La similarité cosinus expliquée : Formule, exemple pratique et code Python
La similarité cosinusoïdale mesure à quel point deux vecteurs pointent dans la même direction, de -1 (opposé) à 1 (direction identique), en ignorant leur longueur. Apprenez la formule, travaillez un exemple à la main, exécutez-la en Python et NumPy et voyez pourquoi la recherche AI et RAG en dépendent.
- Similarité cosinus = produit scalaire ÷ (longueur de A × longueur de B). Il compare la direction, pas la taille.
- Pour [3, 4] et [6, 8], c’est exactement 1,0, même si un vecteur est deux fois plus long ; les vecteurs perpendiculaires donnent 0 et les vecteurs opposés donnent -1.
- Dans notre test de comptage de mots, le cosinus a classé un document long et répétitif en deuxième position, tandis que la distance euclidienne l’a classé en dernière position.
- Avec des vecteurs normalisés à la longueur 1, la similarité cosinus équivaut à un produit scalaire simple, c’est pourquoi les bases de données vectorielles normalisent souvent en premier.
Chaque fois qu’un moteur de recherche trouve des documents « similaires » à votre requête, ou qu’un chatbot récupère le bon paragraphe de vos fichiers, il y a de fortes chances que la similitude cosinusoïdale fasse la comparaison. C’est l’une des idées les plus utiles en apprentissage automatique, mais elle ne nécessite que des mathématiques scolaires. Tous les numéros ci-dessous proviennent du code que nous avons exécuté sur Python 3.13.6, avec NumPy 2.5.4 pour la version vectorisée.
La formule de similarité cosinus
cos(A, B) = (A · B) / (‖A‖ × ‖B‖)
A · B = a1×b1 + a2×b2 + ... + an×bn (dot product)
‖A‖ = √(a1² + a2² + ... + an²) (length, or norm)
Le résultat est le cosinus de l’angle entre les deux vecteurs. Deux flèches pointant dans la même direction ont un angle de 0° et cos 0° = 1. Les flèches à angle droit ont un cos 90° = 0. Les flèches pointant dans des directions opposées ont un cos 180° = -1. Parce que les longueurs sont divisées, seule la direction compte.
Un exemple travaillé à la main
Prenez A = [3, 4] et B = [6, 8] :
- Produit scalaire : 3×6 + 4×8 = 18 + 32 = 50.
- Longueur de A : √(9 + 16) = 5. Longueur de B : √(36 + 64) = 10.
- Similitude cosinus : 50 ÷ (5 × 10) = 1,0.
B est juste A doublé, donc ils pointent exactement dans la même direction. Notre code était d’accord : cos(A,B) = 1.000. La distance euclidienne qui les séparait était cependant de 5,0, donc une mesure basée sur la distance les qualifierait de très différentes.
Que signifient les valeurs
| Paire | Vecteurs | Cosinus | Signification |
|---|---|---|---|
| Même direction | [3, 4] et [6, 8] | 1.000 | Direction identique |
| Perpendiculaire | [3, 4] et [4, -3] | 0.000 | Sans rapport |
| Ci-contre | [3, 4] et [-3, -4] | -1.000 | Direction opposée |
Avec le nombre de mots, qui n’est jamais négatif, les scores restent entre 0 et 1. Avec les intégrations, des valeurs négatives sont possibles, mais en pratique, la plupart des textes associés obtiennent des scores bien supérieurs à 0. La distance cosinusoïdale est simplement 1 moins la similarité cosinusoïdale, utilisée là où une bibliothèque s’attend à ce que « plus petit est plus proche ».
Calculez-le en Python pur
import math
def cos(a, b):
dot = sum(x * y for x, y in zip(a, b))
na = math.sqrt(sum(x * x for x in a))
nb = math.sqrt(sum(y * y for y in b))
return dot / (na * nb)
print(cos([3, 4], [6, 8])) # 1.0
Dix lignes, pas de bibliothèques. Il est parfait pour l’apprentissage et les petits travaux. Notez ce qui se passe avec un vecteur nul : cos([0, 0], [1, 2]) a augmenté ZeroDivisionError: float division by zero dans notre exécution, car un vecteur sans longueur n’a pas de direction. Protégez-vous de cela dans le vrai code.
