Tests basés sur les propriétés en Python : l’hypothèse trouve les bogues manqués par vos exemples

  1. Accueil
  2. Blog
  3. Automatisation des tests

Automatisation des tests

Tests basés sur les propriétés en Python : L’hypothèse trouve les bogues manqués par vos exemples

Au lieu d’écrire quelques exemples d’entrées, vous décrivez une règle qui devrait toujours être respectée, et une bibliothèque génère des centaines d’entrées essayant de la briser. Nous avons exécuté Hypothesis sur de petites fonctions qui ont réussi leurs exemples de tests, et nous avons trouvé trois vrais bugs.

10 min de lecture
Tests basés sur les propriétés en Python : l'hypothèse trouve les bogues manqués par vos exemples

À retenir

  • Une propriété est une règle qui doit s’appliquer à chaque entrée valide, telle que “le fractionnement d’une facture doit correspondre au total”.
  • Hypothesis génère de nombreuses entrées, y compris des cas extrêmes délicats, et signale un échec.
  • Rétrécir réduit une entrée défaillante à la plus simple, telle que total=1, people=2.
  • Nos fonctions ont réussi leurs exemples de tests, mais Hypothesis a trouvé trois bugs, dont un impliquant un chiffre en exposant Unicode.

Vous rédigez un test avec trois exemples soigneusement choisis. Ils passent et le code est expédié. Une semaine plus tard, une entrée à laquelle vous n’aviez jamais pensé le brise. Le problème n’est pas la paresse ; personne ne peut imaginer tous les cas extrêmes. Les tests basés sur les propriétés confient cette tâche à un ordinateur.

Nous avons écrit trois petites fonctions, chacune avec des exemples de tests réussis, puis ajouté des tests de propriétés à l’aide de l’hypothèse 6.170 avec pytest 9.2 sur Python 3.13. Les échecs affichés sont copiés à partir de cette exécution.

Qu’est-ce que les tests basés sur les propriétés ?

Dans un test basé sur un exemple, vous choisissez l’entrée et la sortie attendue : split_bill(1000, 4) == [250, 250, 250, 250]. Dans un test basé sur des propriétés, vous décrivez quels types d’entrées sont valides et une propriété qui doit être valable pour chacune d’entre elles. La bibliothèque génère ensuite de nombreuses entrées, par défaut 100 par test dans Hypothèse, et vérifie la propriété à chaque fois.

L’idée vient de QuickCheck, une bibliothèque Haskell de 1999. Hypothesis l’a amenée à Python, et des outils similaires existent pour la plupart des langages, tels que fast-check pour JavaScript, jqwik pour Java et proptest pour Rust.

Nos fonctions et les exemples de tests réussis

def split_bill(total_paise, people):
    share = total_paise // people
    return [share] * people

def encode(s):   # run-length encoding: "aaab" -> "3a1b"
    ...

def decode(s):   # "3a1b" -> "aaab"
    ...

def test_example_based():
    assert split_bill(1000, 4) == [250, 250, 250, 250]
    assert encode("aaab") == "3a1b"

L’exemple de test a réussi. Les deux fonctions semblent correctes pour les entrées évidentes, et c’est exactement le piège.

Une première propriété

Qu’est-ce qui devrait toujours être vrai dans le cas du partage d’une facture ? Les parts doivent correspondre au total, quels que soient le nombre et le nombre de personnes :

from hypothesis import given, strategies as st

@given(st.integers(min_value=0, max_value=10**9),
       st.integers(min_value=1, max_value=50))
def test_split_bill_adds_up(total, people):
    assert sum(split_bill(total, people)) == total

Hypothèse rapportée :

E       assert 0 == 1
E        +  where 0 = sum([0, 0])
E        +    where [0, 0] = split_bill(1, 2)
E       Failing test case: test_split_bill_adds_up(
E           total=1,
E           people=2,
E       )

Diviser 1 paisa entre 2 personnes a donné 0 à chaque personne et le paisa a disparu. En général, lorsque le total n’est pas divisé de manière égale, le reste est perdu. La solution consiste à distribuer le reste, par exemple un paisa supplémentaire aux premières personnes. L’arrondi de l’argent est une source classique de vrais bugs, et notre exemple de 1 000 entre 4 était tout simplement trop soigné pour le révéler.

