Aller au contenu principal

IA Testing — De l'initiation à la maîtrise opérationnelle

Date de mise à jour :
Identifiant Offre Info : 14_AF_0000286923
Organisme responsable : QUALIS-ACADEMY (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

Fondamentaux de l'IA appliquée au testing  Objectifs de la formation: Maîtriser le vocabulaire et les concepts fondamentaux de l'IA (LLM, RAG, agents, embeddings, hallucinations) Identifier les cas d'usage concrets et pertinents de l'IA dans le cycle de test Utiliser l'IA générative pour produire des cas de tests structurés (Gherkin, listes, JSON) Maîtriser les patterns avancés de prompt engineering (few-shot, chain-of-thought, structured output) Générer des…

Fondamentaux de l'IA appliquée au testing 

Objectifs de la formation:
  • Maîtriser le vocabulaire et les concepts fondamentaux de l'IA (LLM, RAG, agents, embeddings, hallucinations)
  • Identifier les cas d'usage concrets et pertinents de l'IA dans le cycle de test
  • Utiliser l'IA générative pour produire des cas de tests structurés (Gherkin, listes, JSON)
  • Maîtriser les patterns avancés de prompt engineering (few-shot, chain-of-thought, structured output)
  • Générer des scripts d'automatisation Playwright et Cypress assistés par IA
  • Construire un RAG (Retrieval-Augmented Generation) sur des exigences pour produire des tests cohérents
  • Évaluer et choisir les outils IA Testing du marché (Mabl, Functionize, Testim, Applitools, etc.)
  • Appréhender les agents IA autonomes pour le testing (Claude Computer Use, navigateurs autonomes)
  • Comprendre et appliquer l'AI Act européen dans son contexte QA
  • Identifier les enjeux de souveraineté IA et utiliser des LLMs locaux (Ollama, Mistral on-prem, Albert DINUM)
  • Concevoir une stratégie d'adoption IA avec un plan d'action 30/60/90 jours
  • Mesurer le ROI de l'adoption IA dans une équipe QA

Programme de la formation

MODULE 01 Jour 1 — Fondamentaux et démystification  Matin : démystification IA (IA classique, ML, Deep Learning, GenAI) et vocabulaire essentiel (LLM, tokens, embeddings, prompts, hallucinations, RAG, agents) Panorama des LLMs en 2026 : OpenAI, Anthropic, Mistral, Llama, Albert (DINUM), modèles open-source QCM de positionnement à l'entrée Après-midi : l'IA dans le cycle de test — où elle sert vraiment, où elle ne sert pas Prompt engineering : les 8 patterns essentiels…

MODULE 01
Jour 1 — Fondamentaux et démystification 
Matin : démystification IA (IA classique, ML, Deep Learning, GenAI) et vocabulaire essentiel (LLM, tokens, embeddings, prompts, hallucinations, RAG, agents)
  • Panorama des LLMs en 2026 : OpenAI, Anthropic, Mistral, Llama, Albert (DINUM), modèles open-source
  • QCM de positionnement à l'entrée
  • Après-midi : l'IA dans le cycle de test — où elle sert vraiment, où elle ne sert pas
  • Prompt engineering : les 8 patterns essentiels
  • Atelier 1 : améliorer un prompt pour générer des cas de tests
  • Compétence acquise : maîtriser le vocabulaire et écrire un bon prompt de génération de cas de tests
MODULE 02
Jour 2 — Génération et automatisation par IA 
  • Matin : workflow "User Story ? cas de tests IA-générés ? validation"
  • Patterns avancés : few-shot, chain-of-thought, structured output (JSON, Gherkin)
  • Atelier 2 : génération de cas de tests Gherkin depuis 3 User Stories réelles
  • Après-midi : génération de scripts Playwright/Cypress par IA — les bonnes pratiques
  • Génération de tests d'API depuis OpenAPI/Swagger
  • Atelier 3 : générer une suite Playwright à partir d'une spec UI et de critères d'acceptation
  • Compétence acquise : générer des cas de tests et des scripts d'automatisation de qualité production
MODULE 03
Jour 3 — Outils du marché, RAG et agents
  • Matin : panorama des outils IA Testing 2026 (Mabl, Functionize, Testim, Applitools, Katalon AI, Tricentis Tosca AI)
  • Grille d'évaluation : comment choisir un outil IA Testing pour son contexte
  • Self-healing et maintenance intelligente : comment ça marche vraiment
  • Après-midi : concept RAG appliqué au testing (indexer ses specs, exigences, bugs historiques)
  • Atelier 4 : créer un mini-RAG sur des exigences pour générer des tests cohérents
  • Introduction aux agents IA pour le testing (Claude Computer Use, navigateurs autonomes)
  • Compétence acquise : choisir les bons outils IA et construire un RAG basique
MODULE 04
Jour 4 — Éthique, souveraineté, stratégie et mini-projet
  • Matin : AI Act européen — ce qui s'applique au QA
  • Biais, hallucinations, fiabilité : comment les détecter et les gérer
  • Confidentialité des données : risques RGPD et patterns de protection
  • Souveraineté IA : LLMs locaux (Ollama), Mistral on-prem, Albert (DINUM)
  • Après-midi : stratégie d'adoption IA en équipe QA — roadmap 30/60/90 jours
  • Mesurer le ROI : KPIs, indicateurs, cas concrets
  • Mini-projet final : concevoir et présenter son plan d'adoption IA
  • Restitutions croisées + QCM final + remise attestation
  • Compétence acquise : concevoir une stratégie d'adoption IA conforme et présenter un plan d'action

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Durée

En centre

28 h

Financement

Conventionnement
Non

Conditions d'accès

Public visé

  • Tout public

Niveau d'entrée

Sans niveau spécifique

Conditions spécifiques et prérequis

Prérequis: - Connaissances de base en test logiciel (cas de tests, automatisation) - Aisance informatique (navigation web, manipulation de fichiers) - Aucune compétence en data science requise - Aucune compétence en développement requise (mais elle est un plus)

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement en présentielle

Adresse

2 RUE VINCENT VAN GOGH
93360 Neuilly-Plaisance

Responsable : QUALIS-ACADEMY

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
QUALIS-ACADEMY
93360 Neuilly-Plaisance
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates fixes