ISTQB IA

Introduction à l'IA générative et à son utilisation pour les tests logiciels

• Présentation des bases des grands modèles de langage (LLM – Large Language Model)

• Explication des termes propre à l’IA générative (prompt, tokenisation, embedding)

• Présentation des différents modèles d’IA générative existants (base, adapté aux instructions, de raisonnement et multimodaux)

• Présentation des techniques de prompting (zero-shot, one-shot, few-shot, enchaînement de prompts, méta-prompting) et de leur utilisation pour les tâches de test logiciel

• Illustration des applications de l'IA générative dans le domaine des tests logiciels

Risques et limites liés à l'IA générative dans les tests logiciels

• Notions d’hallucinations, d’erreurs de raisonnement et de biais lors des tests avec l'IA générative

• Notion de confidentialité et de sécurité des données liées à l'IA générative dans les tests logiciels

• Focus sur la consommation énergétique et de l'impact environnemental de l'IA générative dans les tests logiciels

• Aperçu des réglementations, normes et bonnes pratiques pour une meilleure utilisation de l'IA générative dans les tests logiciels

Mise en place de l’IA générative pour le test logiciel au sein de l’organisation

• Présentation des différentes architectures d'IA générative pour le test logiciel (Retrieval-Augmented Generation, agents d'IA générative, processus de réglage fin)

• Notion d’opérations sur les grands modèles de langage (LLMOps) pour le déploiement et la gestion des LLMs dans les tests logiciels

• Présentation d’une feuille de route pour l'intégration de l'IA générative dans les processus de test

• Focus sur les transformations organisationnelles nécessaires à l'intégration de l'IA générative dans les processus de test