Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Introduction à l’IA dans le test logiciel
- Aperçu des capacités de l’IA en matière de test et de QA
- Types d’outils IA utilisés dans les flux de travail de test modernes
- Avantages et risques de l’ingénierie de la qualité propulsée par l’IA
LLM pour la génération de cas de test
- Prompt engineering pour la génération de tests unitaires et fonctionnels
- Création de modèles de tests paramétrés et pilotés par les données
- Conversion des user stories et des exigences en scripts de test
IA dans le test exploratoire et la gestion des cas limites
- Identification des branches ou conditions non testées à l’aide de l’IA
- Simulation de scénarios d’utilisation rares ou anormaux
- Stratégies de génération de tests basées sur les risques
Test UI et de régression automatisés
- Utilisation d’outils IA tels que Testim ou mabl pour la création de tests UI
- Maintenance de tests UI stables grâce à des sélecteurs auto-réparateurs
- Analyse d’impact de régression basée sur l’IA après les modifications de code
Analyse des échecs et optimisation des tests
- Regroupement (clustering) des échecs de tests à l’aide de modèles LLM ou ML
- Réduction des exécutions de tests instables (flaky tests) et de la fatigue liée aux alertes
- Priorisation des exécutions de tests sur la base d’insights historiques
Intégration dans les pipelines CI/CD
- Intégration de la génération de tests IA dans Jenkins, GitHub Actions ou GitLab CI
- Validation de la qualité des tests lors des requêtes d’extraction (pull requests)
- Rollbacks d’automatisation et contrôle intelligent des tests (test gating) dans les pipelines
Tendances futures et utilisation responsable de l’IA en QA
- Évaluation de la précision et de la sécurité des tests générés par IA
- Gouvernance et pistes d’audit pour les processus de test enrichis par l’IA
- Tendances des plateformes IA-QA et observabilité intelligente
Résumé et prochaines étapes
Pré requis
- Expérience en test logiciel, planification des tests ou automatisation QA
- Bonne connaissance des cadres de test tels que JUnit, PyTest ou Selenium
- Compréhension de base des pipelines CI/CD et des environnements DevOps
Public visé
- Ingénieurs QA
- Ingénieurs de développement logiciel en test (SDETs)
- Testeurs logiciels travaillant dans des contextes Agile ou DevOps
Nos clients témoignent (1)
J'ai acquis des connaissances sur la bibliothèque Streamlit en Python et je vais certainement essayer de l'utiliser pour améliorer les applications de mon équipe qui sont actuellement développées avec R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Formation - GitHub Copilot for Developers
Traduction automatique