La similarité cosinus expliquée : formule, exemple pratique et code Python

  1. Accueil
  2. Blog
  3. Intelligence artificielle

Intelligence artificielle

La similarité cosinus expliquée : Formule, exemple pratique et code Python

La similarité cosinusoïdale mesure à quel point deux vecteurs pointent dans la même direction, de -1 (opposé) à 1 (direction identique), en ignorant leur longueur. Apprenez la formule, travaillez un exemple à la main, exécutez-la en Python et NumPy et voyez pourquoi la recherche AI ​​et RAG en dépendent.

8 min de lecture
La similarité cosinus expliquée avec Python

À retenir

  • Similarité cosinus = produit scalaire ÷ (longueur de A × longueur de B). Il compare la direction, pas la taille.
  • Pour [3, 4] et [6, 8], c’est exactement 1,0, même si un vecteur est deux fois plus long ; les vecteurs perpendiculaires donnent 0 et les vecteurs opposés donnent -1.
  • Dans notre test de comptage de mots, le cosinus a classé un document long et répétitif en deuxième position, tandis que la distance euclidienne l’a classé en dernière position.
  • Avec des vecteurs normalisés à la longueur 1, la similarité cosinus équivaut à un produit scalaire simple, c’est pourquoi les bases de données vectorielles normalisent souvent en premier.

Chaque fois qu’un moteur de recherche trouve des documents « similaires » à votre requête, ou qu’un chatbot récupère le bon paragraphe de vos fichiers, il y a de fortes chances que la similitude cosinusoïdale fasse la comparaison. C’est l’une des idées les plus utiles en apprentissage automatique, mais elle ne nécessite que des mathématiques scolaires. Tous les numéros ci-dessous proviennent du code que nous avons exécuté sur Python 3.13.6, avec NumPy 2.5.4 pour la version vectorisée.

La formule de similarité cosinus

cos(A, B) = (A · B) / (‖A‖ × ‖B‖)

A · B = a1×b1 + a2×b2 + ... + an×bn      (dot product)
‖A‖   = √(a1² + a2² + ... + an²)          (length, or norm)

Le résultat est le cosinus de l’angle entre les deux vecteurs. Deux flèches pointant dans la même direction ont un angle de 0° et cos 0° = 1. Les flèches à angle droit ont un cos 90° = 0. Les flèches pointant dans des directions opposées ont un cos 180° = -1. Parce que les longueurs sont divisées, seule la direction compte.

Un exemple travaillé à la main

Prenez A = [3, 4] et B = [6, 8] :

  1. Produit scalaire : 3×6 + 4×8 = 18 + 32 = 50.
  2. Longueur de A : √(9 + 16) = 5. Longueur de B : √(36 + 64) = 10.
  3. Similitude cosinus : 50 ÷ (5 × 10) = 1,0.

B est juste A doublé, donc ils pointent exactement dans la même direction. Notre code était d’accord : cos(A,B) = 1.000. La distance euclidienne qui les séparait était cependant de 5,0, donc une mesure basée sur la distance les qualifierait de très différentes.

Que signifient les valeurs

Paire Vecteurs Cosinus Signification
Même direction [3, 4] et [6, 8] 1.000 Direction identique
Perpendiculaire [3, 4] et [4, -3] 0.000 Sans rapport
Ci-contre [3, 4] et [-3, -4] -1.000 Direction opposée

Avec le nombre de mots, qui n’est jamais négatif, les scores restent entre 0 et 1. Avec les intégrations, des valeurs négatives sont possibles, mais en pratique, la plupart des textes associés obtiennent des scores bien supérieurs à 0. La distance cosinusoïdale est simplement 1 moins la similarité cosinusoïdale, utilisée là où une bibliothèque s’attend à ce que « plus petit est plus proche ».

Calculez-le en Python pur

import math

def cos(a, b):
    dot = sum(x * y for x, y in zip(a, b))
    na = math.sqrt(sum(x * x for x in a))
    nb = math.sqrt(sum(y * y for y in b))
    return dot / (na * nb)

print(cos([3, 4], [6, 8]))     # 1.0

Dix lignes, pas de bibliothèques. Il est parfait pour l’apprentissage et les petits travaux. Notez ce qui se passe avec un vecteur nul : cos([0, 0], [1, 2]) a augmenté ZeroDivisionError: float division by zero dans notre exécution, car un vecteur sans longueur n’a pas de direction. Protégez-vous de cela dans le vrai code.