Le rétrécissement : le cas d’échec le plus simple

Lors de la recherche, Hypothesis a probablement d’abord échoué sur quelque chose comme total=839201, people=17. Plutôt que de signaler cela, il réduit l’entrée : il essaie des valeurs plus petites et plus simples qui échouent toujours, jusqu’à ce qu’il ne puisse plus simplifier davantage. total=1, people=2 est le plus petit cas possible de bug, et il rend la cause évidente en un coup d’œil. La réduction est ce qui transforme les tests aléatoires bruyants en véritablement utiles.

Hypothesis enregistre également les exemples défaillants dans une base de données locale et les essaie d’abord lors de la prochaine exécution, de sorte qu’un bogue, une fois trouvé, est reproduit immédiatement jusqu’à ce qu’il soit corrigé.

Propriétés aller-retour

Pour toute paire de fonctions qui convertissent et reconvertissent des données, telles que l’encodage et le décodage, la sérialisation et l’analyse, ou la compression et la décompression, il existe une propriété puissante : l’aller-retour doit renvoyer l’original.

@given(st.text())
def test_roundtrip(s):
    assert decode(encode(s)) == s

L’hypothèse a trouvé deux échecs distincts en une seule exécution :

Failing test case: test_roundtrip(s='0')
AssertionError: assert '' == '0'

L’entrée “0” code en “10”, ce qui signifie un zéro, mais le décodeur voit deux chiffres et lit “10” comme un compte sans caractère à répéter. Notre format ne peut pas distinguer les chiffres des données en dehors des chiffres des décomptes. Aucun exemple de test que nous avons écrit ne comprenait un chiffre, car les exemples de codage de longueur de plage sont toujours des lettres comme « aaab ».

La surprise Unicode

Le deuxième échec était plus étrange :

Failing test case: test_roundtrip(s='\xb9:')
ValueError: invalid literal for int() with base 10: '1\xb91'

Le caractère \xb9 est “¹”, un exposant. str.isdigit() de Python renvoie True pour cela, donc notre décodeur l’a traité comme faisant partie d’un nombre, mais int() ne peut pas le convertir. Nous n’aurions jamais écrit ce cas de test à la main. La stratégie de texte d’Hypothesis inclut délibérément un Unicode inhabituel, car c’est là que le vrai logiciel échoue. Utiliser isdecimal(), ou mieux, un format qui ne peut pas confondre les données avec les décomptes, corrigerait les deux bugs.

Astuce : Lorsqu’un test de propriété échoue, ajoutez également l’entrée réduite comme exemple de test ordinaire, avec @example(...) ou un test simple. Il documente le bug et garantit que le cas est toujours vérifié, même si la recherche d’Hypothesis change.

Stratégies : décrire les entrées valides

Une stratégie indique à Hypothesis comment générer des données. Les plus courants :

Stratégie Génère
st.integers(min_value=1) Entiers dans une plage
st.floats(allow_nan=False) Flotteurs, au choix sans NaN ou infini
st.text() Chaînes Unicode, y compris les caractères vides et inhabituels
st.lists(st.integers()) Listes d’entiers de longueur variable
st.dictionaries(st.text(), st.integers()) Dictionnaires
st.sampled_from(["paid", "pending"]) Un d’un ensemble fixe
st.builds(Order, ...) Objets construits à partir d’autres stratégies
st.emails(), st.datetimes() Valeurs spécifiques au domaine

Les stratégies peuvent être combinées et filtrées, et st.from_type() peut même créer des valeurs à partir de types d’indices ou de classes de données. Préférez contraindre une stratégie, telle que min_value=1, plutôt que de filtrer ensuite les valeurs invalides, ce qui gaspille les exemples générés.

