Testeur Certifié – Certification ISTQB® niveau Spécialiste Tester avec l’IA Générative (CT-GenAI)

À l’issue de la formation, vous serez en mesure de :

• Comprendre les concepts fondamentaux, les capacités et les limites de l’IA générative
• Développer des compétences pratiques en ingénierie du prompting pour les tests logiciels
• Identifier et atténuer les risques liés à l’utilisation de l’IA générative dans les tests
• Maîtriser les infrastructures de test basées sur LLM et contribuer à la stratégie GenAI de son organisation

La qualification « Tester avec l’IA Générative » s’adresse à toute personne impliquée dans l’utilisation de l’IA générative pour les tests logiciels. Cela inclut les testeurs, analystes de tests, ingénieurs en automatisation des tests, test managers, testeurs d’acceptation utilisateur et développeurs de logiciels. Cette qualification convient également aux chefs de projet, responsables qualité, responsables du développement logiciel, analystes métier, directeurs informatiques et consultants en management souhaitant acquérir des connaissances sur l’utilisation de l’IA générative pour les tests logiciels.

Le certificat est reconnu internationalement et démontre la compétence professionnelle des candidats dans l’utilisation de l’IA générative pour les tests logiciels.

Pour suivre cette formation, il est indispensable de :

• Posséder la certification ISTQB Foundation.

Pour suivre cette formation, il est recommandé de :

• Avoir des connaissances de base en intelligence artificielle.
• Avoir une expérience pratique dans le domaine du test logiciel.

La lecture du Glossaire ISTQB en amont de la formation vous permet d’assimiler certaines notions, qui seront vues en cours.

Chapitre 1 Introduction à l’IA générative pour les tests logiciels (100 min)

Fondements et concepts clés de l’IA générative

• Rappeler différents types d’IA : IA symbolique machine Learning classique Deep Learning et IA générative
• Expliquer les bases de l’IA générative et des grands modèles de langage
• Faire la différence entre LLM de base, LLM adapté aux instructions et LLM de raisonnement
• Résumer les principes de base des modèles multimodaux de langage et des modèles de vision

Tirer parti de l’IA générative dans les tests logiciels : principes généraux

• Donner des exemples de capacités clés des LLMs pour les tâches de test Notions de base sur l’IA générative et les LLMs ;
• Comparer les modalités d’interaction lorsque vous utilisez l’IA générative pour tester des logiciels

Chapitre 2 Ingénierie du prompting pour des tests logiciels efficaces (365 min)

Développement efficace des prompts

• Donner des exemples de la structure des prompts utilisées dans l’IA générative pour les tests logiciels
• Différencier les principales techniques de prompting pour les tests logiciels
• Distinguer les prompts systèmes des prompts utilisateur

Application des techniques d’ingénierie du prompting aux tâches de test logiciel

• Appliquer l’IA générative aux tâches d’analyse de test
• Appliquer l’IA générative à la conception des tests et à l’implémentation des tests
• Appliquer l’IA générative aux tests de régression automatisés
• Appliquer l’IA générative aux tâches de contrôle et de suivi des tests
• Sélectionner et appliquer les techniques de prompt appropriées à un contexte et à une tâche de test donnés

Évaluer les résultats de l’IA générative et affiner les prompts pour les tâches de test logiciel

• Comprendre les métriques permettant d’évaluer les résultats de l’IA générative sur des tâches de test
• Donner des exemples de techniques permettant d’évaluer et de remanier de manière itérative les prompts

Chapitre 3 Gérer les risques liés à l’IA générative dans les tests logiciels (160 min)

Hallucinations, erreurs de raisonnement et biais

• Rappeler les définitions des hallucinations, des erreurs de raisonnement et des biais dans les systèmes d’IA générative
• Analyser les hallucinations, les erreurs de raisonnement et les biais dans les résultats des LLMs
• Résumer les techniques d’atténuation des hallucinations, des erreurs de raisonnement et des biais de l’IA générative dans les tâches de test logiciel
• Rappeler les techniques d’atténuation pour le comportement non déterministe des LLMs

Risques liés à la confidentialité et à la sécurité des données dans le domaine de l’IA générative pour les tests logiciels

• Expliquer les principaux risques liés à la confidentialité des données et à la sécurité associés à l’utilisation de l’IA générative dans les tests logiciels
• Donner des exemples de confidentialité des données et de vulnérabilités liées à l’utilisation de l’IA générative dans les tests logiciels
• Résumer les stratégies d’atténuation visant à protéger la confidentialité des données et à renforcer la sécurité dans l’IA générative pour les tests logiciels

Consommation énergétique et impact environnemental de l’IA générative pour les tests logiciels

• Expliquer l’impact des caractéristiques des tâches et de l’utilisation des modèles sur la consommation énergétique de l’IA générative dans les tests logiciels

Règlements, normes et cadres de bonnes pratiques en matière d’IA

• Rappeler des exemples de réglementations, de normes et de cadres de bonnes pratiques en matière d’IA pertinents pour l’IA générative pour les tests logiciels

Chapitre 4 Infrastructure de test basée sur LLM pour les tests logiciels (110 min)

Approches architecturales pour les infrastructures de test basées sur LLM

• Expliquer les principaux composants architecturaux et concepts de l’infrastructure de test basée sur LLM
• Résumer les principes de la technologie Retrieval-Augmented Generation
• Expliquer le rôle et l’application des agents basés sur LLM dans l’automatisation des processus de test

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

• Expliquer le fine-tuning des modèles de langage pour des tâches de test spécifiques
• Expliquer les LLMOps et leur rôle dans le déploiement et la gestion des LLMs pour les tâches de test

Chapitre 5 Déploiement et intégration de l’IA générative dans les organisations de test (80 min)

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

• Risques liés à l’IA fantôme
• Expliquer les aspects clés à prendre en compte lors de la définition d’une stratégie d’IA générative pour les tests logiciels
• Résumer les critères clés pour sélectionner les LLMs/SLMs pour les tâches de test logiciel dans un contexte donné
• Rappeler les phases clés de l’adoption de l’IA générative dans une organisation test

Gérer le changement lors de l’adoption de l’IA générative pour les tests logiciels

• Expliquer les compétences et les connaissances essentielles requises pour que les testeurs puissent travailler efficacement avec l’IA générative dans les processus de test
• Rappeler les stratégies visant à développer les compétences en IA au sein des équipes de test afin de soutenir l’adoption de l’IA générative dans les activités de test
• Reconnaître comment les processus de test et les responsabilités évoluent au sein d’une organisation de test lors de l’adoption de l’IA générative 

Passage de la certification

• Révision sur les thèmes principaux abordés en formation ;
• Examen blanc / correction commentée ;
• Mise en place de l’examen par le GASQ mandaté par l’ISTQB ;
• Passage de la certification officielle ISTQB CT-GenAI