Version rapide avec NumPy
import numpy as np
A, B = np.array([3, 4]), np.array([6, 8])
print(np.dot(A, B) / (np.linalg.norm(A) * np.linalg.norm(B))) # 1.0
Pour plusieurs vecteurs à la fois, normalisez chaque ligne et utilisez une multiplication matricielle. Nous avons créé 10 000 vecteurs aléatoires de 384 dimensions (384 est une taille d’intégration courante) et les avons tous comparés avec un vecteur de requête :
Mn = M / np.linalg.norm(M, axis=1, keepdims=True)
scores = Mn @ (q / np.linalg.norm(q))
top = np.argsort(-scores)[:3]
La comparaison complète et le classement ont pris 25,5 ms. Le résultat le plus élevé était la requête elle-même avec un score de 1,0, et les meilleurs vecteurs aléatoires suivants n’avaient qu’un score d’environ 0,18, comme on peut s’y attendre avec des données aléatoires non liées. scikit-learn propose le même calcul que sklearn.metrics.pairwise.cosine_similarity, que nous n’avons pas exécuté ici.
Astuce : normalisez les vecteurs une fois lorsque vous les stockez. Après cela, la similarité cosinus n’est qu’un produit scalaire. Dans notre test à 768 dimensions, le produit scalaire des vecteurs normalisés correspondait à la formule complète à six décimales (0,885104 dans les deux sens).
Un exemple de texte : les mots comptent
Transformez chaque document en décomptes sur un petit vocabulaire : python, erreur, installation, serpent, morsure, pip. Comparez ensuite chacun avec la requête « python pip install error » :
| Doc | Texte | Cosinus | Distance euclidienne |
|---|---|---|---|
| d1 | pip d’erreur d’installation de Python | 1.000 | 0.00 |
| d4 | erreur python erreur erreur d’installation pip pip | 0.904 | 2.24 |
| d2 | pip installer python python | 0.816 | 1.41 |
| d3 | python, morsure de serpent | 0.289 | 2.24 |
Cosinus classé d4 deuxième : il s’agit exactement du même sujet, juste plus long et plus répétitif. La distance euclidienne l’a lié à d3, le document serpent, car les mots supplémentaires augmentent la distance, quelle que soit leur signification. C’est la principale raison pour laquelle la recherche de texte préfère le cosinus : la longueur du document ne doit pas décider de sa pertinence. Les systèmes réels utilisent des intégrations au lieu de décomptes bruts, de sorte que « échec de l’installation » peut correspondre à « erreur de configuration » même sans mots partagés ; voir que sont les intégrations.
Similitude cosinus vs distance euclidienne
| Aspect | Similitude cosinus | Distance euclidienne |
|---|---|---|
| Mesures | Angle (direction) | Écart en ligne droite |
| Affecté par la longueur | Non | Oui |
| Gamme | -1 à 1 | 0 à l’infini |
| Idéal pour | Texte, intégrations, recommandations | Coordonnées, lectures de capteurs, regroupement de mesures brutes |
Pour les vecteurs normalisés à la longueur 1, les deux donnent le même classement, le choix est donc plus important pour les données brutes non normalisées.
Pourquoi la recherche AI et RAG l’utilisent
Dans la génération augmentée par récupération, le modèle qui permet à un grand modèle de langage de répondre à partir de vos propres documents, chaque morceau de document est transformé en intégration et stocké. Une question est intégrée de la même manière et le système renvoie les morceaux présentant la similarité cosinusoïdale la plus élevée. Nous avons simulé cela avec des vecteurs à 768 dimensions : un vecteur créé en ajoutant du bruit aléatoire (la moitié de la force du signal) à un autre a obtenu un score de 0,885, tandis qu’un vecteur aléatoire sans rapport a obtenu un score de 0,011. Les significations associées sont proches ; ceux qui ne sont pas liés sont proches de 0. Les bases de données vectorielles accélèrent cela avec des index approximatifs du voisin le plus proche ; consultez notre guide des bases de données vectorielles et qu’est-ce que RAG. La manière dont vous divisez les documents en premier est également importante, comme l’a montré notre test de stratégies de segmentation RAG.
De la partition à l’angle
Parce que la partition est un cosinus, vous pouvez la reconvertir en angle avec math.degrees(math.acos(score)). Pour notre exemple de texte, d4 à 0,904 se trouvait à environ 25,3° de la requête, d2 à 0,816 à 35,3° et le document serpent à 0,289 à 73,2°. Les angles rendent l’intuition concrète : les petits angles signifient le même sujet, les angles proches de 90° signifient peu de points communs.
Comment choisir un seuil de similarité
De nombreux systèmes ne conservent que les correspondances supérieures à un seuil, tel que 0,75. Il n’existe pas de chiffre universel, car chaque modèle d’intégration répartit ses scores différemment. Un processus pratique :
- Collectez 30 à 50 requêtes réelles et marquez quels documents sont vraiment pertinents.
- Calculez les scores cosinus pour toutes les paires de requêtes et de documents.
