Formation Certification ISTQB : Devenez Testeur en Intelligence Artificielle (IA) certifié

Programme de la formation
Certification ISTQB : Devenez Testeur en Intelligence Artificielle (IA) certifié

• Introduction aux systèmes basés sur l'IA

  - Définition et composantes des systèmes basés sur l'IA (SIA)
  - Cadre d'application des SIA : Machine Learning, Deep Learning, NLP, Vision par ordinateur
  - Risques spécifiques liés aux SIA et enjeux de la qualité logicielle
  - Cycle de vie typique des SIA et points d'intégration des tests
  - Rôle du testeur dans le contexte de l'IA (IAQ)

• Principes fondamentaux du test des SIA

  - Objectifs et défis du test des SIA
  - Différences clés entre le test traditionnel et le test d'IA
  - Spécificités des tests fonctionnels et non fonctionnels pour l'IA
  - Importance des données d'entraînement et de test
  - Concepts de biais, d'équité et d'explicabilité en IA

• Données de test et leur gestion

  - Collecte, pré-traitement et sélection des données (training, validation, test)
  - Augmentation, synthèse et déséquilibrage des données
  - Bonnes pratiques pour l'anonymisation et la sécurité des données
  - Impact de la qualité des données sur la performance du modèle
  - Stratégies de gestion des jeux de données et traçabilité

• Environnements et outils de test IA

  - Présentation des environnements de développement IA (TensorFlow, PyTorch)
  - Outils spécifiques pour la gestion des données (MLFlow, DVC)
  - Plateformes de cloud computing pour l'IA et leurs implications pour le test
  - Intégration des tests dans les pipelines CI/CD pour l'IA
  - Monitoring et observabilité des modèles en production

• Techniques de test des modèles ML/DL

  - Test des composants du modèle (neuronnes, couches, hyperparamètres)
  - Techniques de test basées sur le modèle (fuzzing, adversarial examples)
  - Test des performances : précision, rappel, F1-score, AUC
  - Robustesse et sensibilité des modèles aux perturbations
  - Métriques spécifiques aux différents types de modèles (classification, régression)

• Test de sécurité et de robustesse des SIA

  - Attaques spécifiques aux SIA (empoisonnement, évasion, inversion de modèle)
  - Techniques de test pour détecter les vulnérabilités de sécurité
  - Test de robustesse aux données adversaires
  - Principes de résilience et de fiabilité des systèmes IA
  - Stratégies d'atténuation des risques de sécurité

• Test d'équité et de débiaisage des SIA

  - Définition et types de biais dans les systèmes IA
  - Identification et mesure des biais (représentatif, algorithmique)
  - Techniques de test pour évaluer l'équité et la discrimination
  - Stratégies de débiaisage des données et des modèles
  - Cadres éthiques et réglementaires liés à l'équité en IA

• Test de l'explicabilité et de l'interprétabilité

  - Concepts d'XAI (Explainable AI) et leur importance
  - Techniques pour rendre les modèles IA plus explicables (LIME, SHAP)
  - Test de la fidélité et de la cohérence des explications
  - Rôle du testeur dans la validation des capacités d'explicabilité
  - Application de l'explicabilité dans des cas réels

• Test du comportement des SIA et validation
• Test de résilience et de performance des SIA

  - Test de charge et de stress pour les systèmes IA
  - Mesure de la latence, du débit et de l'utilisation des ressources
  - Test de la scalabilité et de la performance en production
  - Tolérance aux pannes et récupération en cas d'erreur
  - Monitoring continu des performances et alertes

• Processus de test d'IA et documentation

  - Planification et stratégie de test adaptées à l'IA
  - Gestion des exigences de test et des user stories pour les SIA
  - Rapports de test et métriques spécifiques aux projets IA
  - Bonnes pratiques de documentation pour les tests IA
  - Évaluation de la maturité des processus de test IA

• Préparation à la certification ISTQB AIQ

  - Révision des concepts clés de la certification
  - Questions types et exercices pratiques
  - Stratégies pour aborder l'examen
  - Gestion du temps et des réponses
  - Derniers conseils pour le succès à l'examen