Explication des tests par paires : comment toutes les paires réduisent 216 tests à 13, testé

  1. Accueil
  2. Blog
  3. Tests de logiciels

Tests de logiciels

Explication des tests par paires : Comment toutes les paires réduit 216 tests à 13, testé

Les tests par paires sont une technique de conception de tests qui couvre chaque combinaison de valeurs pour chaque paire d’entrées, sans tester chaque combinaison complète. Découvrez comment la matrice de paiement a été réduite de 216 cas à 13, comment nous avons vérifié la couverture et où elle est insuffisante.

9 min de lecture
Explication des tests par paires : comment les tests toutes paires réduisent les cas de test

À retenir

  • Test par paire (test toutes paires) garantit que chaque valeur de chaque entrée apparaît avec chaque valeur de toutes les autres entrées au moins une fois.
  • Notre générateur a couvert les 89 paires de valeurs d’une caisse à cinq entrées dans 13 tests, contre 216 combinaisons exhaustives.
  • Avec 13 entrées de 3 valeurs chacune, 22 tests couvraient chaque paire d’un espace de 1 594 323 combinaisons.
  • Il trouve les bugs à deux facteurs de manière fiable mais peut manquer ceux à trois facteurs : notre ensemble n’avait pas de test Safari + UPI + français.

Les logiciels modernes fonctionnent avec une multitude de combinaisons : navigateurs, systèmes d’exploitation, langues, méthodes de paiement, types de comptes, indicateurs de fonctionnalités. Tester chaque combinaison devient vite impossible. Cinq paramètres avec une poignée de valeurs produisent chacun déjà des centaines de cas, et chaque nouveau paramètre multiplie à nouveau le total. Les tests par paires sont un moyen systématique de réduire ce nombre tout en conservant les combinaisons les plus susceptibles de révéler des bugs.

Nous avons construit un petit générateur par paire dans Python 3.13, l’avons exécuté sur un exemple de paiement réaliste et avons écrit une vérification séparée pour garantir que chaque paire est réellement couverte. Les chiffres ci-dessous proviennent de cette exécution. Si vous débutez dans les techniques de conception de tests, nos guides sur le partitionnement d’équivalence et l’analyse des valeurs limites sont de bons compagnons.

Qu’est-ce que le test par paires ?

Les tests par paires sont une technique de conception de tests combinatoires en boîte noire. Pour chaque paire de paramètres d’entrée, il s’assure que chaque combinaison possible de leurs valeurs apparaît dans au moins un test. Il n’essaie pas toutes les combinaisons de tous les paramètres ensemble.

Supposons que vous testiez le navigateur et le système d’exploitation. Les tests par paires garantissent que Chrome sur Windows, Chrome sur macOS, Safari sur Android et toutes les autres paires navigateur-OS apparaissent quelque part. Étant donné qu’un scénario de test contient plusieurs paires à la fois (navigateur-OS, langage du navigateur, système de paiement, etc.), un petit ensemble de tests peut les couvrir toutes.

Vous pouvez également l’entendre appelé test toutes paires, ou considéré comme un cas particulier de test combinatoire avec une force de 2. Le test de réseaux orthogonaux est une manière connexe, plus mathématique, de construire de tels ensembles.

Pourquoi les paires suffisent la plupart du temps

L’idée repose sur une observation issue d’études de terrain : la plupart des défauts sont déclenchés par une seule valeur d’entrée ou par l’interaction de deux entrées. Une étude menée par l’Institut national américain des normes et technologies (NIST) sur les échecs réels a révélé que la part des bogues nécessitant au moins trois facteurs d’interaction diminue rapidement. Les tests par paires visent le grand milieu : des bugs qui n’apparaissent que lorsque deux paramètres se rencontrent, comme une mise en page qui ne casse que dans Safari lorsque la langue est le français.

Les bogues à facteur unique sont automatiquement couverts, car chaque valeur apparaît au moins une fois. La technique est un pari sur la probabilité, pas sur la garantie, et cela compte plus tard.

Un exemple de paiement

Nous avons modélisé la page de paiement d’une boutique en ligne avec cinq paramètres :

Paramètre Valeurs Compter
Navigateur Chrome, Firefox, Safari 3
Système d’exploitation Windows, macOS, Android 3
Paiement Carte, UPI, portefeuille 3
Type d’utilisateur Invité, Membre 2
Langue en, salut, fr, es 4

Tester chaque combinaison signifie 3 × 3 × 3 × 2 × 4 = 216 tests. Sur les dix paires de paramètres, il y a 89 paires de valeurs à couvrir. Le minimum théorique est de 12 tests, car les deux plus grands paramètres, langue (4) et navigateur (3), forment à eux seuls 12 paires qui nécessitent chacune leur propre ligne.

