Retour aux formations
IA & Data
ISTQB® Certified Tester - Testing with Generative AI v1.1
2 jour(s) • 14h
Description
Cette spécialisation porte sur l'utilisation de l'IA générative et des Large Language Models pour assister les activités de test logiciel. Elle complète le CTFL sans reproduire le contenu du Foundation.
Objectifs pédagogiques
- À l'issue de la formation, les participants seront capables de :
- Comprendre les concepts, capacités et limites de l'IA générative
- Identifier les activités de test pouvant bénéficier de la GenAl
- Concevoir des prompts efficaces appliqués au test logiciel
- Évaluer et améliorer les résultats produits par un LLM
- Utiliser la GenAl dans l'analyse et la conception des tests
- Identifier les hallucinations, biais et erreurs de raisonnement
- Maîtriser les principaux risques de confidentialité et de sécurité
- Comprendre les architectures de solutions de test alimentées par les LLM
- Comprendre les principes du Fine-Tuning et du LLMOps
- Construire une démarche d'adoption responsable de la GenAl
- Se préparer au passage de la certification CT-GenAI
Public concerné
Testeurs,
Test Analysts,
ingénieurs QA,
Test Automation Engineers,
Test Managers,
développeurs et professionnels souhaitant intégrer l'IA générative à leurs pratiques de test.
Prérequis
Être titulaire de la certification ISTQB® Certified Tester Foundation Level - CTFL. Aucune expertise approfondie préalable en intelligence artificielle ou en développement de modèles n'est nécessaire.
Déroulé du programme
1
Jour 1 - Exploiter l'IA générative pour les activités de test
2
Fondamentaux de la GenAl:
- Définitions et concepts clés
- Large Language Models - LLM
- Fonctionnement général d'un modèle génératif
- Capacités et limites
- Place de la GenAl dans le cycle de test
- Principaux cas d'usage
3
Atelier: Identifier les activités d'une équipe QA pouvant être assistées par l'IA générative.
4
Utiliser la GenAl dans le processus de test:
- Analyse des exigences
- Analyse de user stories
- Génération d'idées et scénarios de test
- Assistance à la conception des tests
- Génération et transformation de données de test
- Support à l'analyse des anomalies
- Synthèse et reporting
- Assistance aux activités de suivi
5
Cas pratique: Transformer une user story en scénarios, critères d'acceptation et cas de test avec l'aide d'un LLM.
6
Prompt Engineering appliqué au test:
- Définir l'objectif du prompt
- Fournir le contexte nécessaire
- Définir contraintes et format de sortie
- Fournir des exemples
- Techniques de prompt engineering
- Itération et amélioration progressive
7
Ateliers pratiques : Générer des cas de test et jeux de données, analyser des critères d'acceptation, améliorer progressivement un prompt et comparer plusieurs formulations pour une même tâche.
8
Évaluer les résultats:
- Exactitude
- Pertinence
- Cohérence
- Complétude
- Traçabilité
- Validation humaine
- Refinement des prompts
9
Challenge pratique: Améliorer un résultat GenAl jusqu'à obtenir une production exploitable par une équipe QA.
10
Jour 2 - Risques, architecture et intégration organisationnelle:
11
Maîtriser les risques de l'IA générative:
- Hallucinations
- Erreurs de raisonnement
- Biais
- Validation humaine des résultats
- Confidentialité des données
- Risques de sécurité
- Informations sensibles et propriété intellectuelle
- Bonnes pratiques d'utilisation des données d'entreprise
12
Utilisation responsable de la GenAl:
- Consommation énergétique
- Impact environnemental
- Réglementation
- Standards et cadres de bonnes pratiques
- Gouvernance des usages
13
Étude de cas: Identifier les risques liés au déploiement d'un assistant GenAl au sein d'une équipe de test.
14
Solutions de test basées sur les LLM:
- Principales architectures
- Contextualisation des réponses
- Intégration de LLM dans un environnement de test
- Fine-Tuning
- LLMOps
- Industrialisation des usages
15
Atelier: Définir une architecture d'assistance GenAl adaptée à une équipe QA.
16
Déployer la GenAl dans une organisation de test:
- Identifier les cas d'usage prioritaires
- Mesurer la valeur attendue
- Définir les garde-fous
- Construire une roadmap d'adoption
- Accompagner le changement
- Développer les compétences
- Mesurer l'efficacité des usages
17
Cas pratique final: Construire une feuille de route d'adoption de la GenAl pour une équipe de test.
18
Préparation à la certification:
- Révision structurée des notions clés du référentiel
- Questions d'entraînement et exercices de mise en situation
- Examen blanc et correction collective
- Analyse des erreurs et conseils méthodologiques
Informations
Durée
2 jour(s)
14h
Tarif
Sur demande
Formations similaires
IA & Data
Migration vers le Cloud
2 jour(s)
Sur demande
IA & Data
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
3 jour(s)
2200 € HT
IA & Data
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
1 jour(s)
Sur demande
IA & Data
Analyse bayésienne (4-107)
3 jour(s)
Sur demande