- Examinez les plages de scores des paires pertinentes et non pertinentes ; ils se chevauchent généralement un peu.
- Choisissez le seuil qui équilibre les réponses manquées et les mauvaises pour votre cas d’utilisation, puis revérifiez-le chaque fois que vous changez de modèle.
Il est souvent plus sûr de renvoyer les premières correspondances par score et de laisser l’application ou le modèle de langage décider, plutôt que de se fier à un seuil fixe.
Les pièges à éviter
- Vecteurs zéro : ils provoquent une division par zéro ; ignorez-les ou manipulez-les.
- Mélange de modèles : les intégrations de différents modèles vivent dans des espaces différents, de sorte que leurs scores cosinus n’ont aucun sens ensemble.
- Traitement des scores en pourcentages : 0,8 n’est pas « similaire à 80 % » et les bons seuils diffèrent selon le modèle. Calibrez sur vos propres données.
- Ignorer la grandeur quand cela compte : si la taille a une signification, comme les montants d’achat, le cosinus jette cette information.
- Dépassement d’entier ou précision : utilisez la virgule flottante et normalisez une fois, pas à chaque requête.
Résumé prêt pour l’entretien
“La similarité cosinus mesure l’angle entre deux vecteurs : le produit scalaire divisé par le produit de leurs longueurs. Il varie de -1 à 1 et ignore la magnitude, ce qui le rend idéal pour comparer du texte et des intégrations de différentes longueurs. La distance cosinus est de 1 moins la similarité, et pour les vecteurs normalisés, la similarité cosinus est égale au produit scalaire, que les bases de données vectorielles utilisent pour la vitesse. ” Sauvegardez-le avec les exemples [3, 4] et [6, 8], qui obtiennent exactement 1,0 même si les vecteurs diffèrent en longueur.
Pour conclure
La similarité cosinusoïdale est le produit scalaire de deux vecteurs divisé par leurs longueurs, et elle répond à une question : sont-ils orientés de la même manière ? Cela le rend idéal pour le texte et les intégrations, où la longueur est du bruit et la direction est un sens. Apprenez-le manuellement une fois, utilisez NumPy ou votre base de données vectorielles dans la pratique, normalisez tôt et calibrez les seuils sur vos propres données.
Questions fréquentes
Qu’est-ce que la similarité cosinus en termes simples ?
C’est un score de -1 à 1 qui montre à quel point deux vecteurs pointent dans la même direction. 1 signifie la même direction, 0 signifie sans rapport et -1 signifie opposé.
Quelle est la formule de similarité cosinus ?
La similarité cosinus est égale au produit scalaire de A et B divisé par le produit de leurs longueurs : (A · B) / (‖A‖ × ‖B‖).
Quelle est la différence entre la similarité cosinus et la distance cosinus ?
La distance cosinus est de 1 moins la similarité cosinus. La similarité est plus élevée pour les vecteurs plus proches, tandis que la distance est plus faible pour les vecteurs plus proches.
Pourquoi la similarité cosinus est-elle utilisée pour le texte et les intégrations ?
Il ignore la longueur du vecteur, donc un document long et un court sur le même sujet ont toujours un score similaire. Seule compte la direction, qui reflète le sens.
Comment calculer la similarité cosinus en Python ?
Utilisez np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)) avec NumPy, sklearn.metrics.pairwise.cosine_similarity pour les lots, ou une courte fonction Python pure avec math.sqrt.
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.
