Installer et configurer Claude Code, avec les vrais réglages qui évitent les pièges classiques (mode d'approbation, authentification)
Écrire un SKILL.md conforme aux règles qui font la différence entre un skill fragile et un skill fiable
Voir votre skill échouer une première fois — et comprendre pourquoi c'est normal, pas un échec
Découvrir, comme dans un vrai projet, qu'une user story peut décrire une fonctionnalité qui n'existe pas encore dans le produit — et apprendre à documenter cet écart plutôt qu'à le maquiller
Construire un second Skill qui audite vos conventions de code, avec un mécanisme de « cliquet » qui distingue les vieux problèmes des nouveaux
Repartir avec un projet complet, versionné sur votre propre GitHub, avec deux Skills prouvés par exécution réelle
Testeurs manuels en reconversion vers l'automatisation, ingénieurs QA automatisation qui découvrent l'IA agentique, équipes qui veulent transformer Claude Code en collègue de confiance plutôt qu'en boîte noire.
Aucune expérience en IA agentique nécessaire. Des bases en Robot Framework aident, mais ne sont pas obligatoires — le projet starter est fourni, prêt à l'emploi.
Vous aurez besoin d'un abonnement Claude Pro (actuellement à partir de 20$/mois, résiliable par mois) ou supérieur pour utiliser Claude Code — la version gratuite de Claude n'y donne pas accès. Une alternative existe via un compte API à l'usage (Console Anthropic), facturé au token plutôt qu'en abonnement fixe.
Dr.-Ing. Joan Mouba — seul formateur RFCP® accrédité francophone au monde, certifié ISTQB et IREB CPRE, auteur des livres:
MCP pour Testeurs Robot Framework
Skills AI pour Testeurs Robot Framework.
Le vocabulaire et les règles qui font la différence entre un skill fragile et un skill fiable : nom, description, corps, mécanisme de divulgation progressive — décortiqués sur un cas réel, jusqu'à une checklist d'audit à 9 points que vous réutiliserez tout au long du Module B.
De l'environnement vide à deux Agent Skills prouvés par exécution réelle, contre le vrai produit — pas une lecture de code qui semble correcte. Vous versionnez, vous poussez sur votre propre GitHub, et vous découvrez, comme dans un vrai projet, qu'une user story peut ne pas correspondre exactement à ce que l'application sait faire.