Fonction Softmax expliquée : Formule, code Python et version stable
La fonction softmax transforme une liste de scores bruts en probabilités qui totalisent 1. Apprenez la formule avec un exemple concret, codez-la dans NumPy, voyez pourquoi la version naïve renvoie NaN et comment une soustraction la corrige, et comprenez la température et l’entropie croisée, le tout avec une sortie testée.
- La fonction softmax expose chaque score et le divise par le total, donnant des valeurs positives dont la somme est égale à 1.
- Les scores [2,0, 1,0, 0,1] deviennent des probabilités [0,659, 0,2424, 0,0986]. L’ordre ne change jamais, donc argmax reste le même.
- La formule naïve a débordé et a renvoyé
nanpour des entrées proches de 1000. La soustraction du maximum l’a d’abord corrigé sans modifier le résultat. - La division des scores par une température contrôle le degré de confiance de la sortie, le même bouton utilisé dans l’échantillonnage LLM.
Un réseau neuronal qui classe une image comme chat, chien ou oiseau ne génère pas directement de probabilités. Sa dernière couche produit des scores bruts appelés logits, tels que 2,0, 1,0 et 0,1, qui peuvent être n’importe quel nombre réel. La fonction softmax convertit ces scores en une distribution de probabilité que vous pouvez lire, comparer et sur laquelle vous pouvez vous entraîner. Il se trouve à la fin de la plupart des classificateurs et à l’intérieur de chaque grand modèle de langage.
Tout le code ci-dessous a été exécuté sur Python 3.13.6 avec NumPy 2.5.5, et la sortie imprimée est affichée telle qu’elle apparaît. Aucun cadre d’apprentissage automatique n’est nécessaire pour suivre.
Qu’est-ce que la fonction softmax ?
Softmax prend un vecteur de K nombres réels et renvoie un vecteur de K probabilités. Chaque sortie est comprise entre 0 et 1, toutes les sorties totalisent exactement 1 et les entrées plus grandes obtiennent toujours des probabilités plus grandes. Il est souvent décrit comme une version « douce » d’argmax : au lieu de donner tout le poids au score le plus élevé, il partage le poids proportionnellement à la taille de chaque score.
La formule softmax
Pour un vecteur de scores z avec K éléments, la probabilité pour l’élément i est :
softmax(z)_i = exp(z_i) / ( exp(z_1) + exp(z_2) + ... + exp(z_K) )
En mots : élevez e à la puissance de chaque score, puis divisez chaque résultat par la somme de tous. L’exponentielle rend chaque valeur positive ; la division les normalise pour qu’ils totalisent 1.
Exemple travaillé à la main
Prenez les logits [2.0, 1.0, 0.1] :
| Logit z | exp(z) | exp(z) / total |
|---|---|---|
| 2.0 | 7.3891 | 0.6590 |
| 1.0 | 2.7183 | 0.2424 |
| 0.1 | 1.1052 | 0.0986 |
| Total | 11.2125 | 1.0000 |
La première classe obtient environ 66 pour cent. Notez qu’un score de 2,0 équivaut à seulement deux fois 1,0, alors que sa probabilité est presque trois fois plus grande. Les exponentielles amplifient les écarts, c’est pourquoi les résultats de softmax semblent souvent confiants.
Softmax en Python avec NumPy
import numpy as np
def softmax_naive(z):
e = np.exp(z)
return e / e.sum()
logits = np.array([2.0, 1.0, 0.1])
p = softmax_naive(logits)
print(p.round(4), p.sum()) # [0.659 0.2424 0.0986] 1.0
print(np.argmax(logits), np.argmax(p)) # 0 0
Le code correspond au tableau, les sorties totalisent 1 et argmax sélectionne la même classe avant et après softmax. Ce dernier point est important en pratique : si vous n’avez besoin que de la classe prédite, vous pouvez ignorer softmax et prendre directement l’argmax des logits.
Pourquoi utiliser l’exponentielle ?
