Formation ISTQB® | Tester avec l’IA générative (CT-GenAI)

• Comprendre les concepts fondamentaux, les capacités et les limites de l’IA générative
• Développer des compétences pratiques pour utiliser de grands modèles de langage dans le cadre de tests logiciels
• Acquérir une meilleure compréhension des risques et des mesures d’atténuation liés à l’utilisation de l’IA générative pour les tests logiciels
• Être capable de contribuer efficacement à la définition et à la mise en œuvre d’une stratégie et d’une feuille de route en matière d’IA générative pour les tests logiciels au sein d’une organisation
• Se préparer à la certification ISTQB Certified Tester – Testing with Generative AI (CT-GenAI)

La formation ISTQB® | Tester avec l’IA générative (CT-GenAI) complète le niveau Foundation et offre aux professionnels du test et de l’ingénierie qualité un parcours structuré et pratique pour maîtriser comment, quand et pourquoi utiliser les grands modèles de langage (LLM) et d’autres techniques d’IA générative tout au long du processus de test.
Elle enseigne comment intégrer les capacités de l’IA générative de manière responsable tout en gérant les risques clés tels que les hallucinations, les biais, la sécurité, la confidentialité et l’impact environnemental.

La formation ISTQB® | Tester avec l’IA générative (CT-GenAI) prépare également à la certification ISTQB® Certified Tester – Testing with Generative AI (CT-GenAI).

Public

• Testeurs, responsables de tests, analystes de tests, ingénieurs en automatisation des tests, et développeurs de logiciels.
• Tous les professionnels qui ont besoin d’une solide compréhension de l’IA générative dans le domaine des tests : chefs de projet, responsables qualité, responsables du développement logiciel, analystes métier, directeurs informatiques et consultants.

Prérequis

• Être certifié ISTQB® Certified Tester Foundation Level (CTFL).

Jour 1

Introduction à l’IA générative pour les tests logiciels

Fondements et concepts clés de l’IA générative

• IA symbolique, Machine Learning, Deep Learning et IA générative
• Notions de base sur l’IA générative et les LLMs 
• Modèles de fondation, réglage des instructions (LLM) et LLM de raisonnement 
• LLMs multimodaux et modèles vision-langage

Utiliser l’IA générative dans les tests logiciels : principes fondamentaux

• Principales capacités des LLM pour les tâches de test
• Chatbots IA et tests d’application optimisés par LLM

Ingénierie de prompt pour des tests logiciels efficaces

Développement efficace de prompts

• Structure des prompts pour l’IA générative
• Principales techniques de prompt
• Prompt système et prompt utilisateur

Application des techniques d’ingénierie de prompt aux tâches de test logiciel

• Analyse des tests avec l’IA générative 
• Conception et mise en œuvre de tests avec l’IA générative 
• Tests de régression automatisés avec l’IA générative 
• Surveillance et contrôle des tests avec l’IA générative 
• Choix des techniques de prompt

Évaluer les résultats et affiner les prompts pour les tâches de test logiciel

• Indicateurs pour évaluer les résultats 
• Techniques d’évaluation et d’affinement itératif des prompts

Gestion des risques liés à l’IA générative dans les tests logiciels

• Hallucinations, erreurs de raisonnement et biais
• Hallucinations, erreurs de raisonnement et biais dans l’IA générative 
• Identifier les hallucinations, les erreurs de raisonnement et les biais dans les résultats du LLM 
• Techniques d’atténuation des hallucinations, des erreurs de raisonnement et des biais de l’IA générative
• Atténuation du comportement non déterministe des LLMs

Jour 2

Gestion des risques liés à l’IA générative dans les tests logiciels

Risques liés à la confidentialité et à la sécurité des données de l’IA générative 

• Risques liés à la confidentialité et à la sécurité des données associés à l’utilisation de l’IA générative 
• Confidentialité et vulnérabilité des données dans l’IA générative pour les processus et outils de test 
• Stratégies d’atténuation pour protéger la confidentialité des données et renforcer la sécurité lors des tests avec l’IA générative

Consommation énergétique et impact environnemental de l’IA générative dans les tests logiciels
Réglementations, normes et cadres de bonnes pratiques en matière d’IA

Tests d’infrastructure optimisés par LLM pour les tests logiciels

Approches architecturales

• Composants architecturaux clés et concepts clés des tests d’infrastructure optimisés par LLM 
• Génération augmentée de récupération 
• Le rôle des agents LLM dans l’automatisation des processus de test

Fine-Tuning et LLMOps : opérationnalisation de l’IA générative pour les tests logiciels

• Fine-Tuning pour les tâches de test 
• LLMOps lors du déploiement et de la gestion des LLMs

Déploiement et intégration de l’IA générative dans les organisations de test

Feuille de route pour l’adoption de l’IA générative dans les tests logiciels

• Risques liés à l’IA fantôme 
• Points clés d’une stratégie d’IA générative 
• Sélection de LLMs/SLMs pour les tâches de test logiciel 
• Phases d’adoption de l’IA générative dans les tests logiciels

Gérer le changement lors de l’adoption de l’IA générative

• Compétences et connaissances essentielles pour les tests avec l’IA générative 
• Développer des capacités d’IA générative au sein des équipes de test 
• Évolution des processus de test dans les organisations de test basées sur l’IA

Préparation à l’examen de certification

Séances de questions-réponses
Exemple d’examen

Un équilibre pédagogique alliant 50 % théorie et 50 % pratique.

Un questionnaire de positionnement est mis en place en amont de la formation.

L’émargement est réalisé de manière dématérialisée, via une signature numérique.

À l’issue de la formation, chaque participant reçoit l’ensemble des supports pédagogiques, incluant des vidéos et des ressources complémentaires pour approfondir les acquis.

Formation à distance :
Les sessions se déroulent en classe virtuelle via Microsoft Teams. Elles nécessitent un ordinateur équipé d’une caméra, d’un micro, de haut-parleurs ainsi qu’une connexion internet haut débit.

Le lien de connexion est transmis quelques jours avant le début de la formation.

Formation dans nos locaux et assistance disponible : 
Pour toute complication survenant avant, pendant ou après la formation, notre assistance est disponible à partir de 8h30 au +33 (0)6 47 45 07 82 .

Si vous ne parvenez pas à nous joindre par téléphone, merci de nous écrire à formation@neosoft.fr  en spécifiant en quelques mots la difficulté que vous avez rencontrée. Nous vous répondrons dans les plus brefs délais. 

Évaluation

En amont de la formation, un questionnaire de positionnement est adressé aux participants afin d’identifier précisément leurs besoins, leurs attentes et leur niveau de connaissances.

Le formateur évalue la progression pédagogique des participants tout au long de la formation, à travers des quiz, des mises en situation ou des travaux pratiques.

À l’issue de la formation, les participants sont invités à évaluer leur niveau de satisfaction concernant la formation suivie.

Néosoft Training s’appuie sur un processus qualité visant à analyser les éventuels dysfonctionnements remontés par les participants. Cette démarche permet de mettre en œuvre des actions correctives adaptées, tant sur le contenu pédagogique que sur les conditions de déroulement de la formation.

Certification

Les participants à la formation ISTQB® | Tester avec l’IA générative (CT-GenAI) recevront un jeton sur leur boîte mail afin de passer la certification
Le passage de la certification a lieu en différé sur la plateforme du GASQ.
Le passage de la certification s’effectue à l’aide d’un QCM en ligne de 60 minutes – 40 questions. L’obtention de la certification nécessite un taux de bonnes réponses de 65% (30/40 réponses).