Les 13 tests par paires

Notre générateur gourmand sélectionne à plusieurs reprises le cas de test qui couvre les paires les plus découvertes, jusqu’à ce qu’il n’en reste plus. Il a produit 13 tests :

# Navigateur Système d’exploitation Paiement Utilisateur Langue
1 Chrome Fenêtres Carte Membre fr
2 Firefox Fenêtres UPI Invité es
3 Firefox macOS Portefeuille Membre salut
4 Safari macOS Carte Invité fr
5 Chrome Android UPI Membre fr
6 Safari Android Portefeuille Invité fr
7 Safari Fenêtres UPI Invité salut
8 Chrome macOS Portefeuille Invité es
9 Safari Android Carte Membre es
10 Firefox Fenêtres Portefeuille Invité fr
11 Firefox macOS UPI Invité fr
12 Firefox Android Carte Invité salut
13 Chrome Fenêtres Carte Invité salut

Cela représente une réduction de 94 %, soit un test au-dessus du minimum théorique. Certaines combinaisons sont irréalistes, comme Safari sous Windows ou Android dans la rangée 6. Dans les projets réels, vous ajoutez des contraintes pour exclure les paires impossibles ; des outils dédiés le prennent directement en charge.

Vérifier la couverture

Ne faites jamais confiance aveuglément à un ensemble généré. Nous l’avons vérifié avec une fonction indépendante qui recherche chaque paire de valeurs dans les tests :

import itertools

def covered(names, values, tests):
    for i, j in itertools.combinations(range(len(names)), 2):
        for a in values[i]:
            for b in values[j]:
                if not any(t[i] == a and t[j] == b for t in tests):
                    return False
    return True
exhaustive: 216 pairwise: 13 all pairs covered: True pairs: 89

Un vérificateur comme celui-ci est également utile lorsque quelqu’un modifie ultérieurement un tableau par paire, par exemple pour échanger une ligne irréaliste. Un changement imprudent peut faire tomber une paire en silence.

Comment les tests par paires évoluent

La véritable victoire apparaît à mesure que le nombre d’intrants augmente. Les tests exhaustifs connaissent une croissance exponentielle, tandis que les ensembles par paires croissent à peu près avec le logarithme du nombre de paramètres. Nous avons fait fonctionner notre générateur sur trois configurations plus grandes :

Configuration Des tests exhaustifs Tests par paires
10 paramètres × 2 valeurs 1,024 11
20 paramètres × 2 valeurs 1,048,576 16
13 paramètres × 3 valeurs 1,594,323 22

Les trois sets ont réussi le contrôle de couverture. Vingt drapeaux à fonctionnalité marche/arrêt ont plus d’un million de combinaisons, mais 16 tests ont touché chaque paire d’États du drapeau. Les outils matures produisent souvent des ensembles légèrement plus petits que notre simple approche gourmande, mais l’ordre de grandeur est le même.

Ce que les tests par paires manquent

Les tests par paires garantissent des paires, pas des triples. Nous avons simulé deux bugs sur nos 13 tests :

  • Un bug nécessitant Safari + UPI (deux facteurs) a été détecté lors du test 7.
  • Un bug nécessitant Safari + UPI + Français (trois facteurs) a été manqué. Aucun test ne combinait les trois.

Un troisième bug simulé, Safari + UPI + Hindi, a été détecté car le test 7 inclut l’hindi, mais c’était plus de chance que de conception. Si les interactions entre trois paramètres sont risquées dans votre système, augmentez la force au test à trois voies. Les outils prennent en charge n’importe quelle force, au prix de davantage de tests.

Conseil : les tests par paires choisissent quelles combinaisons exécuter, et non quelles valeurs. Choisissez d’abord les valeurs avec partitionnement d’équivalence et analyse des limites, sinon vous couvrirez chaque paire de mauvaises entrées.

Tests par paires étape par étape

  1. Listez les paramètres qui modifient le comportement : environnement, entrées, paramètres, rôles des utilisateurs.
  2. Choisissez des valeurs représentatives pour chacune, en utilisant des partitions et des limites plutôt que toutes les valeurs possibles.
  3. Ajoutez des contraintes pour les combinaisons impossibles, comme Safari uniquement sur macOS et iOS.
  4. Générez l’ensemble avec un outil, et notez sa force (2 voies, 3 voies).
  5. Vérifiez la couverture avec le rapport de l’outil ou un vérificateur comme le nôtre.
  6. Ajoutez les cas indispensables à la main : la configuration réelle la plus courante et toute combinaison qui a échoué auparavant.
  7. Définissez les résultats attendus pour chaque ligne, puis automatisez si possible, par exemple sous forme de test paramétré.

