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 les tests logiciels
- Vue d’ensemble des capacités de l’IA dans les tests et l’assurance qualité
- Types d’outils d’IA utilisés dans les flux de travail de test modernes
- Avantages et risques de l’ingénierie de la qualité pilotée par l’IA
LLM pour la génération de cas de test
- Conception d’instructions (prompt engineering) pour générer des tests unitaires et fonctionnels
- Création de modèles de test paramétrés et pilotés par les données
- Conversion des histoires utilisateur 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 automatisés d’interface utilisateur et de régression
- Utilisation d’outils d’IA comme Testim ou mabl pour la création de tests d’interface utilisateur
- Maintien de la stabilité des tests d’interface utilisateur grâce à des sélecteurs auto-réparateurs
- Analyse de l’impact des régressions basée sur l’IA après des modifications de code
Analyse des échecs et optimisation des tests
- Regroupement des échecs de tests à l’aide de modèles LLM ou ML
- Réduction des exécutions de tests instables et de la fatigue due aux alertes
- Priorisation de l’exécution des tests sur la base d’insights historiques
Intégration aux pipelines CI/CD
- Intégration de la génération de tests par IA dans Jenkins, GitHub Actions ou GitLab CI
- Validation de la qualité des tests lors des demandes de fusion (pull requests)
- Annulation automatique et contrôle intelligent des tests dans les pipelines
Tendances futures et utilisation responsable de l’IA dans la QA
- Évaluation de l’exactitude et de la sécurité des tests générés par l’IA
- Gouvernance et pistes d’audit pour les 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 test logiciel, planification des tests ou automatisation des tests QA
- Connaissance des cadres de test tels que JUnit, PyTest ou Selenium
- Compréhension de base des pipelines CI/CD et des environnements DevOps
Audience cible
- Ingénieurs QA
- Ingénieurs en développement logiciel pour les tests (SDETs)
- Testeurs logiciels travaillant dans des contextes agiles 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