BM25 expliqué : comment la recherche par mot clé classe les résultats, avec le code Python et la recherche hybride
BM25 a expliqué avec une implémentation Python pure que nous avons exécutée : la formule, l'IDF, la saturation des termes, les paramètres k1 et b, p…
Lire l'article →Développement logicielMéthodes HTTP expliquées : GET, POST, PUT, PATCH, DELETE, testées sur un serveur Live
Méthodes HTTP expliquées avec un petit serveur que nous avons exécuté : GET, POST, PUT, PATCH, DELETE, HEAD et OPTIONS, safe vs idempotent, PUT vs P…
Lire l'article →DevOpsGit Bisect expliqué : recherchez le commit qui a brisé votre code, manuellement ou automatiquement
Git bisect expliqué avec un référentiel testé : trouvez le mauvais commit parmi 41 exécutions de tests sur 5, automatisez-le avec git bisect run, ig…
Lire l'article →Automatisation des testsExplication des marqueurs pytest : marques personnalisées, filtres skip, skipif, xfail et -m
Les marqueurs pytest expliqués avec une suite testée : enregistrez les marques personnalisées, exécutez uniquement des tests de fumée avec -m, combi…
Lire l'article →Tests logicielsTests positifs ou négatifs : différences, 24 cas de test réels et une liste de contrôle
Tests positifs et négatifs expliqués avec un véritable formulaire d'inscription : 6 cas de tests positifs et 18 cas de tests négatifs exécutés dans …
Lire l'article →Bases de données et SQLORDER SQL BY plusieurs colonnes : ASC, DESC, NULLS LAST, Case et commande personnalisée
SQL ORDER BY avec plusieurs colonnes expliquées avec des requêtes testées : ASC et DESC mixtes, départages, NULLS FIRST et LAST, tri insensible à la…
Lire l'article →Bases de données et SQLTotal cumulé SQL : SUM OVER, totaux par groupe, sommes mobiles et piège RANGE
Comment calculer un total cumulé SQL avec SUM() OVER : totaux par groupe, sommes cumulées quotidiennes, sommes mobiles, pourcentage du total, piège …
Lire l'article →Développement logicielTableau de tri JavaScript : nombres, objets, chaînes et pourquoi 10 précède 5
Comment trier correctement un tableau en JavaScript : nombres avec une fonction de comparaison, objets par un ou plusieurs champs, chaînes avec loca…
Lire l'article →Développement logicielMéthodes de chaîne Python : aide-mémoire, exemples réels et piège strip()
Méthodes de chaîne Python avec des exemples testés : split, join, strip, replace, find, Startswith, is-methods, casefold, partition et translation, …
Lire l'article →Intelligence artificielleLa similarité cosinus expliquée : formule, exemple pratique et code Python
La similarité cosinus expliquée simplement : la formule, un exemple travaillé à la main, du code Python et NumPy pur, la distance cosinus vs euclidi…
Lire l'article →Développement logicielEncodage UTF-8 expliqué : comment le texte devient des octets et comment corriger le texte tronqué
Encodage UTF-8 expliqué avec des exemples au niveau octet que nous avons exécutés en Python : comment les caractères deviennent de 1 à 4 octets, pou…
Lire l'article →Automatisation des testspytest paramétrize expliqué : 7 modèles avec des exemples testés
Paramétrage de pytest expliqué avec 7 modèles testés : cas de base, identifiants lisibles, décorateurs empilés, pytest.param avec xfail et skip, app…
Lire l'article →Tests logicielsNouveau test vs test de régression : 8 différences clés avec un véritable exemple de correction de bug
Nouveau test vs test de régression expliqué avec un véritable correctif de bug exécuté dans pytest : le nouveau test a confirmé le correctif, l'exéc…
Lire l'article →Bases de données et SQLSupprimer les lignes en double dans SQL : 5 méthodes sûres, testées étape par étape
Comment supprimer les lignes en double dans SQL en toute sécurité : recherchez-les, prévisualisez-les, puis supprimez-les avec ROW_NUMBER, MIN(id), …
Lire l'article →Bases de données et SQLSQL RANK vs DENSE_RANK vs ROW_NUMBER : différences avec les exemples testés
SQL RANK vs DENSE_RANK vs ROW_NUMBER dans une table : comment chacun gère les égalités, les N premiers par groupe, le deuxième piège salarial le plu…
Lire l'article →Développement logicielChaînage facultatif JavaScript (?.) expliqué : 8 exemples, ?? Valeurs par défaut et pièges
Le chaînage facultatif JavaScript arrête les erreurs « Impossible de lire les propriétés d'un élément non défini ». 8 exemples testés pour les propr…
Lire l'article →Développement logicielPython enumerate() expliqué : 7 exemples, start=1 et erreurs à éviter
Python enumerate() vous donne l'index et la valeur dans une boucle propre. 7 exemples testés, l'astuce start=1, des dictionnaires, des fichiers, des…
Lire l'article →Intelligence artificielleStratégies 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 logicielPython functools expliqué : lru_cache, partiel, réduire, envelopper et plus, testé
Les outils fonctionnels Python expliqués avec le code que nous avons exécuté sur Python 3.13 : lru_cache et cache, partial, réduire, wraps, cached_p…
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 →Bases de données et SQLFonctions SQL JSON expliquées : requête, mise à jour et index JSON dans SQL, testées
Fonctions SQL JSON expliquées avec les requêtes que nous avons exécutées dans SQLite 3.50 : json_extract, les opérateurs -> et ->>, json_ea…
Lire l'article →Bases de données et SQLSQL Pivot expliqué : transformez les lignes en colonnes avec CASE, FILTER et PIVOT
Le pivot SQL expliqué avec les requêtes que nous avons exécutées dans SQLite 3.50 : agrégation conditionnelle avec CASE et SUM, FILTER, NULL vs zéro…
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 →