Aller au contenu principal
Bethemesh
Développement

Data Faker

Créez jusqu’à 10 000 enregistrements fictifs localisés avec un schéma personnalisable, une graine reproductible et des exports JSON, CSV ou SQL. Tout reste dans votre navigateur.

  • Presse-papiers
  • Traitement par lot
  • Export

Intégrer ce widget

Personnalisez le rendu, vérifiez l’aperçu puis copiez le code.

Aperçu

Type de code d’intégration

Code à copier

Responsive et redimensionné automatiquement par Bethemesh.

Les données sont créées localement. Elles sont entièrement fictives et ne doivent pas servir à usurper une identité réelle.

Modèle de données

Choisissez un schéma prêt à l’emploi ou composez le vôtre.

De 1 à 10 000 enregistrements.

Réutilisez la même graine pour reproduire exactement le même jeu de données.

Champs à générer

Les champs sont utilisés lorsque le modèle Personnalisé est sélectionné.

Cet outil vous a-t-il été utile ?

Comment fonctionne cet outil ?

Data Faker crée des jeux de données fictifs réalistes pour tester une interface, une API, un import ou une base de données sans utiliser d’informations personnelles réelles. Choisissez un modèle, la localisation, le nombre de lignes et le format de sortie. La génération s’effectue entièrement dans votre navigateur.

L’outil s’appuie sur un moteur de génération déterministe et des catalogues localisés. Chaque champ est produit selon son type : UUID, identité, coordonnées, entreprise, date, statut ou montant. Les modèles Utilisateurs, Clients et Commandes fournissent des schémas cohérents immédiatement utilisables.

Une graine facultative permet de reproduire exactement le même jeu de données. Le résultat peut être sérialisé en JSON, CSV ou instructions SQL INSERT sans envoi vers un serveur. Vous pouvez donc créer des volumes importants de données de démonstration tout en conservant un processus local, rapide et reproductible.

La reproductibilité dépend de la graine, de la langue des données, du modèle ou des champs et de la version du moteur. Enregistrez ces paramètres avec votre scénario. Une graine vide lance une nouvelle série. Le générateur est pseudo-aléatoire et déterministe avec une graine : ses UUID de forme v4 ne doivent pas remplacer des identifiants cryptographiques ou des secrets. Le générateur d’UUID dédié utilise une source différente, adaptée aux identifiants aléatoires indépendants.

Les valeurs sont assemblées à partir de petits catalogues de démonstration. Une ville, un code postal et un pays ne constituent pas nécessairement une adresse cohérente ou livrable. Les téléphones et adresses électroniques ne doivent pas être contactés, même si leur forme paraît plausible. Les enregistrements ne modélisent pas les contraintes relationnelles d’une base : vérifiez séparément les clés étrangères, l’unicité et les règles métier.

Le CSV utilise une virgule et une ligne d’en-tête. Le SQL produit des INSERT simples et remplace les caractères non alphanumériques du nom de table par des underscores. Ce nettoyage n’est pas un échappement d’identifiant propre à tous les dialectes : évitez les mots réservés et relisez le script avant exécution. La génération ne crée pas de table et n’insère rien dans votre base.

Comment utiliser cet outil ?

  1. Choisissez un modèle

    Sélectionnez Utilisateurs, Clients, Commandes ou composez un schéma personnalisé.

  2. Réglez la génération

    Définissez le volume, la localisation, le format et éventuellement une graine reproductible.

  3. Exportez le résultat

    Contrôlez les données puis copiez ou téléchargez le fichier JSON, CSV ou SQL.

Cas d'utilisation

Tester une interface

Remplissez rapidement des tableaux, formulaires, listes et écrans de démonstration avec des données crédibles.

Préparer des tests automatisés

Créez un jeu reproductible grâce à une graine stable pour vos scénarios de développement et de recette.

Simuler un import

Générez un CSV ou un JSON comportant des centaines ou milliers de lignes avant de tester un pipeline d’import.

Initialiser une base de démonstration

Exportez des instructions SQL INSERT adaptées aux prototypes, ateliers et environnements temporaires.

Exemples

Deux lignes JSON reproductibles

Modèle personnalisé, champs firstName et active, deux lignes et graine review. La langue des données est indiquée dans l’entrée ; ce n’est pas une information sur des personnes réelles.

Entrée

custom; count=2; locale=fr; seed=review; fields=firstName,active; format=json; table=demo_data

Résultat

[
  {
    "firstName": "Manon",
    "active": true
  },
  {
    "firstName": "Hugo",
    "active": true
  }
]

Le même échantillon en CSV

Les mêmes paramètres de génération produisent les mêmes valeurs. Seule la sérialisation change ; les booléens deviennent les textes true et false dans les cellules.

Entrée

custom; count=2; locale=fr; seed=review; fields=firstName,active; format=csv; table=demo_data

Résultat

firstName,active
Manon,true
Hugo,true

Le même échantillon en SQL

Les deux INSERT ciblent demo_data, sans créer cette table. Vérifiez les noms de colonnes et les types du schéma avant toute exécution.

Entrée

custom; count=2; locale=fr; seed=review; fields=firstName,active; format=sql; table=demo_data

Résultat

INSERT INTO demo_data (firstName, active) VALUES ('Manon', TRUE);
INSERT INTO demo_data (firstName, active) VALUES ('Hugo', TRUE);

Conseils et bonnes pratiques

  • Utilisez une graine explicite dans vos tests afin de retrouver les mêmes valeurs après chaque génération.
  • Commencez par un petit volume pour valider le schéma avant de produire plusieurs milliers de lignes.
  • Les données sont fictives : utilisez-les pour des tests et démonstrations, jamais pour imiter une personne réelle.

Questions fréquentes

Les données correspondent-elles à de vraies personnes ?

Non. Les identités et coordonnées sont assemblées aléatoirement à partir de catalogues de démonstration. Elles ne doivent pas être interprétées comme des informations réelles.

Puis-je reproduire exactement un jeu de données ?

Oui. Saisissez la même graine, le même modèle, la même localisation et le même nombre de lignes pour obtenir le même résultat.

Combien de lignes puis-je générer ?

L’outil accepte de 1 à 10 000 enregistrements par génération. Pour de très gros volumes, commencez par vérifier le schéma avec un échantillon réduit.

Les données quittent-elles mon navigateur ?

Non. La génération et la conversion en JSON, CSV ou SQL sont réalisées localement dans le navigateur.

Les identifiants sont-ils cryptographiquement aléatoires ?

Non. La graine rend la génération prévisible et reproductible. Utilisez ces valeurs pour des tests ; pour des UUID indépendants, choisissez le générateur d’UUID dédié.

Les adresses et coordonnées sont-elles vérifiées ?

Non. Elles sont assemblées à partir de catalogues. La vraisemblance visuelle ne prouve ni existence, ni cohérence postale, ni validité administrative. N’envoyez aucun message ou appel à ces coordonnées.

Outils associés

Continuez avec ces outils

Des outils similaires ou complémentaires à celui-ci.

Outils similaires

Formateur JSON

Formatez, minifiez et validez un document JSON pour le rendre plus lisible ou plus compact.

DéveloppementMis en avantUtiliser l’outil

Validateur CSV

Validez la structure d’un fichier CSV et repérez rapidement les lignes ou colonnes problématiques.

DéveloppementMis en avantUtiliser l’outil

Validateur de schéma JSON

Validez un document JSON avec un schéma et localisez précisément chaque erreur.

DéveloppementMis en avantUtiliser l’outil