Formation ISTQB® Testing with Generative AI, avec certification CT-GenAI.
Score de satisfaction : 4.92/5
Durée :
2 jours
Distanciel et 16 villes en France
numero vert : 0805 950 800 (service et appel gratuits)
à partir de
1900 €HT
98% d'avis positifs* participants

Référence :
SF34494
Durée :
2 jours

En présentiel ou distanciel


  • 14 heures de formation
  • Exercices pratiques
  • Prise en charge OPCO possible
Vous souhaitez personnaliser cette formation ?
  • En entreprise ou à distance
  • Cadrage pédagogique gratuit
  • Programme de formation sur mesure
  • Formateur expert dédié
  • Prise en charge OPCO possible

Formation ISTQB® Testing with Generative AI, avec certification CT-GenAI.

Révolutionnez vos pratiques de test logiciel grâce à l'IA Générative : maîtrisez le prompt engineering, sécurisez vos approches et certifiez vos compétences avec le nouveau standard ISTQB® !

L'intelligence artificielle générative (GenAI) transforme radicalement le paysage du test logiciel. Cette formation de niveau spécialiste vous donne les clés pour intégrer efficacement les LLM (Large Language Models) dans vos processus de qualité. Au-delà de la simple utilisation de chatbots, vous apprendrez à concevoir des prompts structurés pour l'analyse, la conception et l'automatisation des tests. Vous aborderez également les défis critiques liés aux hallucinations, à la confidentialité des données et à l'impact environnemental. Cette formation prépare à l'examen de certification officiel ISTQB® CT-GenAI, validant votre expertise dans l'utilisation assistée par IA des activités de test.

Objectifs pédagogiques.

1Comprendre les concepts fondamentaux de l'IA générative (LLM, tokenisation, modèles multimodaux) appliqués au test logiciel.

2Maîtriser les techniques avancées de "Prompt Engineering" (chaining, few-shot, meta-prompting) pour générer des cas de tests, des scripts automatisés et des données de test.

3Identifier et atténuer les risques spécifiques à l'IA : hallucinations, biais, erreurs de raisonnement et fuites de données.

4Mettre en œuvre une infrastructure de test basée sur les LLM, incluant les techniques RAG (Retrieval-Augmented Generation) et les agents IA.

5Définir une stratégie et une feuille de route pour l'adoption de l'IA générative au sein d'une organisation de test.

Prérequis : Pour suivre la formation : Une connaissance de base des activités de test logiciel est recommandée.Pour passer l'examen : La certification ISTQB® Niveau Fondation (CTFL) est obligatoire pour se présenter à l'examen CT-GenAI.
Partagez cette formation

Programme de formation ISTQB® Testing with Generative AI, avec certification CT-GenAI.

Introduction à l’IA générative pour le test logiciel

Les fondations de l’IA : distinction entre IA symbolique, Machine Learning classique, Deep Learning et GenAI.
Fonctionnement des LLM : tokenisation, embeddings et fenêtres de contexte.
Typologie des modèles : LLM de fondation, « Instruction-Tuned » et modèles de raisonnement.
Modèles multimodaux : traitement combiné du texte et des images pour le test.
Cas d’usage : Chatbots IA vs Applications de test propulsées par LLM.

Prompt engineering pour un test efficace

Structure d’un prompt efficace : Rôle, Contexte, Instruction, Données d’entrée, Contraintes, Format de sortie.
Techniques avancées :
Prompt Chaining (enchaînement de prompts).
Few-shot prompting (apprentissage par l’exemple).
Meta prompting et distinction System/User prompts.
Applications pratiques aux activités de test :
Analyse de test : génération de critères d’acceptation à partir de User Stories ou Wireframes.
Conception de test : création de cas de tests fonctionnels et scénarios Gherkin.
Automatisation : génération et réparation de scripts de test, données synthétiques.
Monitoring : analyse de rapports de tests et métriques.
Évaluation et affinement : Métriques de qualité des réponses IA et itération des prompts.

Gestion des Risques de l’IA Générative

Qualité des réponses : Détection et mitigation des hallucinations, erreurs de raisonnement et biais.
Comportement non-déterministe : Comprendre la variabilité des résultats des LLM.
Sécurité et Confidentialité : Risques d’exposition de données, attaques par injection de prompt et stratégies de protection (anonymisation, RGPD).
Impact Environnemental : Consommation énergétique et empreinte carbone des requêtes IA.
Réglementations : Aperçu de l’AI Act et des standards ISO/IEC pertinents.

Infrastructure de Test propulsée par LLM

Architecture des systèmes de test basés sur l’IA.
RAG (Retrieval-Augmented Generation) : Améliorer la précision en connectant l’IA à la documentation technique interne.
Agents IA : Rôle des agents autonomes et semi-autonomes dans l’exécution des tests.
Opérationnalisation : Notions de Fine-Tuning (affinement de modèles) et LLMOps pour le test.

Déploiement et Stratégie dans l’Organisation

Roadmap d’adoption : phases de découverte, initiation et utilisation à l’échelle.
Risques du « Shadow AI » (utilisation non contrôlée).
Sélection des modèles : Critères de choix entre LLM commerciaux, Open Source ou SLM (Small Language Models).
Gestion du changement : Évolution des compétences et des rôles au sein des équipes de test.

Notre charte qualité et éthique.

A travers sa Charte Engagement Qualité, Sparks s’engage à tout mettre en œuvre pour que chaque session de formation soit un succès et que votre satisfaction soit totale.

Amandine de Sparks
Des chiffres étincelants.
20 années
à vos côtés
+ de 1000
sujets de formation
8702
stagiaires formés en 2024
252
formateurs actifs en 2024
97,9%
de stagiaires satisfaits
23793
heures de formation réalisées en 2024
HAUT