Outils de test par paires

Vous avez rarement besoin d’écrire votre propre générateur. PICT open source de Microsoft est un outil de ligne de commande largement utilisé avec prise en charge des contraintes. En Python, le package allpairspy génère des paires et l’outil ACTS du NIST prend en charge des forces plus élevées. Nous n’avons pas utilisé ces outils pour cet article ; nos chiffres proviennent de notre propre générateur. Quoi que vous utilisiez, intégrez le résultat dans des tests basés sur les données, comme indiqué dans notre guide de génération de données de test.

Quand utiliser les tests par paires

Utilisez-le lorsque vous disposez de plusieurs paramètres indépendants avec quelques valeurs chacun : matrices de navigateur et d’appareil, options de configuration, champs de formulaire avec listes déroulantes, paramètres de requête API et combinaisons d’indicateurs de fonctionnalités. Ignorez-le lorsque les paramètres dépendent fortement les uns des autres, lorsqu’une seule entrée a une plage énorme (utilisez plutôt l’analyse des limites) ou lorsque les règles métier sont des conditions explicites, que les tests de table de décision gèrent mieux. Pour les systèmes critiques pour la sécurité, il s’agit d’un plancher par paire et non d’un plafond.

Pour conclure

Les tests par paires transforment une matrice impossible en une liste courte et défendable. Dans notre exemple de paiement, 13 tests couvraient chaque paire que 216 tests exhaustifs auraient couvert, et les économies ont considérablement augmenté avec plus d’entrées. Choisissez d’abord de bonnes valeurs, ajoutez des contraintes et des cas indispensables, vérifiez la couverture et augmentez la force là où les interactions à trois représentent un risque réel. Consacrez ensuite le temps que vous avez économisé aux domaines les plus à risque, comme décrit dans notre guide de test basé sur les risques.

Questions fréquentes

Qu’est-ce que les tests par paires dans les tests logiciels ?

Il s’agit d’une technique de conception de tests combinatoires qui couvre chaque combinaison de valeurs pour chaque paire de paramètres d’entrée au moins une fois, en utilisant beaucoup moins de tests que les tests exhaustifs.

Les tests par paires sont-ils les mêmes que les tests toutes paires ?

Oui. Le test toutes paires en est un autre nom. Les deux signifient des tests combinatoires bidirectionnels, où chaque paire de valeurs de paramètres apparaît dans au moins un test.

De combien de cas de test les tests par paires ont-ils besoin ?

Au moins le produit des deux plus grandes valeurs compte. Lors de notre vérification à cinq paramètres, ce minimum était de 12, et notre générateur a produit 13 tests au lieu de 216.

Les tests par paires peuvent-ils manquer des bogues ?

Oui. Il garantit les paires, de sorte que les bogues qui nécessitent trois valeurs spécifiques ou plus ensemble peuvent être manqués. Utilisez des tests à trois voies ou des cas ciblés pour ces risques.

Quels outils génèrent des cas de test par paires ?

Les options courantes incluent Microsoft PICT, NIST ACTS et le package Python allpairspy. De nombreux outils de gestion de tests incluent également un générateur par paire.

Continuez à apprendre

Travailler avec Stack Quora

Besoin d’aide pour les tests, WordPress ou le référencement ?

Nous aidons les équipes à proposer de meilleurs logiciels et à développer leurs sites. Dites-nous sur quoi vous travaillez et nous vous proposerons une prochaine étape claire.

Continuez à lire

Plus de guides sur tests, IA et développement moderne

Vous avez apprécié cet article ? Choisissez un sujet et accédez directement à nos nouveaux didacticiels.

Intelligence artificielle

Stratégies de fragmentation RAG expliquées : fixe, chevauchement, phrase, récursif et en-têtes, mesurés

Stratégies de segmentation RAG comparées sur un document avec tiktoken 0.14 : taille fixe, chevauchement, regroupement de phrases, fractionnement ré…

Lire l'article →
Développement logiciel

L'idempotence de l'API expliquée : clés d'idempotence et tentatives sécurisées, testées

L'idempotence de l'API expliquée avec un serveur et un client Python que nous avons exécutés : une réponse perdue provoquait une double charge sans …

Lire l'article →
DevOps

Git Stash expliqué : enregistrer, appliquer, afficher et fichiers non suivis, testé

Git stash expliqué avec les commandes que nous avons exécutées sur Git 2.56 : pousser avec un message, fichiers non suivis, lister et afficher, appl…

Lire l'article →
Tests logiciels

Explication des tests par paires : comment toutes les paires réduisent 216 tests à 13, testé

