Les tests de mutation expliqués : Pourquoi une couverture à 100 % n’a toujours pas raté notre bug
Les tests de mutation vérifient vos tests en implantant de petits bugs dans le code et en voyant si les tests les détectent. Nous avons construit un petit outil de mutation, l’avons exécuté sur une suite avec une couverture complète, et il a encore trouvé trois lacunes.
- Les tests de mutation apportent de nombreuses petites modifications au code, appelées mutants, et exécutent vos tests sur chacun d’entre eux.
- Une suite de tests tue un mutant lorsqu’au moins un test échoue. La part tuée est le score de mutation.
- Notre suite avait une couverture de ligne de 100 %, mais n’a obtenu que 79 %, manquant trois bugs de limites. Deux tests aux limites l’ont porté à 100 %.
- Il est lent, alors exécutez-le sur des modules critiques ou des fichiers modifiés plutôt que sur l’intégralité de la base de code à chaque validation.
La couverture du code vous indique les lignes exécutées par vos tests. Cela ne vous dit pas si les tests détecteraient si ces lignes étaient fausses. Un test peut exécuter une ligne et ne rien affirmer à ce sujet. Les tests de mutation répondent à la question la plus difficile : si un développeur introduisait un petit bug ici, un test échouerait-il ?
Pour montrer comment cela fonctionne sans nous cacher derrière un outil, nous avons écrit un petit testeur de mutation dans environ 60 lignes de Python à l’aide du module ast, puis l’avons exécuté avec Python 3.13.6. Chaque numéro ci-dessous provient de cette course. De vrais outils tels que PIT, Stryker et mutmut font le même travail à grande échelle ; nous les décrivons plus tard mais ne les avons pas présentés ici.
Qu’est-ce que le test de mutation ?
Le processus comporte quatre étapes :
- Exécutez vos tests sur le code d’origine. Ils doivent passer.
- Créez un mutant : une copie du code avec un petit changement, comme
>=transformé en>. - Exécutez les tests contre le mutant. Si un test échoue, le mutant est tué. Si tout réussit, il survivra.
- Répétez l’opération pour de nombreux mutants et signalez ceux qui ont survécu.
Chaque mutant survivant est un bug concret que vos tests laisseraient passer. Cela rend le résultat bien plus exploitable qu’un pourcentage de couverture.
Termes clés
| Durée | Signification |
|---|---|
| mutant | Une version du code avec une modification délibérée |
| Opérateur de mutation | Une règle pour apporter des modifications, comme les « opérateurs de comparaison de swap » |
| Tué | Au moins un test a échoué contre le mutant |
| A survécu | Chaque test a réussi, donc le changement est passé inaperçu |
| Score de mutation | Mutants tués divisés par le nombre total de mutants |
| Mutant équivalent | Un changement qui ne modifie pas le comportement, donc aucun test ne peut le tuer |
Le code en test
def shipping_fee(total, is_member):
if total >= 500:
return 0
if is_member:
return 20
return 50
Les commandes de 500 ou plus sont expédiées gratuitement, les membres paient 20 et tous les autres en paient 50. La limite à exactement 500 est l’endroit où les bugs aiment se cacher, comme l’explique notre guide d’analyse des valeurs limites.
Une suite avec une couverture complète et des chèques faibles
def weak_tests(f):
assert f(600, False) == 0
assert f(100, True) == 20
assert f(100, False) == 50
Ces trois tests semblent raisonnables, un par résultat. Nous avons retracé l’exécution et confirmé que la suite utilisait les cinq lignes de corps, ce qui représente une couverture de ligne à 100 %. Tout rapport de couverture montrerait cette fonction comme étant entièrement testée. Notre guide de couverture du code explique pourquoi ce chiffre à lui seul peut induire en erreur, et cet exemple le montre.
Les 14 mutants que nous avons générés
Notre outil a parcouru l’arbre syntaxique et appliqué trois opérateurs :
- Remplacement d’opérateur relationnel :
>=est devenu>,<,<=et==(4 mutants). - Changement constant : chaque nombre, 500, 0, 20 et 50, est déplacé de haut en bas de un (8 mutants).
- Négation de condition : chaque condition
ifa été enveloppée dansnot(2 mutants).
Le cœur de l’outil est court. Il copie en profondeur l’arborescence, modifie un nœud, compile le résultat et exécute la suite de tests sur celui-ci :
def build(tree, idx, kind, val):
t = copy.deepcopy(tree)
for i, node in enumerate(ast.walk(t)):
if i == idx:
if kind == "op": node.ops = [val()]
if kind == "const": node.value = val
if kind == "neg": node.test = ast.UnaryOp(op=ast.Not(), operand=node.test)
ast.fix_missing_locations(t)
ns = {}
exec(compile(t, "<mutant>", "exec"), ns)
return ns["shipping_fee"]
Astuce : exécuter du code muté avec exec convient parfaitement pour une démo sur votre propre code. De vrais outils isolent également chaque exécution de mutant et ajoutent des délais d’attente, car certains mutants créent des boucles infinies.
