Total cumulé SQL : SUM OVER, totaux par groupe, sommes mobiles et piège RANGE

  1. Accueil
  2. Blog
  3. Bases de données et SQL

Bases de données et SQL

Total cumulé SQL : SUM OVER, totaux par groupe, sommes mobiles et piège RANGE

Un total cumulé SQL ajoute la valeur de chaque ligne à la somme de toutes les lignes précédentes. La méthode moderne est une fonction de fenêtre : SUM(amount) OVER (ORDER BY day, id). Ce guide montre les totaux par groupe, les sommes cumulées quotidiennes, les sommes mobiles et les pourcentages, ainsi que le piège à égalité qui donne silencieusement des chiffres erronés.

9 min de lecture
Total cumulé SQL expliqué

À retenir

  • Un total cumulé SQL est de SUM(col) OVER (ORDER BY ...) ; ajoutez PARTITION BY pour le redémarrer pour chaque groupe.
  • Triez par une combinaison unique telle que day, id. La commande par jour non unique seul a donné aux lignes liées le même total dans notre test.
  • ROWS BETWEEN 2 PRECEDING AND CURRENT ROW le transforme en une somme mobile sur 3 lignes.
  • Sur 20 000 lignes, la fonction window prenait 22 ms ; l’ancienne sous-requête corrélée prenait près de 8 secondes.

Les revenus cumulés, les soldes des comptes, les niveaux de stocks, les graphiques d’avancement et la « progression vers l’objectif » nécessitent tous le même calcul : additionnez tout jusqu’à présent. Pendant des années, cela signifiait des auto-jointures ou des sous-requêtes délicates. Le SQL moderne le fait avec une seule fonction de fenêtre. Nous avons exécuté toutes les requêtes ci-dessous dans SQLite 3.50.4 ; la syntaxe est standard et fonctionne dans PostgreSQL, MySQL 8+, SQL Server 2012+ et Oracle, même si nous ne l’avons exécutée que dans SQLite.

Réponse rapide

SELECT id, day, amount,
       SUM(amount) OVER (ORDER BY day, id) AS running_total
FROM sales;

La clause OVER transforme SUM d’une fonction de regroupement en une fonction de fenêtre. Au lieu de réduire les lignes, il calcule une somme pour chaque ligne sur une « fenêtre » de lignes : ici, chaque ligne jusqu’à la ligne actuelle incluse, dans l’ordre donné.

Exemples de données

CREATE TABLE sales(id INTEGER PRIMARY KEY, day TEXT, region TEXT, amount INT);
INSERT INTO sales(day, region, amount) VALUES
 ('2026-11-01','North',100), ('2026-11-01','South',50),
 ('2026-11-02','North',80),  ('2026-11-03','North',120),
 ('2026-11-03','South',70),  ('2026-11-03','North',30),
 ('2026-11-04','South',NULL),('2026-11-05','South',90);

Plusieurs lignes partagent volontairement le même jour et un montant est NULL. Les données réelles ressemblent à ceci, et les deux détails modifient les résultats.

Le total cumulé de base

identifiant jour montant running_total
1 2026-11-01 100 100
2 2026-11-01 50 150
3 2026-11-02 80 230
4 2026-11-03 120 350
5 2026-11-03 70 420
6 2026-11-03 30 450
7 2026-11-04 NULL 450
8 2026-11-05 90 540

Chaque ligne ajoute son montant au total jusqu’à présent. La dernière valeur, 540, est égale au total général, ce qui constitue une vérification rapide qui mérite d’être automatisée lors des tests.

Le piège à cravate RANGE

Voici l’erreur que presque tout le monde commet une fois. Commande à la journée seule, sans pièce d’identité :

SELECT id, day, amount,
       SUM(amount) OVER (ORDER BY day) AS range_total,
       SUM(amount) OVER (ORDER BY day
            ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS rows_total
FROM sales;
identifiant jour montant range_total rows_total
1 2026-11-01 100 150 100
2 2026-11-01 50 150 150
4 2026-11-03 120 450 350
5 2026-11-03 70 450 420
6 2026-11-03 30 450 450

Avec seulement ORDER BY, le cadre par défaut est RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW. RANGE traite toutes les lignes avec la même valeur d’ordre que les pairs et les inclut toutes, de sorte que chaque ligne du 1er novembre en affichait 150 et chaque ligne du 3 novembre en affichait 450. La trame ROWS compte les lignes physiques, donnant un véritable total ligne par ligne, mais l’ordre des lignes liées est toujours arbitraire à moins que vous n’ajoutiez un bris d’égalité.

