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

  1. Accueil
  2. Blog
  3. Automatisation des tests

Automatisation des tests

Explication des doubles de test : Dummy, Stub, Spy, Mock et Fake, avec du code Python testé

Les doubles de test remplacent les dépendances réelles telles que les passerelles de paiement, les mailers et les bases de données. Apprenez les cinq types classiques, ce que chacun vérifie, quand choisir lequel et comment une simple simulation peut masquer les bogues, en utilisant un petit exemple Python que nous avons exécuté dans pytest.

9 min de lecture
Explication des doubles de tests : simulations, talons, contrefaçons, espions et mannequins

À retenir

  • Les Test doubles remplacent les dépendances réelles dans les tests. Les cinq types classiques sont factices, stub, espions, simulés et faux.
  • Les talons et les faux prennent en charge les vérifications state (le résultat était-il correct ?) ; les espions et les moqueurs prennent en charge les contrôles de comportement (le bon appel a-t-il été fait ?).
  • Un plain Mock a accepté une méthode mal orthographiée dans notre test ; create_autospec a rejeté à la fois la faute de frappe et un mauvais nombre d’arguments.
  • Les six tests de notre exemple ont réussi en 0,52 seconde avec pytest 9.2.0 sur Python 3.13.

Les tests unitaires doivent être rapides, reproductibles et ciblés. De véritables dépendances font obstacle : une passerelle de paiement facture de l’argent, un expéditeur de courrier envoie des e-mails, une API de taux de change change toutes les minutes. Les doublures de test sont les objets que vous mettez à leur place, un peu comme une doublure de cascade remplace un acteur.

Le terme et la division en cinq proviennent du livre de Gerard Meszaros xUnit Test Patterns. Les équipes disent souvent « se moquer » pour chacun d’eux, et ce langage vague conduit à des tests qui vérifient la mauvaise chose. Ci-dessous, une petite classe de caisse est testée avec chaque type de double. Nous avons tout exécuté avec pytest 9.2.0 sur Python 3.13.6, et tous les tests ont réussi. Pour la bibliothèque moqueuse elle-même, consultez notre Guide de moquerie Python.

Que sont les tests doubles ?

Un double de test est tout objet qui remplace un collaborateur réel lors d’un test. Le code testé ne peut pas faire la différence, car le double propose les mêmes méthodes. Ce qui diffère entre les types, c’est ce qu’ils font et ce que vous vérifiez ensuite :

  • Dummy : transmis mais jamais utilisé.
  • Stub : renvoie des réponses fixes.
  • Spy : un stub qui enregistre également la façon dont il a été appelé.
  • Mock : configuré avec des attentes concernant les appels, ce que le test vérifie.
  • Fake : une implémentation fonctionnelle mais simplifiée, telle qu’une base de données en mémoire.

Le code en test

Notre classe Checkout convertit un prix, facture un fournisseur de paiement et envoie un reçu par courrier électronique. Il a besoin de quatre collaborateurs :

class Checkout:
    def __init__(self, rates, payments, mailer, logger):
        self.rates, self.payments, self.mailer, self.logger = rates, payments, mailer, logger

    def place(self, order_id, amount_usd, currency, email):
        rate = self.rates.get_rate("USD", currency)
        total = round(amount_usd * rate, 2)
        if not self.payments.charge(order_id, total, currency):
            return "declined"
        self.mailer.send(email, f"Order {order_id} paid: {total} {currency}")
        return total

L’utilisation des versions réelles toucherait une API de taux en direct, un fournisseur de paiement et un serveur SMTP. Chacun des quatre paramètres obtient un type de double différent.

Factice : remplit un emplacement

Le logger est requis par le constructeur mais place ne l’utilise jamais. Un mannequin satisfait à la signature. Le nôtre va plus loin et échoue bruyamment si quelque chose le touche :

class DummyLogger:
    def __getattr__(self, name):
        raise AssertionError("logger should not be used")

Beaucoup de gens passent None comme factice, ce qui est bien lorsque le code ne vérifie jamais le type. La version explosive documente l’hypothèse et capture le jour où quelqu’un ajoute la journalisation sans mettre à jour le test.

Talon : réponses standardisées

Les taux de change changent constamment, ce qui rendrait toute affirmation impossible. Un stub renvoie une valeur fixe :

class StubRates:
    def get_rate(self, src, dst):
        return 83.0

Avec le taux fixé à 83,0, une commande de 50 USD doit totaliser 4 150,0 INR, et notre test a affirmé exactement cela. Les stubs contrôlent les entrées que votre code reçoit de ses dépendances. Ils sont idéaux pour simuler des cas délicats comme un timeout, une liste vide ou une réponse d’erreur.