Résultats : 79 % avec une couverture complète
original passes both suites
weak suite executes body lines: [3, 4, 5, 6, 7]
mutants generated: 14
weak: killed 11/14 = 79%; survivors: ['line 3: >= -> Gt', 'line 3: 500 -> 501', 'line 3: 500 -> 499']
Onze mutants sont morts, ce qui montre que les tests ont vérifié les résultats. Les trois survivants se situent tous à la limite de la livraison gratuite :
>=à>: une commande d’exactement 500 entraînerait à tort des frais. Aucun test n’a utilisé 500.- 500 à 501 : le même bug, écrit différemment.
- 500 à 499 : une commande de 499 serait expédiée gratuitement à tort. Aucun test utilisé 499.
Chaque survivant est un bug crédible du monde réel, du genre qu’un refactor précipité introduit. La couverture disait « terminé » ; les tests de mutation ont répertorié trois bogues qui seraient livrés.
Tuer les survivants
def strong_tests(f):
weak_tests(f)
assert f(500, False) == 0 # exactly on the boundary
assert f(499, False) == 50 # just below it
assert f(499, True) == 20 # just below it, member
strong: killed 14/14 = 100%; survivors: []
Les tests de frontière ont tué les trois survivants. Remarquez ce qui a changé : pas plus de lignes couvertes, mais des assertions plus précises aux valeurs exactes où le comportement change. C’est la vraie leçon. Les tests de mutation ne se contentent pas d’évaluer votre suite ; cela indique le test spécifique que vous avez oublié. Dans pytest, ceux-ci deviendraient des cas paramétrés distincts, comme le montre notre tutoriel pytest.
Opérateurs de mutation courants
| Opérateur | Exemple de changement | Bug qu’il imite |
|---|---|---|
| Relationnel | >= à > |
Un par un à une frontière |
| Arithmétique | + à - |
Mauvaise formule |
| Logique | and à or |
Logique de mauvaise condition |
| Constante | 500 à 501 |
Mauvais seuil ou limite |
| Valeur de retour | return x à return None |
Résultat ignoré par les tests |
| Suppression de la déclaration | Supprimer un appel de méthode | Effet secondaire manquant, comme une sauvegarde |
Les opérateurs de valeur de retour et de suppression d’instructions sont particulièrement efficaces pour trouver des tests qui appellent du code mais ne vérifient jamais ce qu’il a fait.
Mutants équivalents
Certains mutants ne peuvent pas être tués car ils se comportent exactement comme l’original. Par exemple, si un index de boucle commence à 0 et que le code vérifie i != len(items), le remplacer par i < len(items) peut produire des résultats identiques. Ces mutants équivalents gonflent la liste des survivants et doivent être examinés par une personne. C’est l’une des raisons pour lesquelles les équipes recherchent rarement un score de mutation de 100 % sur de grandes bases de code ; un score élevé sur le code critique est une meilleure cible.
Outils de test de mutation
- PIT (Pitest) pour Java et la JVM, largement utilisé avec Maven et Gradle.
- Stryker pour JavaScript et TypeScript, C# (Stryker.NET) et Scala.
- mutmut et Cosmic Ray pour Python.
- cargo-mutants pour Rust et Infection pour PHP.
Nous n’avons pas utilisé ces outils pour cet article. Ils ajoutent ce qui manque à notre démo : beaucoup plus d’opérateurs, d’exécutions parallèles, de délais d’attente, de mise en cache et de rapports HTML montrant chaque survivant dans votre source.
Coût et exécution dans CI
Chaque mutant signifie un autre test. Nos 14 mutants ont été instantanés, mais un vrai module peut en produire des milliers, donc une exécution complète peut prendre des heures. Des moyens pratiques pour que ce soit abordable :
- Exécutez-le sur fichiers modifiés uniquement dans les requêtes d’extraction et sur la base de code complète tous les soirs ou toutes les semaines.
- Dirigez-le vers la logique critique telle que la tarification, les autorisations et les calculs, et non vers le code généré ou les simples getters.
- Gardez les tests unitaires rapides et déterministes ; un test floconneux donne l’impression que les mutants ont été tués au hasard, ce que couvre notre guide des tests floconneux.
- Suivez le score au fil du temps au lieu de forcer une porte dure dès le premier jour.