Tests par paires expliqués avec un générateur que nous avons exécuté dans Python 3.13 : une vérification avec 216 combinaisons couvertes par 13 test…

Lire l'article →
Automatisation des tests

Explication des doubles de test : factice, stub, espion, simulé et faux, avec du code Python testé

Les tests doubles sont expliqués avec un exemple Python exécuté dans pytest 9.2 : factice, stub, espion, simulé et faux, quand les utiliser, les vér…

Lire l'article →
Bases de données et SQL

SQL COALESCE expliqué : valeurs par défaut, NULLIF, IFNULL vs ISNULL et Traps, testées

SQL COALESCE expliqué avec les requêtes que nous avons exécutées dans SQLite 3.50 : premières valeurs non nulles, chaînes vides, NULL en mathématiqu…

Lire l'article →
Bases de données et SQL

SQL Self Join expliqué : employé-manager, comparaisons de paires et de lignes, testés

L'auto-jointure SQL expliquée avec les requêtes que nous avons exécutées dans SQLite 3.50 : employé et manager, gagnant plus que le manager, paires …

Lire l'article →
Développement logiciel

Explication de l'opérateur de propagation JavaScript : propagation vs repos, copies et pièges, testé

L'opérateur de propagation JavaScript expliqué avec le code que nous avons exécuté sur le nœud 24 : tableaux, objets, copies superficielles, paramèt…

Lire l'article →
Développement logiciel

Module de collections Python expliqué : compteur, defaultdict, deque et plus, testé

Les collections Python expliquées avec le code que nous avons exécuté sur Python 3.13 : Counter, defaultdict, deque, approvedtuple, OrderedDict et C…

Lire l'article →
Intelligence artificielle

Fenêtre contextuelle LLM expliquée : jetons, limites et comment en adapter davantage, mesurés

La fenêtre contextuelle LLM expliquée avec le nombre de jetons que nous avons mesurés à l'aide de tiktoken : mots par rapport aux jetons pour la pro…

Lire l'article →
Développement logiciel

Les webhooks expliqués : comment ils fonctionnent et comment les recevoir en toute sécurité

Webhooks expliqués avec un récepteur et un expéditeur que nous avons exécutés en Python : push vs polling, signatures HMAC-SHA256, rejet des requête…

Lire l'article →
DevOps

Git Cherry-Pick expliqué : copiez le commit dont vous avez besoin, en toute sécurité et testé

Git Cherry-pick expliqué avec les commandes que nous avons exécutées dans Git 2.56 : copie d'un correctif dans une branche de version, nouveaux hach…

Lire l'article →
Automatisation des tests

Les tests instantanés expliqués : comment cela fonctionne, quand cela aide et quand cela fait mal

Les tests d'instantanés expliqués avec une démo pytest et sirupeuse que nous avons exécutée : création d'instantanés, lecture de la différence après…

Lire l'article →
Tests logiciels

Tests de mutation expliqués : pourquoi une couverture à 100 % n'a toujours pas détecté notre bug

Les tests de mutation expliqués avec un petit outil de mutation que nous avons construit et exécuté : 14 mutants, une suite de tests avec une couver…

Lire l'article →
Intelligence artificielle

L'injection rapide expliquée : comment les applications d'IA sont trompées et comment les défendre

L'injection rapide expliquée aux constructeurs : attaques directes et indirectes, pourquoi les filtres de mots clés échouent (notre test a bloqué 1 …

Lire l'article →
DevOps

Enregistrements DNS expliqués : A, AAAA, CNAME, MX, TXT et TTL avec de vraies recherches

Enregistrements DNS expliqués avec les recherches que nous avons effectuées : fonctionnement de la résolution, A et AAAA, règles CNAME, MX et null M…

Lire l'article →
DevOps

Explication des indicateurs de fonctionnalités : versions sécurisées, déploiements progressifs et hygiène des indicateurs

Les indicateurs de fonctionnalités expliqués avec une simulation de déploiement que nous avons exécutée : types d'indicateurs, déploiements en pourc…

Lire l'article →
Automatisation des tests

Génération de données de test avec Python Faker : données réalistes, reproductibles et sûres

Testez la génération de données avec Python Faker, exécutez et mesurez : amorçage de données répétables, paramètres régionaux, valeurs uniques, enre…

Lire l'article →
Tests logiciels

Explication des tests Shift-Left : recherchez les bugs plus tôt sans ralentir l'équipe

Les tests Shift-Left ont expliqué : ce que cela signifie, pourquoi les premiers défauts sont moins chers, les pratiques allant de l'examen des exige…

Lire l'article →
Bases de données et SQL

Fonctions de chaîne SQL expliquées : TRIM, SUBSTR, REPLACE, CONCAT et nettoyage des données