Espion : enregistre ce qui s’est passé

Pour l’expéditeur, nous veillons à ce qu’un reçu soit envoyé avec le bon texte. Un espion stocke chaque appel afin que le test puisse les inspecter par la suite :

class SpyMailer:
    def __init__(self):
        self.sent = []
    def send(self, to, body):
        self.sent.append((to, body))

def test_stub_and_spy():
    mailer = SpyMailer()
    co = Checkout(StubRates(), FakePayments(10_000), mailer, DummyLogger())
    assert co.place("A1", 50, "INR", "demo@example.com") == 4150.0
    assert mailer.sent == [("demo@example.com", "Order A1 paid: 4150.0 INR")]

L’espion est passif : il n’échoue jamais tout seul. Vous écrivez des assertions ordinaires contre ce qu’il a enregistré, après l’action. Cela maintient le test dans l’ordre familier organiser, agir, affirmer.

Fake : une petite version fonctionnelle

La logique de paiement a des règles : un prélèvement échoue si les fonds sont faibles ou si la même commande est facturée deux fois. Un faux implémente ces règles en mémoire :

class FakePayments:
    def __init__(self, balance):
        self.balance, self.charges = balance, {}
    def charge(self, order_id, amount, currency):
        if order_id in self.charges or amount > self.balance:
            return False
        self.balance -= amount
        self.charges[order_id] = amount
        return True

def test_fake_declines_duplicate_charge():
    pay = FakePayments(10_000)
    co = Checkout(StubRates(), pay, SpyMailer(), DummyLogger())
    co.place("A1", 50, "INR", "demo@example.com")
    assert co.place("A1", 50, "INR", "demo@example.com") == "declined"
    assert pay.balance == 5850.0

La deuxième commande a été refusée et une seule charge a quitté le solde. Le test vérifie donc l’état réel. Les faux brillent lorsque de nombreux tests partagent une dépendance, car un faux remplace des dizaines de configurations de stub distinctes. Le coût est qu’un faux est un vrai code qui peut dériver du vrai service, alors gardez-le petit et testez-le de temps en temps par rapport au vrai. SQLite en mémoire à la place d’une base de données de production est un faux courant.

Mock : vérifie les interactions

Parfois, le seul effet observable est un appel vers un autre système. Une simulation vous permet d’affirmer que l’appel a eu lieu, avec les arguments exacts :

from unittest.mock import Mock

def test_mock_verifies_interaction():
    payments = Mock()
    payments.charge.return_value = True
    mailer = Mock()
    co = Checkout(StubRates(), payments, mailer, DummyLogger())
    co.place("B2", 10, "INR", "demo@example.com")
    payments.charge.assert_called_once_with("B2", 830.0, "INR")
    mailer.send.assert_called_once()

Strictement, Meszaros définit une simulation comme un objet qui connaît ses attentes à l’avance et échoue lors de l’appel. Python unittest.mock.Mock est techniquement plus proche d’un espion, puisque vous vérifiez après coup, mais il joue le rôle de simulation dans la pratique. Les simulations sont idéales dans les limites que vous ne possédez pas, comme une API externe, où l’appel lui-même est une exigence.

Quand les moqueries mentent : autospec

Un plain Mock accepte n’importe quel attribut et n’importe quel argument. Cette flexibilité cache des bugs. Nous avons effectué deux tests pour le prouver :

def test_plain_mock_hides_typo():
    mailer = Mock()
    mailer.sned("x", "y")            # typo is silently accepted
    assert mailer.sned.called

def test_autospec_catches_typo():
    mailer = create_autospec(SpyMailer, instance=True)
    with pytest.raises(AttributeError):
        mailer.sned("x", "y")

def test_autospec_catches_wrong_signature():
    mailer = create_autospec(SpyMailer, instance=True)
    with pytest.raises(TypeError):
        mailer.send("only-one-arg")
......                                   [100%]
6 passed in 0.52s

Le simple mock a joyeusement enregistré un appel à une méthode qui n’existe pas. Si le code de production comportait cette faute de frappe, le test réussirait quand même. create_autospec copie les méthodes et signatures de la vraie classe, il a donc généré AttributeError pour la faute de frappe et TypeError pour l’argument manquant. Utilisez autospec, ou Mock(spec=RealClass), par défaut.

Test double comparé

Tapez Renvoie des données ? Enregistre les appels ? A de la logique ? Vous affirmez sur
Factice Non Non Non Rien
Talon Oui, corrigé Non Non Le résultat du code testé
Espion Facultatif Oui Non Appels enregistrés, après avoir agi
Maquette Facultatif Oui Non Appels et disputes attendus
Faux Oui, calculé Parfois Oui, simplifié État résultant

Quel double test devriez-vous utiliser ?