Version rapide avec NumPy

import numpy as np

A, B = np.array([3, 4]), np.array([6, 8])
print(np.dot(A, B) / (np.linalg.norm(A) * np.linalg.norm(B)))   # 1.0

Pour plusieurs vecteurs à la fois, normalisez chaque ligne et utilisez une multiplication matricielle. Nous avons créé 10 000 vecteurs aléatoires de 384 dimensions (384 est une taille d’intégration courante) et les avons tous comparés avec un vecteur de requête :

Mn = M / np.linalg.norm(M, axis=1, keepdims=True)
scores = Mn @ (q / np.linalg.norm(q))
top = np.argsort(-scores)[:3]

La comparaison complète et le classement ont pris 25,5 ms. Le résultat le plus élevé était la requête elle-même avec un score de 1,0, et les meilleurs vecteurs aléatoires suivants n’avaient qu’un score d’environ 0,18, comme on peut s’y attendre avec des données aléatoires non liées. scikit-learn propose le même calcul que sklearn.metrics.pairwise.cosine_similarity, que nous n’avons pas exécuté ici.

Astuce : normalisez les vecteurs une fois lorsque vous les stockez. Après cela, la similarité cosinus n’est qu’un produit scalaire. Dans notre test à 768 dimensions, le produit scalaire des vecteurs normalisés correspondait à la formule complète à six décimales (0,885104 dans les deux sens).

Un exemple de texte : les mots comptent

Transformez chaque document en décomptes sur un petit vocabulaire : python, erreur, installation, serpent, morsure, pip. Comparez ensuite chacun avec la requête « python pip install error » :

Doc Texte Cosinus Distance euclidienne
d1 pip d’erreur d’installation de Python 1.000 0.00
d4 erreur python erreur erreur d’installation pip pip 0.904 2.24
d2 pip installer python python 0.816 1.41
d3 python, morsure de serpent 0.289 2.24

Cosinus classé d4 deuxième : il s’agit exactement du même sujet, juste plus long et plus répétitif. La distance euclidienne l’a lié à d3, le document serpent, car les mots supplémentaires augmentent la distance, quelle que soit leur signification. C’est la principale raison pour laquelle la recherche de texte préfère le cosinus : la longueur du document ne doit pas décider de sa pertinence. Les systèmes réels utilisent des intégrations au lieu de décomptes bruts, de sorte que « échec de l’installation » peut correspondre à « erreur de configuration » même sans mots partagés ; voir que sont les intégrations.

Similitude cosinus vs distance euclidienne

Aspect Similitude cosinus Distance euclidienne
Mesures Angle (direction) Écart en ligne droite
Affecté par la longueur Non Oui
Gamme -1 à 1 0 à l’infini
Idéal pour Texte, intégrations, recommandations Coordonnées, lectures de capteurs, regroupement de mesures brutes

Pour les vecteurs normalisés à la longueur 1, les deux donnent le même classement, le choix est donc plus important pour les données brutes non normalisées.

Pourquoi la recherche AI et RAG l’utilisent

Dans la génération augmentée par récupération, le modèle qui permet à un grand modèle de langage de répondre à partir de vos propres documents, chaque morceau de document est transformé en intégration et stocké. Une question est intégrée de la même manière et le système renvoie les morceaux présentant la similarité cosinusoïdale la plus élevée. Nous avons simulé cela avec des vecteurs à 768 dimensions : un vecteur créé en ajoutant du bruit aléatoire (la moitié de la force du signal) à un autre a obtenu un score de 0,885, tandis qu’un vecteur aléatoire sans rapport a obtenu un score de 0,011. Les significations associées sont proches ; ceux qui ne sont pas liés sont proches de 0. Les bases de données vectorielles accélèrent cela avec des index approximatifs du voisin le plus proche ; consultez notre guide des bases de données vectorielles et qu’est-ce que RAG. La manière dont vous divisez les documents en premier est également importante, comme l’a montré notre test de stratégies de segmentation RAG.

