A l'issue de cette formation, vous serez capable de :

• Reconnaître les principes fondamentaux de l'IA et ses applications dans les tests logiciels
• Maîtriser les techniques de "Prompt Engineering" pour la génération de cas de test
• Utiliser l'IA pour l'automatisation des tests logiciels
• Estimer les risques et les enjeux éthiques liés à l'utilisation de l'IA dans les tests logiciels.

Jour 1 - Matin

Introduction à l'IA dans les tests logiciels

• Définitions et concepts de base de l'IA : Machine Learning, Deep Learning, NLP
• Panorama des applications de l'IA dans l'assurance qualité logicielle
• Ce que l'IA Générative apporte aux tests logiciels
• Les principales techniques pour utiliser l'IA générative pour les tests

Exemples de travaux pratiques (à titre indicatif)

• Revue et analyse de projets ayant intégré l'IA pour les tests

Jour 1 - Après-midi

Prompt engineering et génération de cas de tests

• Rédiger et tester des prompts pour générer automatiquement des cas de tests fonctionnels
• Les techniques du prompting
• Création assistée de cas de tests via l'IA
• Quel modèle de langage choisir en fonction des activités - Benchmarks

Exemples de travaux pratiques (à titre indicatif)

• Revue de User Stories et génération de critères d'acceptation
• Conception de tests à partir d'Exigences et de User Stories avec ou sans critères d'acceptation
• Refactorer des cas de tests existants
• Analyser les rapports d'anomalie

Jour 2 - Matin

Automatisation des tests avec l'IA

• Automatisation intelligente : de la génération de scripts à l'exécution automatisée
• Utilisation de l'IA pour l'analyse des résultats de tests
• Intégration de l'IA dans les outils d'automatisation (ex : Selenium avec IA, Test.AI)

Exemples de travaux pratiques (à titre indicatif)

• Automatiser des tests à partir de données fournies à l'IA
• Automatiser des tests à partir de données générées par IA
• Générer des tests automatisés avec l'IA

Jour 2 - Après-midi

Enjeux, limites et éthique de l'IA dans les tests

• Hallucinations : comment détecter les erreurs d'une IA / les métriques d’évaluation
• Protection des données : gérer ce risque, quelles solutions
• Biais : exemples concrets, comment l'éviter
• Régulation de l'IA - European AI Act

Exemples de travaux pratiques (à titre indicatif)

• Comparaison des résultats obtenus avec un même prompt dans le même modèle ou des modèles différents
• Comparaison des résultats obtenu avec une même question posée avec des prompts différents