Tests de performance et de charge
Les types de tests de performance, les métriques qui comptent, comment concevoir un test de charge réaliste et lire les résultats.
Une fonctionnalité qui marche pour un utilisateur peut s'effondrer avec mille. Les tests de performance répondent à trois questions : quelle est la vitesse actuelle du système, quelle charge supporte-t-il, et qu'est-ce qui casse en premier en cas de surcharge ?
Types de tests de performance
| Type | Question | Exemple |
|---|---|---|
| Charge | Les objectifs sont-ils tenus au trafic attendu ? | 500 utilisateurs simultanés naviguent et achètent pendant 30 minutes |
| Stress | Où est le point de rupture et comment le système tombe-t-il ? | Augmenter les utilisateurs jusqu'aux erreurs |
| Pic | Résiste-t-il à un bond soudain ? | Trafic ×10 en une minute après une newsletter ou un lancement de jeu |
| Endurance | Se dégrade-t-il avec le temps ? | Charge stable 8 à 24 heures pour trouver les fuites mémoire |
| Scalabilité | Ajouter des serveurs aide-t-il ? | Rejouer le test avec 2 puis 4 instances |
| Front-end | La page paraît-elle rapide ? | Core Web Vitals sur un téléphone milieu de gamme en 4G |
Les métriques qui comptent
- Percentiles du temps de réponse : la moyenne cache les problèmes ; regardez p95 et p99 (95 % / 99 % des requêtes ont été plus rapides)
- Débit : requêtes ou transactions par seconde
- Taux d'erreur : part des requêtes en échec sous charge
- Ressources : CPU, mémoire, connexions base de données, longueur des files
- Métriques front-end : Largest Contentful Paint (contenu principal visible), Interaction to Next Paint (réactivité), Cumulative Layout Shift (stabilité visuelle)
Concevoir un test réaliste
- Fixer les objectifs avec le métier : par exemple « p95 sous 800 ms pour la recherche et le paiement à 300 utilisateurs simultanés, moins de 1 % d'erreurs ».
- Modéliser le comportement réel : choisir scénarios et proportions d'après l'analytique – la plupart naviguent, moins cherchent, encore moins paient.
- Préparer les données : assez de produits, d'utilisateurs et de commandes ; éviter que tous les utilisateurs virtuels touchent le même enregistrement.
- Utiliser un environnement proche de la production : un test sur un serveur de la taille d'un portable dit peu de la production.
- Monter progressivement et tenir le pic assez longtemps pour voir les tendances.
- Surveiller les serveurs pendant le test, pas seulement le rapport de l'outil.
Un petit script k6
import http from 'k6/http';
import { check, sleep } from 'k6';
export const options = {
stages: [
{ duration: '2m', target: 100 }, // montée
{ duration: '10m', target: 100 }, // palier
{ duration: '1m', target: 0 }, // descente
],
thresholds: {
http_req_duration: ['p(95)<800'],
http_req_failed: ['rate<0.01'],
},
};
export default function () {
const res = http.get('https://staging.example.com/api/products?q=hoodie');
check(res, { 'status is 200': (r) => r.status === 200 });
sleep(Math.random() * 3 + 1); // temps de réflexion
}
Lire les résultats
Cherchez le point où les temps de réponse grimpent fortement ou où apparaissent des erreurs, puis rapprochez-le des métriques serveur. Coupables habituels : requêtes lentes sans index, trop peu de connexions à la base, appels synchrones à des services externes lents, absence de cache et fuites mémoire qui n'apparaissent qu'après des heures.
Outils
| Outil | Point fort |
|---|---|
| k6 | Scripts en JavaScript, idéal pour la CI et les développeurs |
| Apache JMeter | Mature, avec interface, nombreux protocoles |
| Gatling | Très performant, rapports lisibles |
| Locust | Scénarios en Python |
| Lighthouse / PageSpeed Insights | Performance front-end et Core Web Vitals |