  1. La dépendance est-elle inutilisée sur ce chemin ? Utilisez un mannequin.
  2. Avez-vous uniquement besoin de contrôler ce qu’il renvoie ? Utilisez un stub.
  3. L’appel lui-même est-il le résultat, comme l’envoi d’un e-mail ou la publication d’un événement ? Utilisez un espion ou une simulation.
  4. De nombreux tests nécessitent-ils un comportement réaliste, comme le stockage et la lecture de données ? Créer un faux.
  5. Est-ce déjà bon marché, rapide et déterministe ? Utilisez l’objet réel. Les doubles sont un coût, pas un objectif.

Une règle utile : préférez les contrôles d’état aux contrôles d’interaction. Les tests qui s’appuient sur les résultats survivent à la refactorisation ; des tests qui s’affirment à chaque interruption d’appel interne chaque fois que l’implémentation change. Notre guide de tests unitaires et d’intégration explique à quoi appartiennent les véritables dépendances.

Erreurs courantes

  • Se moquer de ce que vous possédez. Remplacer vos propres classes simples par des simulations de couples de tests aux internes. Moquez-vous des limites du système.
  • Mockets sur-spécifiés. L’affirmation de chaque appel et argument rend les tests fragiles. Affirmez uniquement ce qui compte pour l’exigence.
  • Mockets non spécifiés. Comme notre test l’a montré, un simple mock accepte les fautes de frappe. Ajoutez toujours une spécification.
  • Faux sans leurs propres tests. Un faux buggy rend erronés tous les tests qui l’utilisent. Exécutez un test de contrat partagé sur des implémentations fausses et réelles, comme décrit dans notre guide de test de contrat API.
  • Des doubles partout. Si chaque collaborateur est remplacé, le test ne prouve que très peu de choses. Equilibre avec les tests d’intégration, suivant la pyramide de tests.

Pour conclure

Les doubles tests sont autant un vocabulaire qu’une technique. Dire « contrer les tarifs, espionner le courrier, simuler les paiements » indique à un coéquipier exactement ce qu’un test vérifie. Utilisez des talons et des faux pour l’état, des espions et des simulacres pour les interactions importantes, des mannequins pour les emplacements inutilisés et spécifiez toujours vos simulacres. Dans pytest, les luminaires sont une maison bien rangée pour ces doubles ; consultez notre guide des appareils pytest.

Questions fréquentes

Quelle est la différence entre un mock et un stub ?

Un talon fournit des réponses fixes afin que le test puisse vérifier les résultats. Une simulation enregistre ou attend des appels afin que le test puisse vérifier que la bonne interaction s’est produite avec les bons arguments.

Qu’est-ce qu’un faux dans les tests ?

Un faux est une implémentation légère et fonctionnelle d’une dépendance, telle qu’un référentiel en mémoire ou un service de paiement, qui se comporte de manière réaliste mais prend des raccourcis impropres à la production.

Qu’est-ce qu’un espion test ?

Un espion est un talon qui enregistre également la manière dont il a été appelé. Après avoir exécuté le code, le test inspecte les appels enregistrés avec des assertions normales.

Pourquoi utiliser create_autospec au lieu de Mock ?

Un Mock simple accepte n’importe quel nom de méthode et n’importe quel argument, donc les fautes de frappe passent silencieusement. create_autospec copie l’interface de la classe réelle et génère des erreurs en cas de méthodes manquantes ou de signatures incorrectes.

Dois-je me moquer de tout dans les tests unitaires ?

Non. Remplacez les dépendances lentes, non déterministes ou externes, mais utilisez des objets réels là où ils sont bon marché et fiables. Trop de doubles rendent les tests fragiles et moins significatifs.

Continuez à apprendre

Travailler avec Stack Quora

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

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

Continuez à lire

Plus de guides sur tests, IA et développement moderne

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

Intelligence artificielle

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Automatisation des tests

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Intelligence artificielle

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
Automatisation des tests

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Intelligence artificielle

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
Automatisation des tests

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Intelligence artificielle

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
Automatisation des tests

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Intelligence artificielle

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
Intelligence artificielle

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Automatisation des tests

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Intelligence artificielle

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
Automatisation des tests

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Intelligence artificielle

Que sont les intégrations ? Vecteurs et similarité cosinus expliqués simplement

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

Lire l'article →
DevOps

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

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

Lire l'article →
Automatisation des tests

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

Classes et objets Python : didacticiel POO avec des exemples réels

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

Lire l'article →
Intelligence artificielle

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
Automatisation des tests

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

Tutoriel du dictionnaire Python : méthodes, exemples et modèles courants

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

Lire l'article →
Intelligence artificielle

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
DevOps

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

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

Lire l'article →
Automatisation des tests

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

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

Lire l'article →
Tests logiciels

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

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

Lire l'article →
Développement logiciel

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

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

Lire l'article →
Développement logiciel

List comprehension Python : syntaxe, exemples et cas à éviter

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

Lire l'article →
Bases de données et SQL

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

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

Lire l'article →