Des modèles de propriété qui fonctionnent

Le plus difficile est de penser aux propriétés. Ces modèles couvrent la plupart des cas réels :

  • Aller-retour : decode(encode(x)) == x. Idéal pour les analyseurs, les sérialiseurs et les convertisseurs.
  • Invariants : quelque chose qui ne change jamais, comme le total de notre répartition de facture ou la longueur d’une liste après le tri.
  • Idempotence : le faire deux fois équivaut à le faire une fois, comme dans normalise(normalise(x)) == normalise(x).
  • Oracle : comparez avec une implémentation plus simple et plus lente qui est évidemment correcte.
  • Les entrées associées Métamorphique : donnent des sorties associées, telles que l’ajout d’un filtre n’augmentant jamais le nombre de résultats de recherche.
  • Pas de crash : la fonction ne déclenche jamais d’exception inattendue pour une entrée valide. Simple et étonnamment efficace.

Propriétés réussies

Toutes les propriétés n’échouent pas, et une propriété qui passe reste une preuve précieuse. Ceux-ci sont passés lors de notre course :

@given(st.text())
def test_slug_has_no_spaces(t):
    assert " " not in slugify(t)

@given(st.text())
def test_slug_idempotent(t):
    assert slugify(slugify(t)) == slugify(t)

@given(st.lists(st.integers()))
def test_sorted_properties(xs):
    ys = sorted(xs)
    assert len(ys) == len(xs)
    assert all(a <= b for a, b in zip(ys, ys[1:]))
    assert sorted(ys) == ys

Le résultat final était 2 failed, 4 passed in 5.27s. Notez le coût : les tests de propriétés exécutent de nombreux exemples, ils prennent donc plus de temps que les tests unitaires ordinaires. Cinq secondes pour six tests, c’est bien localement, mais cela détermine la façon dont vous les exécutez dans CI.

L’utiliser en pratique

  • Commencez avec une fonction qui analyse, convertit ou calcule là où les cas extrêmes sont les plus importants.
  • Utilisez les profils de paramètres : moins d’exemples à chaque validation, beaucoup plus dans un travail de nuit, en utilisant @settings(max_examples=...) ou des profils enregistrés.
  • Combiner avec des appareils : L’hypothèse fonctionne dans pytest, bien que les appareils à portée de fonction ne soient pas réinitialisés entre les exemples générés, alors gardez l’état partagé à l’écart. Consultez notre guide des appareils pytest.
  • Conservez les exemples : les tests de propriété complètent, plutôt que de remplacer, des exemples de tests lisibles qui documentent le comportement attendu.
  • Essayez les tests avec état pour les API et les structures de données : l’hypothèse peut générer des séquences entières d’opérations et vérifier que le système reste cohérent.

Quand l’utiliser

Les tests basés sur les propriétés brillent par leurs fonctions pures avec des règles claires : analyse, validation, mathématiques, argent, codage, tri et transformations de données. C’est moins utile pour les flux d’interface utilisateur ou le code dont le résultat correct est difficile à décrire. Il s’inscrit naturellement dans la base de la pyramide de test et complète des techniques telles que l’analyse des valeurs limites en explorant des limites que vous n’aviez pas pensé à énumérer.

Réparer le partage des factures et renforcer la propriété

Nous avons corrigé split_bill en distribuant le reste un paisa à la fois, puis avons rendu la propriété plus stricte en même temps :

def split_bill(total_paise, people):
    share, rem = divmod(total_paise, people)
    return [share + 1 if i < rem else share for i in range(people)]

@given(st.integers(min_value=0, max_value=10**9),
       st.integers(min_value=1, max_value=50))
def test_split_bill_adds_up(total, people):
    parts = split_bill(total, people)
    assert sum(parts) == total
    assert max(parts) - min(parts) <= 1     # nobody pays more than 1 paisa extra

def test_examples():
    assert split_bill(1, 2) == [1, 0]
    assert split_bill(1000, 3) == [334, 333, 333]

Tous les tests ont réussi. La deuxième affirmation est importante : sans elle, une « solution » qui aurait donné tout le reste à une seule personne aurait également eu lieu. Les bonnes propriétés décrivent ce que « correct » signifie aussi complètement que possible, et le cas d’échec réduit, split_bill(1, 2), perdure désormais comme un exemple de test simple.

