoption organisationnelle pour intégrer l’IA générative dans les activités de test
Prérequis
➤ Connaissances de base en test logiciel.
➤ Avoir la certification de ISTQB Foundation est exigé
Certification
➤Pour être certifié, vous devez réussir l'examen ISTQB Certified Tester - Generative IA
➤Vous pouvez vous préparer à l'examen en suivant un cours de formation accrédité pour ISTQB Certified Tester − Generative IA; les participants auront un contenu et des sujets pertinents clairement expliqués et enseignés.
➤Le programme couvre des exercices par chapitre expliqués et des examens à blanc sous forme de quizz pour garantir la réussite dans l'examen de certification ISTQB Generative IA
Programme
1. Introduction GenAI pour le test
1.1 Concepts clés
Tokenisation, context window, LLMs (foundation, instruction-tuned, reasoning), multimodalité.
1.2 Chatbots vs applications de test pilotées par LLMs
1.3 Applications de l’IA générative dans le cycle de test
2. Prompt Engineering pour un test efficace
2.1 Structure d’un prompt
Rôle, contexte, instruction, données, contraintes, format de sortie.
2.2 Techniques avancées
Prompt chaining, few-shot/zero-shot, meta prompting.
2.3 Application de l’IA générative aux tâches de test
Analyse des besoins
Conception et implémentation de tests
Automatisation de la régression
Suivi et monitoring des tests
2.4 Évaluation et amélioration continue des prompts
3. Gestion des risques liés à l’IA Générative
3.1 Hallucinations, erreurs de raisonnement et biais
Identification & mitigation.
3.2 Problématiques de sécurité, confidentialité et propriété des données
3.3 Impact environnemental (énergie, empreinte carbone)
3.4 Conformité : cadre légal, standards, IA responsable & éthique
4. Infrastructure de Test avec LLMs
4.1 Architectures GenAI
Retrieval-Augmented Generation (RAG), agents.
4.2 Fine-tuning et adaptation de modèles pour le test
4.3 LLMOps : déploiement, supervision et monitoring de LLMs
5. Déploiement et intégration organisationnelle
5.1 Stratégie d’adoption et feuille de route organisationnelle
5.2 Phases d’adoption et gestion du changement
5.3 Développement des compétences nécessaires
5.4 Sélection des modèles et alignement avec les besoins de test
FAQ
FAQ – Questions Fréquemment Posées
1. Ce programme nécessite-t-il un prérequis technique ?
Une connaissance de base des tests logiciels est recommandée. Une familiarité avec les principes ISTQB® constitue un atout, mais n’est pas obligatoire.
2. Le programme est-il orienté pratique ?
Oui. Des ateliers pratiques sont intégrés afin d’appliquer le Prompt Engineering, la génération de cas de test et l’utilisation de LLMs dans des contextes réels.
3. Les risques liés à l’IA générative sont-ils couverts ?
Oui. Les aspects liés aux hallucinations, biais, sécurité des données, conformité et IA responsable sont analysés avec des mécanismes de mitigation.
4. Ce programme couvre-t-il l’automatisation des tests ?
Oui. L’IA générative est appliquée à la conception, l’implémentation et l’automatisation de scénarios de test, ainsi qu’au suivi et monitoring.
5. Une attestation est-elle délivrée à la fin de la formation ?
Oui. Une attestation de participation est remise à l’issue du programme, validant les compétences acquises en IA générative appliquée au test logiciel.