Quand les tests de mutation en valent la peine
Cela convient mieux là où une mauvaise réponse coûte cher : facturation, taxes, remises, contrôle d’accès et validation des données. Cela est également utile lorsqu’une équipe fait trop confiance aux chiffres de couverture ou lorsque vous héritez d’une vaste suite de tests et souhaitez savoir si elle vous protège réellement. Pour des prototypes rapides, une mise en page de l’interface utilisateur ou du code avec quelques tests unitaires, commencez par les bases de notre guide de la pyramide de tests. L’associer à des tests basés sur les propriétés est puissant, car les entrées générées tuent souvent les survivants qui manquent dans les exemples triés sur le volet.
Pour conclure
Les tests de mutation testent vos tests. Dans notre petit exemple, une suite avec une couverture de ligne parfaite laisse toujours passer trois bugs de limite, et l’outil nomme chacun d’entre eux. L’ajout de deux contrôles de limites précis a corrigé le problème. Vous n’avez pas besoin de tout muter ; exécutez-le là où les erreurs coûtent le plus cher et traitez chaque survivant comme un test que vous n’avez pas encore écrit.
Questions fréquentes
Qu’est-ce que le test de mutation en termes simples ?
Il insère délibérément de petits bugs, appelés mutants, dans le code et exécute vos tests. Si un test échoue, le bug a été détecté. Les bugs qui réussissent tous les tests révèlent les points faibles de la suite.
Qu’est-ce qu’un bon score de mutation ?
Il n’existe pas de numéro universel. Visez haut la logique critique et examinez les survivants plutôt que de courir après 100 %, car des mutants équivalents ne peuvent pas être tués. Notre exemple est passé de 79 à 100 pour cent.
En quoi les tests de mutation sont-ils différents de la couverture du code ?
La couverture montre quelles lignes ont été exécutées pendant les tests. Les tests de mutation montrent si les tests détectent un comportement erroné. Notre suite avait une couverture de ligne à 100 pour cent mais manquait trois mutants limites.
Quels outils sont utilisés pour les tests de mutation ?
Les outils populaires incluent PIT pour Java, Stryker pour JavaScript, TypeScript et C#, mutmut et Cosmic Ray pour Python, cargo-mutants pour Rust et Infection pour PHP.
Pourquoi les tests de mutation sont-ils lents ?
Chaque mutant a besoin de son propre test, et les projets réels génèrent des milliers de mutants. Limitez les exécutions aux fichiers modifiés ou aux modules critiques et maintenez les tests unitaires rapides.
Continuez à apprendre
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.
Plus de guides sur tests, IA et développement moderne
Vous avez apprécié cet article ? Choisissez un sujet et accédez directement à nos nouveaux didacticiels.
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 logicielL'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 →DevOpsGit 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 logicielsExplication 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 testsExplication 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 SQLSQL 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 SQLSQL 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 logicielExplication 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 logicielModule 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 artificielleFenêtre 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 logicielLes 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 →DevOpsGit 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 testsLes 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 logicielsTests 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 artificielleL'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 →DevOpsEnregistrements 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 →DevOpsExplication 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 testsGénération 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 logicielsExplication 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 SQLFonctions 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 SQLDéclencheurs 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 logicielModule 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 logicielModules 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 logicielPython 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 artificielleExplication 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 →DevOpsClés 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 →DevOpsLa 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 testsExplication 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 logicielsExplication 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 SQLContraintes 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 SQLFonctions 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 logicielPython 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 logicielDebounce 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 logicielLes 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 artificielleTempérature 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 →DevOpsYAML 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 →DevOpsLes 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 artificielleLes 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 →DevOpsVariables 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 logicielLimitation 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 testsSe 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 logicielsCouverture 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 SQLDELETE 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 SQLVues 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 logicielInterface 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 logicielPython *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 logicielFonctions 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 artificielleQue 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 →DevOpsSurveillance 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 →DevOpsVolumes 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 testsTDD 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 logicielsTests 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 SQLExplication 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 SQLInstruction 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 logicielQu'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 logicielBoucle 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 logicielGénérateurs 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 artificielleQue 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 →DevOpsDéploiement 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 testsTests 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 logicielsTests 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 logicielsScénario 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 SQLOptimisation 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 SQLSQL 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 logicielTutoriel 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 logicielGestion 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 logicielClasses 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 artificielleQu'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 →DevOpsCommandes 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 testsSelenium 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 logicielsPartitionnement 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 logicielsGravité 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 SQLTutoriel 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 SQLTransactions 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 logicielAide-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 logicielLes 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 logicielTutoriel 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 artificielleQu’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 →DevOpsTutoriel 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 →DevOpsDocker 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 testsTutoriel 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 logicielsCycle 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 logicielGit 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 logicielList 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 SQLJointures 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 →