De la partition à l’angle

Parce que la partition est un cosinus, vous pouvez la reconvertir en angle avec math.degrees(math.acos(score)). Pour notre exemple de texte, d4 à 0,904 se trouvait à environ 25,3° de la requête, d2 à 0,816 à 35,3° et le document serpent à 0,289 à 73,2°. Les angles rendent l’intuition concrète : les petits angles signifient le même sujet, les angles proches de 90° signifient peu de points communs.

Comment choisir un seuil de similarité

De nombreux systèmes ne conservent que les correspondances supérieures à un seuil, tel que 0,75. Il n’existe pas de chiffre universel, car chaque modèle d’intégration répartit ses scores différemment. Un processus pratique :

  1. Collectez 30 à 50 requêtes réelles et marquez quels documents sont vraiment pertinents.
  2. Calculez les scores cosinus pour toutes les paires de requêtes et de documents.
  3. Examinez les plages de scores des paires pertinentes et non pertinentes ; ils se chevauchent généralement un peu.
  4. Choisissez le seuil qui équilibre les réponses manquées et les mauvaises pour votre cas d’utilisation, puis revérifiez-le chaque fois que vous changez de modèle.

Il est souvent plus sûr de renvoyer les premières correspondances par score et de laisser l’application ou le modèle de langage décider, plutôt que de se fier à un seuil fixe.

Les pièges à éviter

  • Vecteurs zéro : ils provoquent une division par zéro ; ignorez-les ou manipulez-les.
  • Mélange de modèles : les intégrations de différents modèles vivent dans des espaces différents, de sorte que leurs scores cosinus n’ont aucun sens ensemble.
  • Traitement des scores en pourcentages : 0,8 n’est pas « similaire à 80 % » et les bons seuils diffèrent selon le modèle. Calibrez sur vos propres données.
  • Ignorer la grandeur quand cela compte : si la taille a une signification, comme les montants d’achat, le cosinus jette cette information.
  • Dépassement d’entier ou précision : utilisez la virgule flottante et normalisez une fois, pas à chaque requête.

Résumé prêt pour l’entretien

“La similarité cosinus mesure l’angle entre deux vecteurs : le produit scalaire divisé par le produit de leurs longueurs. Il varie de -1 à 1 et ignore la magnitude, ce qui le rend idéal pour comparer du texte et des intégrations de différentes longueurs. La distance cosinus est de 1 moins la similarité, et pour les vecteurs normalisés, la similarité cosinus est égale au produit scalaire, que les bases de données vectorielles utilisent pour la vitesse. ” Sauvegardez-le avec les exemples [3, 4] et [6, 8], qui obtiennent exactement 1,0 même si les vecteurs diffèrent en longueur.

Pour conclure

La similarité cosinusoïdale est le produit scalaire de deux vecteurs divisé par leurs longueurs, et elle répond à une question : sont-ils orientés de la même manière ? Cela le rend idéal pour le texte et les intégrations, où la longueur est du bruit et la direction est un sens. Apprenez-le manuellement une fois, utilisez NumPy ou votre base de données vectorielles dans la pratique, normalisez tôt et calibrez les seuils sur vos propres données.

Questions fréquentes

Qu’est-ce que la similarité cosinus en termes simples ?

C’est un score de -1 à 1 qui montre à quel point deux vecteurs pointent dans la même direction. 1 signifie la même direction, 0 signifie sans rapport et -1 signifie opposé.

Quelle est la formule de similarité cosinus ?

La similarité cosinus est égale au produit scalaire de A et B divisé par le produit de leurs longueurs : (A · B) / (‖A‖ × ‖B‖).

Quelle est la différence entre la similarité cosinus et la distance cosinus ?

La distance cosinus est de 1 moins la similarité cosinus. La similarité est plus élevée pour les vecteurs plus proches, tandis que la distance est plus faible pour les vecteurs plus proches.

Pourquoi la similarité cosinus est-elle utilisée pour le texte et les intégrations ?

Il ignore la longueur du vecteur, donc un document long et un court sur le même sujet ont toujours un score similaire. Seule compte la direction, qui reflète le sens.

Comment calculer la similarité cosinus en Python ?

Utilisez np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)) avec NumPy, sklearn.metrics.pairwise.cosine_similarity pour les lots, ou une courte fonction Python pure avec math.sqrt.

Continuez à apprendre

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

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 →
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 →