Pourquoi ne pas simplement diviser chaque score par la somme des scores ? Parce que les logits peuvent être négatifs ou nuls, ce qui donnerait des « probabilités » négatives ou une division par zéro. L’exponentielle est toujours positive, elle est strictement croissante donc le classement est conservé, et sa dérivée est simple, ce qui rend l’entraînement avec descente de gradient propre. Il s’associe également naturellement au logarithme de la perte d’entropie croisée, comme nous le verrons.
Le problème du débordement : quand softmax renvoie NaN
Les gros logits brisent la version naïve :
softmax_naive(np.array([1000.0, 1001.0, 1002.0]))
# RuntimeWarning: overflow encountered in exp
# RuntimeWarning: invalid value encountered in divide
# [nan nan nan]
softmax_naive(np.array([-1000.0, -1001.0]))
# [nan nan]
exp(1000) est bien au-delà du plus grand nombre flottant de 64 bits (environ 1,8e308), il devient donc l’infini, et l’infini divisé par l’infini est NaN. Les logits très négatifs échouent dans l’autre sens : exp(-1000) dépasse 0, et 0 divisé par 0 est également NaN. Les logits de cette taille sont rares dans un modèle sain, mais ils apparaissent avec une mauvaise initialisation, des scores d’attention non mis à l’échelle ou un entraînement explosif, et un NaN peut empoisonner toute une série d’entraînement.
Le softmax numériquement stable
def softmax(z, axis=-1):
z = np.asarray(z, dtype=float)
e = np.exp(z - z.max(axis=axis, keepdims=True))
return e / e.sum(axis=axis, keepdims=True)
print(softmax([1000, 1001, 1002]).round(4)) # [0.09 0.2447 0.6652]
print(softmax([-1000, -1001]).round(4)) # [0.7311 0.2689]
En soustrayant le maximum, la plus grande valeur est exactement 0, donc la plus grande exponentielle est exp(0) = 1 et rien ne peut déborder. Au moins un terme de la somme est 1, donc le dénominateur ne peut jamais non plus être 0. Les deux entrées précédemment interrompues donnent désormais des réponses sensées. Toutes les bibliothèques sérieuses, y compris PyTorch, TensorFlow et SciPy, utilisent cette astuce en interne.
Conseil : n’expédiez jamais le softmax naïf à deux lignes. La version stable coûte une soustraction supplémentaire et supprime toute une classe de bugs NaN.
Pourquoi la soustraction fonctionne : décalage vs échelle
print(softmax(logits + 100).round(4)) # [0.659 0.2424 0.0986]
print(softmax(logits * 2).round(4)) # [0.8638 0.1169 0.0193]
L’ajout de la même constante à chaque logit laisse softmax inchangé, car la constante devient un facteur commun exp(c) qui s’annule entre le numérateur et le dénominateur. C’est exactement pourquoi il est sécuritaire de soustraire le maximum. La multiplication des logits est différente : les doubler fait passer la classe supérieure de 66 à 86 pour cent. Softmax dépend des différences entre les scores, et la mise à l’échelle élargit ces différences.
Température : rendre le softmax plus net ou plus plat
En divisant les logits par une température T avant les contrôles softmax qui s’étirent délibérément :
| Température | Probabilités pour [2,0, 1,0, 0,1] |
|---|---|
| 0.5 | [0.8638, 0.1169, 0.0193] |
| 1.0 | [0.6590, 0.2424, 0.0986] |
| 2.0 | [0.5017, 0.3043, 0.1940] |
| 10.0 | [0.3661, 0.3312, 0.3027] |
La basse température accentue la distribution vers le premier choix ; la température élevée l’aplatit vers l’uniforme. Dans les modèles de langage, il s’agit exactement du réglage de température qui échange des réponses prévisibles contre des réponses créatives, comme l’explique notre guide de température LLM. La température est également utilisée dans la distillation des connaissances pour exposer les préférences plus douces d’un modèle d’enseignant.
