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.
Plan du cours
Introduction à l'IA dans les tests logiciels
- Aperçu des capacités de l'IA dans les tests et l'assurance qualité
- Types d'outils d'IA utilisés dans les workflows de test modernes
- Avantages et risques de l'ingénierie de la qualité alimentée par l'IA
Utilisation des GML pour la génération de cas de test
- Ingénierie des requêtes (prompt engineering) pour générer des 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
L'IA dans les tests exploratoires et les 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
Tests UI et de régression automatisés
- Utilisation d'outils d'IA comme Testim ou mabl pour la création de tests UI
- Maintien de tests UI stables grâce à des sélecteurs auto-réparateurs
- Analyse d'impact de la régression basée sur l'IA après les modifications de code
Analyse des échecs et optimisation des tests
- Regroupement des échecs de tests à l'aide de modèles GML ou ML
- Réduction des exécutions de tests instables et de la fatigue des alertes
- Hiérarchisation de l'exécution des tests basée sur les historiques
Intégration dans les pipelines CI/CD
- Intégration de la génération de tests par l'IA dans Jenkins, GitHub Actions ou GitLab CI
- Validation de la qualité des tests lors des demandes de fusion (pull requests)
- Reversions automatisées et contrôle intelligent des tests dans les pipelines
Tendances futures et utilisation responsable de l'IA dans le QA
- Évaluation de l'exactitude et de la sécurité des tests générés par l'IA
- Gouvernance et traçabilité des processus de test améliorés par l'IA
- Tendances des plateformes IA-QA et de l'observabilité intelligente
Résumé et prochaines étapes
Pré requis
- Expérience en tests logiciels, planification des tests ou automatisation de l'assurance qualité (QA)
- Familiarité avec des frameworks de test tels que JUnit, PyTest ou Selenium
- Compréhension de base des pipelines CI/CD et des environnements DevOps
Audience
- Ingénieurs QA
- Ingénieurs de développement en test (SDET)
- Testeurs de logiciels travaillant dans des contextes agiles ou DevOps
14 Heures
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