Pour conclure

Des exemples de tests vérifient les cas que vous avez imaginés ; les tests de propriété recherchent ceux que vous n’avez pas fait. En quelques lignes, Hypothesis a trouvé un bug d’arrondi perdu, un bug de gestion des chiffres et un bug Unicode dans le code qui a réussi ses exemples. Choisissez une fonction avec des entrées délicates, écrivez une propriété aller-retour ou invariante et voyez ce qu’elle trouve.

Questions fréquentes

Qu’est-ce que les tests basés sur les propriétés ?

Il s’agit d’une approche de test dans laquelle vous énoncez une règle qui doit s’appliquer à toutes les entrées valides, et une bibliothèque génère de nombreuses entrées pour tenter de la briser.

Qu’est-ce que l’hypothèse en Python ?

Hypothesis est la principale bibliothèque de tests basés sur les propriétés pour Python. Il génère des données de test à partir de stratégies, fonctionne avec pytest et réduit les échecs à un minimum d’exemples.

Qu’est-ce qui rétrécit ?

Après avoir trouvé une entrée défaillante, la bibliothèque la simplifie étape par étape pendant qu’elle échoue toujours, produisant le plus petit exemple, tel que total=1 et people=2 dans notre test.

Les tests basés sur les propriétés remplacent-ils les tests unitaires ?

Non. Il complète les exemples de tests. Conservez des exemples lisibles qui documentent le comportement et ajoutez des propriétés pour explorer automatiquement les cas extrêmes.

Combien d’exemples Hypothesis exécute-t-il ?

Par défaut 100 par test. Vous pouvez augmenter ou diminuer ce chiffre avec @settings(max_examples=…) ou des profils de paramètres pour différents environnements.

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.

Développement logiciel

Cookies HTTP expliqués : sécurisés, HttpOnly, SameSite et Scope

Explication des cookies HTTP : Set-Cookie, Path, Domain, expiration, Secure, HttpOnly, SameSite, préfixes, suppression des cookies et une recette de…

Lire l'article →
DevOps

Git Rebase Interactive : Squash, Fixup, Reword et Autosquash

Git rebase interactive expliqué étape par étape : sélectionner, reformuler, écraser, corriger, modifier, supprimer, écraser automatiquement, conflit…

Lire l'article →
Tests logiciels

Tests alpha et bêta : principales différences, critères de sortie et liste de contrôle

Comparaison des tests alpha et bêta : qui teste, ce que chaque phase trouve, les critères d'entrée et de sortie, comment exécuter une version bêta e…

Lire l'article →
Automatisation des tests

Pytest Monkeypatch : 10 exemples testés pour les variables d'environnement, l'heure et les API

Pytest Monkeypatch expliqué avec 10 tests réussis : variables d'environnement, fonctions, configuration, heure, mises en veille, chemins, blocage du…

Lire l'article →
Bases de données et SQL

Incrémentation automatique SQL : MySQL, PostgreSQL, SQL Server et SQLite

Incrémentation automatique SQL dans MySQL, PostgreSQL, SQL Server et SQLite : syntaxe, lecture du nouvel ID, pourquoi des lacunes apparaissent, réut…

Lire l'article →
Bases de données et SQL

SQL BETWEEN : explication des plages inclusives et du piège de date

SQL BETWEEN expliqué avec des requêtes testées : plages inclusives, limites inversées, NULL, piège de date du dernier jour, plages semi-ouvertes et …

Lire l'article →
Développement logiciel

Littéraux de modèles JavaScript : 10 exemples, y compris des modèles balisés

Littéraux de modèles JavaScript expliqués avec 10 exemples testés : interpolation, chaînes multilignes, échappement, modèles balisés pour HTML et SQ…