Conseil : classez toujours un total cumulé en fonction d’un élément unique, généralement la date et la clé primaire. Cela donne le même résultat avec RANGE ou ROWS et le même résultat à chaque fois que vous l’exécutez.

RANGE n’a pas tort ; cela répond à une question différente. « Ventes totales jusqu’à la fin de chaque journée » correspond exactement à la GAMME classée par jour. Choisissez-le exprès.

Total cumulé par groupe

SELECT region, day, amount,
       SUM(amount) OVER (PARTITION BY region ORDER BY day, id) AS region_running
FROM sales
ORDER BY region, day, id;
région jour montant region_running
Nord 2026-11-01 100 100
Nord 2026-11-02 80 180
Nord 2026-11-03 120 300
Nord 2026-11-03 30 330
Sud 2026-11-01 50 50
Sud 2026-11-03 70 120
Sud 2026-11-04 NULL 120
Sud 2026-11-05 90 210

PARTITION BY redémarre le total pour chaque région. Utilisez-le pour les soldes par client, les grands livres par compte ou les totaux mensuels : PARTITION BY strftime('%Y-%m', day) dans SQLite ou DATE_TRUNC('month', day) dans PostgreSQL. La même idée anime les fonctions de classement, abordées dans notre guide RANK vs DENSE_RANK.

Totaux quotidiens, puis total cumulé

SELECT day, SUM(amount) AS daily,
       SUM(SUM(amount)) OVER (ORDER BY day) AS cumulative
FROM sales GROUP BY day;
jour quotidiennement cumulatif
2026-11-01 150 150
2026-11-02 80 230
2026-11-03 220 450
2026-11-04 NULL 450
2026-11-05 90 540

SUM(SUM(amount)) semble étrange, mais cela se lit naturellement une fois que vous connaissez l’ordre d’évaluation : GROUP BY s’exécute en premier et produit une somme quotidienne par jour, puis la fonction de fenêtre ajoute ces sommes quotidiennes. C’est la requête derrière la plupart des graphiques de revenus cumulés. Le regroupement est expliqué dans notre guide GROUP BY et HAVING.

Sommes et moyennes mobiles

SELECT id, amount,
       SUM(amount) OVER w AS sum3,
       ROUND(AVG(amount) OVER w, 1) AS avg3
FROM sales
WINDOW w AS (ORDER BY day, id ROWS BETWEEN 2 PRECEDING AND CURRENT ROW);

Changer le cadre de « toutes les lignes précédentes » à « la ligne actuelle et les deux précédentes » crée une fenêtre déroulante. La ligne 4 avait une somme sur 3 lignes de 250 (lignes 2, 3 et 4 : 50 + 80 + 120), et la ligne 6 affichait 220 avec une moyenne de 73,3. Remarquez la ligne 7 : sa moyenne était de 50,0, car AVG ignore le NULL et divise 100 par deux lignes, pas trois. Les moyennes mobiles lissent les données quotidiennes bruyantes dans les tableaux de bord.

Pourcentage cumulé du total

SELECT id, amount,
       ROUND(100.0 * SUM(amount) OVER (ORDER BY day, id)
             / SUM(amount) OVER (), 1) AS pct_cum
FROM sales;

Un OVER () vide signifie « toutes les lignes », donc diviser le total cumulé par celui-ci donne un pourcentage cumulé. Nos données ont atteint 18,5 % après la ligne 1, 64,8 % après la ligne 4 et 100,0 % à la fin. Le classement par montant décroissant donne plutôt une vue Pareto : le nombre d’articles qui représentent 80 % du total.

Comment se comportent les valeurs NULL

SUM ignore les NULL, donc la ligne 7 répète simplement le total précédent, 450, au lieu de transformer le total entier en NULL. C’est généralement ce que vous voulez. Si un montant manquant doit compter comme zéro dans d’autres calculs, enveloppez-le : SUM(COALESCE(amount, 0)), ce qui donne ici des totaux identiques. Soyez plus prudent avec AVG et COUNT(amount), qui sautent également les NULL et changent donc le dénominateur. Notre guide SQL COALESCE couvre ces choix.

L’ancienne méthode : une sous-requête corrélée

SELECT s.id, s.amount,
       (SELECT SUM(amount) FROM sales x
        WHERE x.day < s.day OR (x.day = s.day AND x.id <= s.id)) AS running
FROM sales s ORDER BY day, id;

Cela donne les mêmes résultats 100, 150, 230,… 540 et fonctionne dans de très anciennes bases de données sans fonctions de fenêtre, comme MySQL 5.7. Une auto-jointure avec GROUP BY est une autre variante ; consultez notre Guide d’auto-adhésion SQL. Les deux partagent la même faiblesse : pour chaque ligne, la base de données additionne à nouveau toutes les lignes précédentes.