Fonctions de chaîne SQL expliquées avec les requêtes que nous avons exécutées : concaténation et NULL, TRIM, UPPER et LOWER, SUBSTR et INSTR, REPLAC…

Lire l'article →
Bases de données et SQL

Déclencheurs SQL expliqués : déclencheurs AVANT et APRÈS, journaux d'audit et pièges

Déclencheurs SQL expliqués avec les déclencheurs que nous avons exécutés : AVANT ou APRÈS, ANCIEN et NOUVEAU, journaux d'audit, validation, mises à …

Lire l'article →
Développement logiciel

Module Python JSON expliqué : vidages, chargements, types personnalisés et erreurs courantes

Le module Python JSON expliqué avec le code que nous avons exécuté : dumps et chargements, fichiers, conversions de types, dates et décimales, encod…

Lire l'article →
Développement logiciel

Modules ES vs CommonJS : fonctionnement des importations JavaScript dans Node.js, testé

Les modules ES et CommonJS expliqués avec le code que nous avons exécuté dans Node.js : syntaxe d'importation et d'exportation, exigences, liaisons …

Lire l'article →
Développement logiciel

Python Regex expliqué : modèles, groupes, anticipations et pièges, testés

L'expression régulière Python expliquée avec les modèles que nous avons exécutés : recherche contre correspondance, recherche tout, groupes et group…

Lire l'article →
Intelligence artificielle

Explication de la sortie structurée LLM : obtenir un JSON fiable à partir de modèles d'IA

Sortie structurée LLM expliquée avec la validation que nous avons exécutée dans Pydantic : mode et schémas JSON, décodage contraint, façons dont les…

Lire l'article →
DevOps

Clés SSH expliquées : comment elles fonctionnent, ssh-keygen, Ed25519 et habitudes sûres

Clés SSH expliquées avec les clés que nous avons générées : clés publiques ou privées, ssh-keygen, Ed25519 vs RSA, empreintes digitales, phrases sec…

Lire l'article →
DevOps

La mise en cache HTTP expliquée : Cache-Control, ETag et 304 réponses, avec un test en direct

La mise en cache HTTP expliquée avec un petit serveur que nous avons exécuté : directives Cache-Control, max-age, no-cache vs no-store, revalidation…

Lire l'article →
Automatisation des tests

Explication des tests des contrats API : détectez les modifications majeures avant leur expédition

Les tests de contrat API ont été expliqués à l'aide d'une vérification de schéma que nous avons effectuée : ce qu'est un contrat, les contrats axés …

Lire l'article →
Tests logiciels

Explication des tests basés sur les risques : évaluez les risques, créez une matrice et testez ce qui compte

Les tests basés sur les risques sont expliqués étape par étape : identification des risques, notation de la probabilité et de l'impact, création d'u…

Lire l'article →
Bases de données et SQL

Contraintes SQL expliquées : NOT NULL, UNIQUE, CHECK et FOREIGN KEY, testées

Les contraintes SQL expliquées avec les tests que nous avons exécutés : NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY et FOREIGN KEY, les failles NULL, …

Lire l'article →
Bases de données et SQL

Fonctions de date SQL expliquées : ajout, comparaison et regroupement de dates sans bugs

Fonctions de date SQL expliquées avec les requêtes que nous avons exécutées : ajout d'intervalles, surprises de fin de mois, différences de dates, p…

Lire l'article →
Développement logiciel

Python asyncio expliqué : asynchrone, attendre, rassembler et TaskGroup avec des timings réels

Python asyncio expliqué avec le code que nous avons chronométré : coroutines, wait, collect, TaskGroup, gestion des erreurs, délais d'attente, limit…

Lire l'article →
Développement logiciel

Debounce vs Throttle en JavaScript : comment ils fonctionnent, quand les utiliser, testés

Debounce vs throttle en JavaScript expliqué avec les timings que nous avons mesurés dans Node.js : comment chacun fonctionne, implémentations simple…

Lire l'article →
Développement logiciel

Les gestionnaires de contexte Python expliqués : l'instruction with, contextlib et les utilisations réelles

Les gestionnaires de contexte Python ont expliqué avec le code que nous avons exécuté : comment cela fonctionne, __enter__ et __exit__, contextlib.c…

Lire l'article →
Intelligence artificielle

Température LLM et Top-p expliqués : comment les modèles d'IA choisissent leur prochain mot

La température LLM et le top-p expliqués à l'aide d'une simulation que nous avons exécutée : comment les probabilités sont remodelées, ce que conser…

Lire l'article →
DevOps

YAML expliqué : syntaxe, problème norvégien et autres pièges que nous avons testés

