Chapitre 16 Q · 6 pts
Introduction à l'intelligence artificielle
Comprendre ce qui distingue un système d'IA d'un logiciel conventionnel, puis situer ML, deep learning et IA générative.
~2 h d'étude conseillées
ISTQB spécialiste IA
Certifications ISTQB IA : CT-AI v2.0 et CT-GenAI v1.1
Tester les systèmes d'intelligence artificielle et tester avec l'IA générative sont deux compétences distinctes. Voici le contenu, le format d'examen et la logique de préparation des deux certifications ISTQB de référence.
CT-AI v2.0
Certified Tester AI Testing
Tester les systèmes basés sur l'intelligence artificielle : qualité des données, performance des modèles, risques et déploiement ML.
- Objectifs
- 43
- Questions
- 40
- Points
- 44
- Seuil
- 29 pts
- Durée
- 60 min
- Chapitres
- 7
CT-GenAI v1.1
Certified Tester — Testing with Generative AI
Utiliser l'IA générative dans les activités de test : prompt engineering, maîtrise des risques, RAG et agents, stratégie d'adoption.
- Objectifs
- 37
- Questions
- 40
- Points
- 46
- Seuil
- 30 pts
- Durée
- 60 min
- Chapitres
- 5
Syllabus CT-AI v2.0 — 7 chapitres
Répartition officielle des questions et des points par chapitre, avec le temps d'étude conseillé pour chaque bloc du syllabus.
Chapitre 23 Q · 3 pts
Caractéristiques qualité des systèmes basés sur l'IA
Transformer des qualités abstraites — robustesse, contrôlabilité, intervenabilité — en critères d'acceptation mesurables.
~0.8 h d'étude conseillées
Chapitre 37 Q · 8 pts
Machine learning
Maîtriser le workflow ML, le rôle des jeux de données, les métriques de classification et les bases des réseaux neuronaux.
~6.3 h d'étude conseillées
Chapitre 47 Q · 8 pts
Test des systèmes basés sur l'IA
Adapter le test aux systèmes probabilistes, aux oracles imparfaits et aux modèles génératifs, avec une approche fondée sur les risques.
~3.3 h d'étude conseillées
Chapitre 56 Q · 7 pts
Test des données d'entrée des systèmes ML
Détecter les défauts qui entrent avec les données : biais, manque de représentativité, contraintes violées, labels incorrects et pipelines fragiles.
~3 h d'étude conseillées
Chapitre 69 Q · 10 pts
Test des modèles de machine learning
Tester le modèle lui-même : performance probabiliste, adversarial, métamorphique, drift, surapprentissage, A/B et back-to-back.
~3.8 h d'étude conseillées
Chapitre 72 Q · 2 pts
Test du développement du système ML
Sécuriser le passage du laboratoire à la production en testant les composants, l'intégration, la cible et le dispositif de surveillance.
~0.5 h d'étude conseillées
Syllabus CT-GenAI v1.1 — 5 chapitres
Répartition officielle des questions et des points par chapitre, avec le temps d'étude conseillé pour chaque bloc du syllabus.
Chapitre 17 Q · 7 pts
Introduction à l'IA générative pour le test logiciel
Comprendre les LLM, la tokenisation, les fenêtres de contexte, les modèles multimodaux et ce qu'ils peuvent réellement apporter aux activités de test.
~1.7 h d'étude conseillées
Chapitre 211 Q · 16 pts
Prompt engineering pour un test logiciel efficace
Structurer, chaîner, évaluer et raffiner des prompts pour l'analyse, la conception, l'automatisation et le pilotage des tests.
~6.1 h d'étude conseillées
Chapitre 310 Q · 11 pts
Gestion des risques de l'IA générative dans le test
Identifier hallucinations, erreurs de raisonnement, biais, risques de confidentialité et de sécurité, puis choisir des mesures de mitigation.
~2.7 h d'étude conseillées
Chapitre 45 Q · 5 pts
Infrastructure de test alimentée par des LLM
Comprendre RAG, bases vectorielles, agents, fine-tuning et LLMOps pour construire une infrastructure de test fiable et exploitable.
~1.8 h d'étude conseillées
Chapitre 57 Q · 7 pts
Déploiement et intégration de GenAI dans l'organisation de test
Définir une stratégie, sélectionner LLM ou SLM, maîtriser le shadow AI et faire évoluer compétences, processus et responsabilités.
~1.3 h d'étude conseillées
Niveaux cognitifs K1, K2, K3 et calcul du score
Chaque objectif d'apprentissage porte un niveau cognitif qui détermine la forme de la question et son nombre de points. Raisonner en points, et non en nombre de bonnes réponses, change la stratégie de préparation.
K11 point
Se souvenir
Restituer une définition, un terme ou un élément du syllabus (ex. citer les types de technologies d'IA).
K21 point
Comprendre
Expliquer, comparer, classer ou résumer un concept (ex. distinguer un système verrouillé d'un système adaptatif).
K32 points
Appliquer
Mettre en œuvre une technique dans un cas concret (ex. calculer précision et rappel à partir d'une matrice de confusion).
Répartition des niveaux pour CT-GenAI v1.1 : 8 objectifs K1, 26 objectifs K2 et 6 objectifs K3 — soit 46 points répartis sur 40 questions.
FAQ
Questions fréquentes sur les certifications ISTQB IA
Prêt à sécuriser votre prochaine release ?
Parlons de votre projet en 20 minutes. Je vous propose un plan de test clair, un devis transparent, et je démarre en moins d'une semaine.