Lire l'article →
Développement logiciel

Python heapq : files d'attente prioritaires, Top N et tas expliqués

Python heapq a expliqué : heappush, heappop, heapify, files d'attente prioritaires avec départage, tas maximum, nlargest et fusion, avec des timings…

Lire l'article →
Développement logiciel

Opérateur Python Walrus (:=) expliqué avec 8 exemples réels

L'opérateur Python Walrus := expliqué avec 8 exemples testés : vérifications if, correspondances d'expressions régulières, boucles while, compréhens…

Lire l'article →
Intelligence artificielle

Fonction Softmax expliquée : formule, code Python et version stable

La fonction softmax expliquée : formule, exemple concret, code NumPy, la version stable qui évite NaN, température, entropie croisée et softmax vs s…

Lire l'article →
Développement logiciel

CORS expliqué : demandes de contrôle en amont, en-têtes et comment corriger les erreurs CORS

CORS expliqué : origines, requêtes simples et en amont, en-têtes de réponse que votre serveur doit envoyer, informations d'identification et comment…

Lire l'article →
DevOps

Git Diff expliqué : modifications échelonnées, branches et validations

Git diff expliqué : lisez le résultat, comparez les modifications non planifiées et planifiées, les validations et les branches, deux points contre …

Lire l'article →
Automatisation des tests

Pytest Xdist : exécuter des tests en parallèle et réduire le temps de test

Exécutez les tests pytest en parallèle avec pytest-xdist : installation, option -n, modes de distribution, timings réels et comment corriger les éch…

Lire l'article →
Tests logiciels

Vérification vs validation dans les tests logiciels : exemple et tableau

Vérification vs validation dans les tests logiciels expliquée avec un tableau de comparaison et un exemple de coupon testé où chaque test de spécifi…

Lire l'article →
Intelligence artificielle

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 logiciel

Méthodes 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 →
DevOps

Git 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 tests

Explication 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 logiciels

Tests 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 SQL

ORDER 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 SQL

Total 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 logiciel

Tableau 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 logiciel

Méthodes 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 artificielle

La 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 logiciel

Encodage 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 tests

pytest 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 logiciels

Nouveau 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 SQL

Supprimer 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 SQL

SQL 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 logiciel

Chaînage 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 logiciel

Python 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 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

Python 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 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 →
Bases de données et SQL

Fonctions 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 SQL

SQL 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 →
Développement logiciel

JavaScript explique ce mot-clé : chaque règle de liaison, testée dans Node

Le mot-clé JavaScript this expliqué avec 17 cas que nous avons exécutés dans le nœud 24 : appels de méthode, perdu dans les rappels, mode strict, fo…

Lire l'article →
Développement logiciel

Python pathlib expliqué : chemins, fichiers et dossiers de manière moderne, testés

Python pathlib expliqué avec des exemples que nous avons exécutés sur Python 3.13 : joindre des chemins avec /, nom, racine et suffixe, lire et écri…

Lire l'article →
Développement logiciel

Python itertools expliqué : boucles paresseuses, combinaisons et regroupements, testés

Les itertools Python expliqués avec des exemples que nous avons exécutés sur Python 3.13 : compte, cycle, accumulation, chaîne, groupby, produit, co…

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 →
Tests logiciels

Cycle de vie des bogues dans les tests logiciels : chaque statut, à qui il appartient et les erreurs courantes

Le cycle de vie des bogues expliqué : chaque statut de défaut, de Nouveau à Fermé, à qui appartient chaque étape, les bogues rejetés, différés et ro…

Lire l'article →
Automatisation des tests

Tests basés sur les propriétés en Python : l'hypothèse trouve les bogues manqués par vos exemples

Les tests basés sur les propriétés sont expliqués avec les tests d'hypothèses que nous avons exécutés : propriétés par rapport aux exemples, stratég…

Lire l'article →
Bases de données et SQL

Pagination SQL expliquée : OFFSET vs Keyset, avec un test d'un million de lignes

La pagination SQL expliquée avec un test d'un million de lignes que nous avons effectué : LIMIT et OFFSET, pourquoi les pages profondes deviennent l…

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 →