YAML expliqué avec un test d'analyseur : syntaxe de base, listes et cartes, le problème de la Norvège, les versions se transformant en flottants, co…

Lire l'article →
DevOps

Les tâches Cron expliquées : syntaxe, horaires réels et erreurs qui les interrompent

Les tâches Cron expliquées avec les plannings que nous avons vérifiés : les cinq champs, les opérateurs, des exemples réels, le piège du jour du moi…

Lire l'article →
Intelligence artificielle

Les hallucinations de l'IA expliquées : pourquoi les modèles de langage inventent les choses et comment les réduire

Les hallucinations de l'IA ont expliqué : ce qu'elles sont, pourquoi les modèles de langage les produisent, les types courants, comment les réduire …

Lire l'article →
DevOps

Variables d'environnement expliquées : fichiers .env, secrets et configuration correctement effectués

Variables d'environnement expliquées avec des exemples Python que nous avons exécutés : lecture et définition, pourquoi chaque valeur est une chaîne…

Lire l'article →
Développement logiciel

Limitation du débit de l'API expliquée : algorithmes, en-têtes et gestion des erreurs 429

Limitation du débit de l'API expliquée avec une simulation que nous avons exécutée : compartiment de jetons, fenêtre fixe, fenêtre glissante, 429 ré…

Lire l'article →
Automatisation des tests

Se moquer en Python : unittest.mock, patch et les erreurs qui font mentir les tests

Moquerie en Python avec unittest.mock, testée : Mock et return_value, side_effect, correctifs où un nom est utilisé, spec et autospec, dates moqueus…

Lire l'article →
Tests logiciels

Couverture du code expliquée : couverture des lignes par rapport aux branches et ce que signifie réellement 100 %

Couverture du code expliquée avec une véritable exécution de cover.py : couverture des lignes, des branches et des conditions, lecture d'un rapport,…

Lire l'article →
Bases de données et SQL

DELETE vs TRUNCATE vs DROP dans SQL : différences, restauration et quand les utiliser

DELETE vs TRUNCATE vs DROP expliqué avec SQL testé : ce que chacun supprime, restauration, déclencheurs, réinitialisation d'identité, vitesse et en …

Lire l'article →
Bases de données et SQL

Vues SQL expliquées : créez, utilisez et évitez les pièges, avec des exemples

Vues SQL expliquées avec les requêtes que nous avons exécutées : création d'une vue, résultats en direct, masquage des colonnes, performances, vues …

Lire l'article →
Développement logiciel

Interface TypeScript vs Type : différences réelles, testées avec le compilateur

Interface TypeScript vs type, vérifiée avec le vrai compilateur : ce que les deux peuvent faire, ce qu'un seul peut faire, la fusion des déclaration…

Lire l'article →
Développement logiciel

Python *args et **kwargs expliqués : fonctions flexibles avec des exemples clairs

Python *args et **kwargs expliqués avec le code que nous avons exécuté : emballage et déballage, ordre des paramètres, arguments de mot-clé uniqueme…

Lire l'article →
Développement logiciel

Fonctions Python Lambda : syntaxe, utilisations réelles et quand ne pas les utiliser

Fonctions Python lambda expliquées avec le code que nous avons exécuté : syntaxe, tri avec clé, carte et filtre, fermetures, piège de liaison tardiv…

Lire l'article →
Intelligence artificielle

Que sont les agents IA ? Comment ils fonctionnent, avec une simple boucle d'agent que vous pouvez exécuter

Que sont les agents IA ? Un guide simple sur la boucle d'agent, les outils, la mémoire et les garde-fous, avec une petite boucle Python que nous avo…

Lire l'article →
DevOps

Surveillance vs observabilité : la vraie différence, avec les journaux, les métriques et les traces

Surveillance et observabilité expliquées : échecs connus et inconnus, journaux, métriques et traces, présentation pas à pas des incidents de paiemen…

Lire l'article →
DevOps

Volumes Docker vs montages Bind : conserver les données du conteneur de la bonne manière

Volumes Docker et montages de liaison expliqués : pourquoi les données du conteneur disparaissent, volumes nommés, montages de liaison, tmpfs, exemp…

Lire l'article →
Automatisation des tests

TDD vs BDD : principales différences, une fonctionnalité conçue dans les deux sens et quand les utiliser

TDD vs BDD expliqué avec une fonctionnalité de remise construite dans les deux sens : refactor rouge-vert avec le code que nous avons exécuté, scéna…

Lire l'article →
Tests logiciels

Tests d'acceptation utilisateur (UAT) : processus, liste de contrôle et exemples réels

Les tests d'acceptation des utilisateurs sont expliqués : qui les exécute, en quoi ils diffèrent du contrôle qualité, un processus en sept étapes, u…