Les lots et l’argument de l’axe
batch = np.array([[2.0, 1.0, 0.1],
[0.0, 0.0, 0.0],
[5.0, -1.0, 3.0]])
pb = softmax(batch, axis=1)
print(pb.round(4))
# [[0.659 0.2424 0.0986]
# [0.3333 0.3333 0.3333]
# [0.8789 0.0022 0.1189]]
print(pb.sum(axis=1)) # [1. 1. 1.]
print(softmax(batch, axis=0).sum(axis=1).round(4)) # [0.7622 0.2962 1.9417]
Les modèles réels traitent plusieurs exemples à la fois, un par ligne. Softmax doit s’exécuter le long de l’axe des classes, ici axis=1, donc chaque ligne totalise 1. Des logits égaux, comme dans la deuxième ligne, donnent une distribution uniforme. Utiliser le mauvais axe est un bug silencieux : le code s’exécute mais se normalise à travers les exemples, et les sommes des lignes sont de 0,76, 0,30 et 1,94. Affirmez toujours que la somme des lignes est égale à 1 dans les tests.
Softmax et perte d’entropie croisée
y = 0 # the true class
loss = -np.log(p[y])
print(round(float(loss), 4)) # 0.417
# log-softmax computed directly, without exponentiating twice
logsm = logits - logits.max() - np.log(np.exp(logits - logits.max()).sum())
print(logsm.round(4)) # [-0.417 -1.417 -2.317]
Les classificateurs sont formés en minimisant l’entropie croisée : le log négatif de la probabilité attribuée à la bonne classe. Une probabilité de 0,659 donne une perte de 0,417 ; une prédiction parfaite donne 0. Les bibliothèques calculent log-softmax en une seule étape stable au lieu de prendre le journal d’une sortie softmax, ce qui évite log(0). C’est pourquoi PyTorch CrossEntropyLoss attend des logits bruts, pas des probabilités. L’alimentation des sorties softmax applique softmax deux fois, un bug courant pour les débutants.
Softmax vs sigmoïde
print(1 / (1 + np.exp(-(2.0 - 1.0)))) # 0.7311
print(softmax([2.0, 1.0])[0]) # 0.7311
Avec deux classes, softmax se réduit au sigmoïde de la différence entre les logits, et notre analyse a donné le même 0,7311 dans les deux sens. La règle pratique :
- Softmax : exactement une classe correcte parmi plusieurs (multi-classes), comme un chat, un chien ou un oiseau.
- Sigmoïde par sortie : plusieurs étiquettes peuvent être vraies à la fois (multi-étiquettes), comme un article étiqueté à la fois Python et testing.
Softmax dans de grands modèles de langage
Un grand modèle de langage termine chaque étape avec un logit par jeton dans son vocabulaire, ce qui peut signifier des dizaines de milliers de scores. Softmax les transforme en probabilité pour chaque jeton suivant possible, et l’échantillonnage en sélectionne un. Softmax apparaît également dans chaque couche d’attention, où il transforme les scores de similarité entre les jetons en pondérations. Ces scores sont divisés par la racine carrée de la taille du vecteur avant softmax précisément pour les empêcher de devenir trop grands, le même problème de débordement et de saturation présenté ci-dessus. Pour en savoir plus, consultez qu’est-ce qu’un grand modèle de langage.
Quelle est la vitesse de softmax ?
Nous avons exécuté la version stable de NumPy sur un lot de 1 000 lignes de 50 257 colonnes chacune, la taille du vocabulaire de GPT-2, sous forme de flottants de 32 bits. La meilleure des trois exécutions a pris 874,9 ms sur le processeur de notre machine, soit environ 0,9 ms par ligne. Les GPU le font beaucoup plus rapidement et les frameworks fusionnent softmax avec les opérations voisines, mais le coût de l’exponentielle sur un vocabulaire énorme est la raison pour laquelle des astuces telles que le softmax échantillonné existent pour de très grandes couches de sortie.
