Tests avec Python

Les tests ne sont pas une corvée de fin de projet, c'est ce qui permet de changer le code sans trembler. On commence par le pourquoi, on passe d'unittest à pytest, on apprend à isoler le code avec les mocks et à générer des données réalistes, puis on industrialise toute la suite.

Durée : 3 jours · Niveau : intermédiaire

Pour qui : les développeurs Python souhaitant maîtriser les tests automatisés.

Prérequis : connaissance de base de Python et de la programmation.

Tarifs Contact

Jour 1 — Fondamentaux des tests

Pourquoi tester ? Régressions, qualité, specs, responsabilités, confiance
Premier contact avec unittest : assert*, setUp et tearDown
Migration vers pytest : assert simple et fixtures
Options de ligne de commande utiles
Organiser un projet de tests : structure, pyproject.toml, conftest.py
Tests unitaires vs intégrés
Tests end-to-end avec Playwright
Tester des formulaires et des interfaces utilisateur
Attendre des éléments sans sleep()
Choisir le bon niveau de test

Jour 2 — Techniques avancées

Mocks et doubles de test : Mock, MagicMock et patch
Quand et comment mocker
Des données réalistes avec Mimesis
Gestion du temps avec freezegun
Système de fichiers en mémoire avec pyfakefs
Enregistrement HTTP avec VCR.py
Snapshots avec inline-snapshot
Design for testability : l'injection de dépendances
pytest.mark.parametrize
Property-based testing avec Hypothesis

Jour 3 — Industrialisation des tests

Mesurer la couverture avec pytest-cov
Définir des objectifs de couverture réalistes
Plusieurs versions de Python et de dépendances avec nox
Tests parallèles avec pytest-xdist
Sélection des tests et cache des fixtures
Profiler une suite de tests trop lente
CI : GitHub Actions / GitLab CI
Hooks pre-commit
Tester en équipe, et maintenir la suite
Le cas des utilisateurs moins techniques : le framework Robot

Passez au niveau supérieur en Python !

Contact Exemples de programmes