Lire l'article →
Bases de données et SQL

Explication des valeurs SQL NULL : IS NULL, COALESCE, NULLIF et les pièges à éviter

Les valeurs SQL NULL expliquées avec les requêtes que nous avons exécutées : logique à trois valeurs, IS NULL, COALESCE, NULLIF, comment les agrégat…

Lire l'article →
Bases de données et SQL

Instruction SQL CASE WHEN : syntaxe, exemples réels et erreurs courantes

SQL CASE WHEN expliqué avec les requêtes que nous avons exécutées : formulaires simples et recherchés, ordre des conditions, pivots avec SUM, astuce…

Lire l'article →
Développement logiciel

Qu'est-ce que JWT ? Les jetons Web JSON expliqués avec un exemple fonctionnel

Qu’est-ce que JWT ? JSON Web Tokens expliqué : les trois parties, un jeton construit et falsifié dans le code que nous avons exécuté, JWT vs session…

Lire l'article →
Développement logiciel

Boucle d'événements JavaScript expliquée : pile d'appels, microtâches et minuteries avec des exemples

La boucle d'événements JavaScript expliquée avec le code que nous avons exécuté : pile d'appels, files d'attente de tâches et de microtâches, pourqu…

Lire l'article →
Développement logiciel

Générateurs Python et rendement expliqués : économisez de la mémoire avec des exemples réels

Les générateurs Python et le rendement expliqués avec le code que nous avons exécuté : comment ils s'arrêtent et reprennent, les économies de mémoir…

Lire l'article →
Intelligence artificielle

Que sont les intégrations ? Vecteurs et similarité cosinus expliqués simplement

Que sont les intégrations ? Un guide en langage simple sur les vecteurs, la similarité cosinus et la recherche sémantique, avec un petit exemple que…

Lire l'article →
DevOps

Déploiement Bleu-Vert vs Canary : différences, compromis et comment choisir

Explication du déploiement bleu-vert ou canari : comment chacun fonctionne, coût, risque et restauration, regroupement d'utilisateurs stable que nou…

Lire l'article →
Automatisation des tests

Tests instables : quelles sont leurs causes et comment les corriger définitivement

Des tests irréguliers expliqués avec des démos que nous avons exécutées : les principales causes, comment en confirmer et en diagnostiquer une, les …

Lire l'article →
Tests logiciels

Tests de charge vs tests de contrainte : différences, métriques et exemples k6

Explication des tests de charge et des tests de stress : ce que chacun prouve, les tests de pointe et de trempage, les métriques qui comptent, pourq…

Lire l'article →
Tests logiciels

Scénario de test et scénario de test : principales différences, exemples et quand les utiliser

Scénario de test et scénario de test expliqués : des définitions claires, un tableau côte à côte, une fonctionnalité de réinitialisation de mot de p…

Lire l'article →
Bases de données et SQL

Optimisation des requêtes SQL : lire les plans d'exécution et corriger les requêtes lentes, avec des délais

Optimisation des requêtes SQL testée sur un million de lignes : lire les plans d'exécution, ajouter les bons index, corriger les filtres non Sargabl…

Lire l'article →
Bases de données et SQL

SQL UNION vs UNION ALL : différences, exemples et performances testées

SQL UNION vs UNION ALL expliqué avec les requêtes que nous avons exécutées : des doublons, les règles suivent toutes les deux, un véritable bug de d…

Lire l'article →
Développement logiciel

Tutoriel API JavaScript Fetch : GET, POST, gestion des erreurs et délais d'attente

Un didacticiel de l'API JavaScript Fetch testé sur un serveur local : GET et POST, pourquoi 404 ne lance pas, un assistant réutilisable, des chaînes…

Lire l'article →
Développement logiciel

Gestion des fichiers Python : lecture, écriture, CSV, JSON et pathlib avec exemples

Gestion des fichiers Python expliquée avec le code que nous avons exécuté : modes ouverts, avec lecture de fichiers volumineux, CSV, JSON, pathlib, …

Lire l'article →
Développement logiciel

Classes et objets Python : didacticiel POO avec des exemples réels

Classes et objets Python expliqués avec le code que nous avons exécuté : __init__, méthodes, attributs de classe par rapport à l'instance, héritage,…

Lire l'article →
Intelligence artificielle

Qu'est-ce qu'un grand modèle de langage ? Comment fonctionnent les LLM, expliqués sans battage médiatique

Qu’est-ce qu’un grand modèle de langage ? Les LLM expliqués en langage simple : jetons, intégrations, attention, formation, fenêtres de température …

Lire l'article →
DevOps

Commandes Linux pour les débutants : le guide du terminal essentiel avec des exemples