Pour conclure
La fonction softmax est une petite formule avec un gros travail : elle transforme n’importe quelle liste de scores en probabilités claires. Exponentiez, normalisez et soustrayez toujours le maximum en premier afin que les grands logits ne deviennent jamais NaN. Appliquez-le le long de l’axe droit, associez-le à log-softmax pour l’entropie croisée et utilisez la température lorsque vous avez besoin de sorties plus nettes ou plus douces. Avec ces habitudes, softmax sera la ligne la plus fiable de votre modèle. Pour les mathématiques associées, voir similitude cosinusoïdale.
Questions fréquentes
A quoi sert la fonction softmax ?
Il convertit un vecteur de scores bruts, appelés logits, en probabilités. Chaque sortie est comprise entre 0 et 1, la somme de toutes les sorties est égale à 1 et les scores les plus élevés reçoivent toujours des probabilités plus élevées.
Pourquoi mon softmax renvoie-t-il NaN ?
Les grands logits débordent lorsqu’ils sont exponentiés et l’infini divisé par l’infini est NaN. Soustrayez le logit maximum avant d’appeler exp. Le résultat est mathématiquement identique et numériquement stable.
Quelle est la différence entre softmax et sigmoïde ?
Softmax produit une distribution entre les classes dont la somme est égale à 1, pour les problèmes avec exactement une classe correcte. Sigmoid note chaque sortie indépendamment, pour les problèmes multi-étiquettes où plusieurs étiquettes peuvent être vraies.
softmax change-t-il la classe prédite ?
Non. Softmax conserve l’ordre des scores, donc la classe avec le logit le plus élevé a également la probabilité la plus élevée. Si vous n’avez besoin que de l’étiquette, argmax des logits suffit.
Quelle est la température en softmax ?
La température est un nombre qui divise les logits avant softmax. Les valeurs inférieures à 1 rendent le résultat plus sûr, et les valeurs supérieures à 1 le rendent plus plat et plus uniforme.
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.
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 →DevOpsGit 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 logicielsTests 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 testsPytest 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 SQLIncrémentation 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 SQLSQL 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 logicielLittéraux 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 logicielPython 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 logicielOpérateur 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 artificielleFonction 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 logicielCORS 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 →DevOpsGit 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 testsPytest 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 logicielsVérification 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 →Bases de données et SQLSQL CAST expliqué : convertir les types de données avec des exemples testés
SQL CAST expliqué avec des exemples testés : texte en nombre, troncature, division entière, nombres stockés sous forme de texte, dates, mauvaise sai…
Lire l'article →Bases de données et SQLSQL DISTINCT : Comment supprimer les lignes en double (et ses pièges)
SQL DISTINCT expliqué avec des requêtes testées : une et plusieurs colonnes, NULL, COUNT DISTINCT, DISTINCT vs GROUP BY, SUM DISTINCT et les pièges …
Lire l'article →Tests logicielsCritères d'acceptation : donnés quand, puis exemples et liste de contrôle
Comment rédiger les critères d'acceptation que les testeurs peuvent exécuter : formats basés sur des règles et Given When Then, un exemple de code d…
Lire l'article →Tests logicielsTests de transition d'état : diagramme, tableau et exemple
Tests de transition d'état expliqués avec un exemple de verrouillage de connexion : états, événements, diagramme, table d'état, transitions valides …
Lire l'article →Bases de données et SQLSQL ROW_NUMBER : N premiers par groupe, déduplication et pagination
SQL ROW_NUMBER expliqué avec les requêtes testées : PARTITION BY, N premiers par groupe, suppression des doublons, pagination, piège à cravate et en…
Lire l'article →Développement logicielEnsemble JavaScript : union, intersection et suppression des doublons
Ensemble JavaScript expliqué avec des exemples testés : ajouter, avoir, supprimer, dédupliquer des tableaux, les nouvelles méthodes d'union et d'int…
Lire l'article →Intelligence artificielleBM25 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 →Développement logicielJavaScript 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 logicielPython 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 logicielPython 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 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 →Tests logicielsCycle 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 testsTests 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 SQLPagination 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 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 →