Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Formation : ISTQB® Certified Tester AI Testing (CT-AI), certification

Formation pratique - 4j - 28h00 - Réf. IAQ
Prix : 3290 CHF H.T.

ISTQB® Certified Tester AI Testing (CT-AI), certification


Moyenne des avis clients Moyenne des avis clients Moyenne des avis clients Moyenne des avis clients
4,1 / 5




INTER
INTRA
SUR MESURE

Formation pratique en présentiel ou à distance
Disponible en anglais, à la demande

Réf. IAQ
  4j - 28h00
3290 CHF H.T.

Télécharger le programme

Partager cette formation







Public concerné
Testeurs logiciels, professionnels de l’assurance qualité, ingénieurs et développeurs IA, Product Owners, chefs de projets, responsables qualité, analystes, consultants et métiers liés à l’IA.

Prérequis
Avoir obtenu la certification ISTQB® Certified Tester Foundation.

Certification
L’examen de certification AI Testing (CT-AI) est inclus dans le prix de la formation et se déroule en ligne, en différé, à la date de votre choix. L’épreuve consiste en un QCM de 40 questions, d’une durée de 60 minutes. Les candidats dont la langue maternelle n’est pas le français ou en situation de handicap peuvent bénéficier d’un quart-temps supplémentaire, sous réserve d’une demande effectuée au moins 5 jours avant l’examen. Un score minimum de 65 % de bonnes réponses est requis pour obtenir la certification.
Passage des certifications à distance
Consultez la documentation officielle du certificateur pour découvrir les prérequis relatifs au passage de l’examen de certification en ligne.

Partenariat
Formation dispensée par nos partenaires accrédités par le GASQ et le Comité Français des Tests Logiciels

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Programme de la formation

1
Introduction à l'Intelligence Artificielle

  • Systèmes basés sur l'IA et systèmes conventionnels.
  • IA étroite, IA générale et super-IA.
  • Les différents types de technologies d'IA.
  • IA générative.
  • Matériel pour les systèmes de machine learning.
  • Développement et hébergement des modèles IA.
  • Frameworks de développement de ML.
  • Réglementations et normes pour l’IA.

2
Caractéristiques de qualité pour les systèmes basés sur l’IA

  • Caractéristiques de qualité des systèmes basés sur l'IA.
  • IA et sûreté.
  • Critères d’acceptation pour les systèmes basés sur l’IA.
  • Transparence, interprétabilité et explicabilité.

3
Machine Learning (ML)

  • Différentes formes de Machine Learning.
  • Workflow de Machine Learning.
  • Modèles pré-entraînés, ajustement fin et Retrieval-Augmented Generation.
  • Données pour Machine Learning.
  • Entraînement, Validation, et jeux de données de test.
  • Calcul des métriques de performance fonctionnelle pour le Machine Learning.
  • Réseaux neuronaux.
Démonstration
Créer un modèle de Machine Learning. Préparer des données en soutien à la création d'un modèle. Evaluer un modèle en utilisant une sélection de métriques de performance fonctionnelle ML. Montrer l’impact de différents modèles de Machine Learning et des combinaisons de données. Approche de l’implémentation d'un Perceptron.

4
Test des systèmes basés sur l’IA

  • Systèmes figés ou adaptatifs basés sur l’IA.
  • Approche statistique pour tester les systèmes basés sur l'IA.
  • Oracles de test pour les systèmes basés sur l’IA.
  • Test de l’IA générative et des grands modèles de langage (LLMs).
  • Red Teaming.
  • Niveaux de test pour systèmes de Machine Learning.
Démonstration
-Test exploratoire d’un LLM.

5
Test des données d’entrée pour les systèmes de Machine Learning

  • Risques liés aux données d'entrée.
  • Test de détection des biais.
  • Test du pipeline de données.
  • Test de la représentativité des données.
  • Test de l'exactitude des étiquettes.
Démonstration
Test des données d’entrée.

6
Test des modèles pour les systèmes de Machine Learning

  • Documentation et révision des modèles de Machine Learning.
  • Test de performance fonctionnelle de ML pour les systèmes de ML probabilistes.
  • Test adverse des systèmes de Machine Learning.
  • Test métamorphique.
  • Test A/B.
  • Test dos-à-dos.
Démonstration
Appliquer le test métamorphique.

7
Test du développement de Machine Learning

  • Risques liés au développement de Machine Learning et mesures d'atténuation des risques.
  • Test de déploiement des systèmes de Machine Learning.
  • Test des biais d'automatisation.


Avis clients
4,1 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
MARIA-GIOVANNA P.
26/05/26
5 / 5

La formation a pu répondre à mes interrogations concernant l’IA surtout au niveau éthique et sécurité. Merci au formateur, il a été parfait! Organisé, compétent, clair et à l’écoute. Et la revue du matin des chapitres du jour d’avant était très bien car ça nous a permis de réviser. Le dernier jour a été consacré à l’entraînement sur l’examen, ce qui a été très bien car on a vraiment pris le temps sans stress et sans courir.
JEREMIE M.
26/05/26
4 / 5

Prise du temps nécessaire pour chaque sujet Support PPT OK, mais de nombreux Support sur Paint peu ré exploitable
LAALJ W.
26/05/26
5 / 5

Très satisfaite de cette formation, formation très riche!

> Afficher plus d’avis clients


Date de publication : 07/09/2026


PARTICIPANTS
Testeurs logiciels, professionnels de l’assurance qualité, ingénieurs et développeurs IA, Product Owners, chefs de projets, responsables qualité, analystes, consultants et métiers liés à l’IA.

PRÉREQUIS
Avoir obtenu la certification ISTQB® Certified Tester Foundation.

COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.

MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

MOYENS PÉDAGOGIQUES ET TECHNIQUES
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.

MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.

ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.

Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.

Dates et lieux

Dernières places
Date garantie en présentiel ou à distance
Session garantie
Du 15 au 18 septembre 2026 *
FR
Classe à distance
S’inscrire
Du 8 au 11 décembre 2026
FR
Classe à distance
S’inscrire
Du 19 au 22 janvier 2027
FR
Classe à distance
S’inscrire
Du 19 au 22 janvier 2027
EN
Classe à distance
S’inscrire
Du 27 au 30 avril 2027
FR
Classe à distance
S’inscrire
Du 27 au 30 avril 2027
EN
Classe à distance
S’inscrire
Du 14 au 17 septembre 2027
FR
Classe à distance
S’inscrire
Du 14 au 17 septembre 2027
EN
Classe à distance
S’inscrire
Du 26 au 29 octobre 2027
FR
Classe à distance
S’inscrire
Du 26 au 29 octobre 2027
EN
Classe à distance
S’inscrire

CLASSE À DISTANCE
2026 : 15 sep., 8 déc.

2027 : 19 jan., 19 jan., 27 avr., 27 avr., 14 sep., 14 sep., 26 oct., 26 oct.



Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.