Commandes Linux pour débutants, regroupées par tâche : navigation, fichiers, affichage des journaux, grep, tuyaux, autorisations, processus et archi…

Lire l'article →
Automatisation des tests

Selenium vs Playwright : principales différences, code comparé et lequel choisir

Comparatif Selenium vs Playwright : architecture, attente, support du navigateur et du langage, débogage, même test dans les deux outils, conseils d…

Lire l'article →
Tests logiciels

Partitionnement d'équivalence : technique de conception de tests expliquée avec des exemples concrets

Le partitionnement d'équivalence expliqué : comment trouver des partitions valides et invalides, des exemples concrets d'âges, de mots de passe et d…

Lire l'article →
Tests logiciels

Gravité vs priorité dans les tests logiciels : différences, matrice et exemples réels

Explication de la gravité et de la priorité dans les tests logiciels : des définitions claires, une matrice à quatre voies avec des exemples, des éc…

Lire l'article →
Bases de données et SQL

Tutoriel sur les sous-requêtes SQL : types, sous-requêtes corrélées et EXISTE avec des exemples

Un didacticiel sur les sous-requêtes SQL avec les requêtes que nous avons exécutées : les sous-requêtes scalaires, IN, FROM et SELECT, les sous-requ…

Lire l'article →
Bases de données et SQL

Transactions SQL et ACID expliquées : COMMIT, ROLLBACK et niveaux d'isolement

Transactions SQL et ACID expliquées avec un virement bancaire que nous avons effectué : COMMIT, ROLLBACK, points de sauvegarde, verrous, niveaux d'i…

Lire l'article →
Développement logiciel

Aide-mémoire sur les commandes Git : les commandes que vous utilisez réellement, avec des exemples

Une aide-mémoire sur les commandes Git regroupées par tâche : configuration, transfert, branches, télécommandes, cache, historique et annulation des…

Lire l'article →
Développement logiciel

Les promesses JavaScript expliquées : alors, catch, Promise.all et les erreurs courantes

Les promesses JavaScript expliquées avec le code que nous avons exécuté : les états, les chaînes then et catch, la gestion des erreurs, Promise.all,…

Lire l'article →
Développement logiciel

Tutoriel du dictionnaire Python : méthodes, exemples et modèles courants

Un didacticiel de dictionnaire Python avec du code que nous avons exécuté : créer, lire et mettre à jour des dictés, des méthodes clés, des fusions,…

Lire l'article →
Intelligence artificielle

Qu’est-ce que RAG ? La génération augmentée par récupération expliquée avec un exemple fonctionnel

Qu’est-ce que le RAG ? La génération augmentée par récupération expliquée étape par étape : indexation, segmentation, intégrations, récupération, un…

Lire l'article →
DevOps

Tutoriel Terraform pour les débutants : Infrastructure en tant que code du premier fichier aux modules

Un didacticiel Terraform pour les débutants : commencez sans compte cloud, apprenez l'initialisation, la planification et l'application, puis les va…

Lire l'article →
DevOps

Docker vs Kubernetes : principales différences, comment ils fonctionnent ensemble et ce dont vous avez besoin

Docker vs Kubernetes expliqué : ce que chacun fait, la même application s'exécute avec les deux, Docker Compose et Swarm comparés, les dockershim ch…

Lire l'article →
Automatisation des tests

Tutoriel Pytest pour les débutants : luminaires, paramétrage et exemples réels

Un tutoriel pytest pour les débutants avec des tests que nous avons exécutés sur pytest 9.2 : assertions, appareils, paramétrage, conftest, marqueur…

Lire l'article →
Tests logiciels

Cycle de vie des tests logiciels (STLC) : 6 phases, critères d'entrée et de sortie, exemple

Le cycle de vie des tests logiciels expliqué : six phases STLC avec des critères d'entrée et de sortie, des livrables, un exemple de fonctionnalité …

Lire l'article →
Développement logiciel

Git merge vs rebase : différences, exemples et quand utiliser chacun

Git merge vs rebase expliqué avec de vraies sorties de log, un tableau comparatif, la règle d'or du rebase et un flux de travail sûr pour les équipes.

Lire l'article →
Développement logiciel

List comprehension Python : syntaxe, exemples et cas à éviter

La list comprehension Python expliquée : syntaxe, filtres, if-else, boucles imbriquées, temps mesurés et cas où une boucle for classique est préféra…

Lire l'article →
Bases de données et SQL

Jointures SQL expliquées avec exemples (Inner, Left, Right, Full)

Comprenez les jointures SQL pas à pas avec des tables et requêtes d'exemple : INNER, LEFT, RIGHT, FULL, CROSS et SELF, plus erreurs courantes et con…

Lire l'article →