Test de vitesse : fonction de fenêtre vs sous-requête

Nous avons généré 20 000 lignes et chronométré les deux approches dans SQLite :

Méthode Temps
SOMME(v) PLUS (ORDRE PAR identifiant) 21,9 ms
Sous-requête corrélée 7 979 ms

La fonction window était environ 360 fois plus rapide, car elle conserve une somme cumulée lorsqu’elle parcourt les lignes une fois, tandis que la sous-requête rajoute les lignes précédentes pour chaque ligne. L’écart augmente avec chaque ligne supplémentaire, donc sur les grandes tables, l’approche de sous-requête est non seulement plus lente mais aussi inutilisable.

Utilisations du monde réel

  • Solde du compte : total cumulé des crédits et débits par compte, divisé par compte et classé par heure de transaction et identifiant.
  • Inventaire : stock disponible après chaque réception ou vente.
  • Cibles : ventes cumulées par rapport à un objectif mensuel.
  • Burn-down : travail restant après chaque tâche terminée.
  • Vérifications des données : le total cumulé final doit être égal à la plaine SUM, une affirmation pratique dans les tests de données.

Prise en charge de la base de données

Les fonctions de fenêtre avec SUM() OVER sont disponibles dans PostgreSQL, SQL Server 2012 et versions ultérieures, Oracle, MySQL 8.0 et versions ultérieures, MariaDB 10.2 et versions ultérieures et SQLite 3.25 et versions ultérieures. La clause nommée WINDOW que nous avons utilisée pour la somme mobile est prise en charge dans PostgreSQL, MySQL 8 et SQLite, mais pas dans SQL Server avant 2022, où vous répétez le OVER (...) à la place. D’autres modèles de fenêtres sont disponibles dans notre Tutoriel sur les fonctions de fenêtre SQL.

Erreurs courantes

  • Classement par colonne non unique. Les égalités partagent un total sous RANGE et obtiennent un ordre arbitraire sous ROWS. Ajoutez la clé primaire.
  • Oublier ORDER BY à l’intérieur de OVER. SUM(x) OVER () donne le total général sur chaque ligne, pas un total cumulé.
  • Confondre le ORDER BY externe avec la fenêtre ORDER BY. L’ordre de la fenêtre définit le calcul ; l’ordre externe trie uniquement la sortie.
  • Filtrage avec WHERE après coup. WHERE s’exécute avant la fenêtre, ce qui modifie les totaux. Filtrez dans une requête externe si vous souhaitez afficher uniquement certaines lignes.
  • Ignorer les valeurs NULL dans les moyennes. Décidez si manquant signifie zéro.

Pour conclure

Un total cumulé SQL est l’un des gains les plus évidents des fonctions de fenêtre : une ligne lisible remplace les auto-jointures et les sous-requêtes lentes. Triez par une clé unique, ajoutez PARTITION BY pour les totaux par groupe, modifiez le cadre pour les sommes mobiles et divisez par SUM() OVER () pour les pourcentages. Vérifiez la dernière ligne par rapport au total général et vos rapports cumulés seront à la fois rapides et précis.

Questions fréquentes

Comment calculer un total cumulé en SQL ?

Utilisez une fonction de fenêtre : SUM(amount) OVER (ORDER BY date_column, id). Chaque ligne obtient la somme de sa propre valeur et de toutes les lignes précédentes dans cet ordre.

Comment réinitialiser un total cumulé pour chaque groupe ?

Ajoutez PARTITION BY dans la clause OVER, par exemple SUM(amount) OVER (PARTITION BY customer_id ORDER BY order_date, id).

Pourquoi les lignes avec la même date affichent-elles le même total cumulé ?

Avec ORDER BY uniquement, le cadre par défaut est RANGE, qui inclut toutes les lignes avec la même valeur de commande. Triez par une combinaison unique telle que la date et l’identifiant, ou utilisez un cadre ROWS.

Comment calculer un total cumulé sans fonctions de fenêtre ?

Utilisez une sous-requête corrélée ou une jointure automatique qui additionne toutes les lignes précédentes. Cela fonctionne dans les anciennes bases de données mais est beaucoup plus lent ; lors de notre test, cela a pris environ 8 secondes sur 20 000 lignes.

Comment calculer une somme mobile en SQL ?

Utilisez un cadre ROWS, par exemple SUM(amount) OVER (ORDER BY day, id ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) pour une somme mobile à trois lignes.

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 →
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 →