Le Générateur de Tests de Cas Limites : Transformez une Description de Fonctionnalité en Matrice de Tests Complète Avant d'Écrire le Code
Pourquoi ce prompt est important
Engineering teams that start coding directly from a short ticket typically discover 30-40% of their real edge cases only after a customer hits one in production. On a feature that touches money and inventory, each edge case that ships unhandled turns into a support escalation, an engineering fire drill, a reconciliation headache for finance, and in the worst cases — like the double-refund or stale-pricing scenarios above — direct, hard-to-reverse financial loss. Finding these gaps on paper during planning costs minutes; finding them in production after a customer or auditor does costs hours of firefighting plus the trust damage of a visibly broken checkout flow.
À quoi nous l'utilisons
A backend engineer is about to implement a new bulk order cancellation endpoint for an e-commerce API — one function call that touches payment refunds, inventory restocking, and customer notifications at once. The ticket describes the happy path in two sentences. Before writing a single line of code, the engineer runs this prompt against the feature description to surface every edge case, race condition, and integration failure the implementation needs to handle.
Prompt
Role: Act as a senior software engineer and QA architect with deep experience in test design and failure-mode analysis for production systems. Context: I am about to implement the following feature or function, and I want a complete picture of what could go wrong before I write any code. Feature description or function signature: [PASTE FEATURE DESCRIPTION OR FUNCTION SIGNATURE HERE] Language/framework: [E.G. "PYTHON WITH FASTAPI", "TYPESCRIPT WITH NODE.JS"] Edge cases I've already planned for: [LIST THEM, OR WRITE "NONE YET"] Domain constraints or sensitivities: [E.G. "TOUCHES PAYMENT PROCESSING", "MUST BE IDEMPOTENT", "RUNS ACROSS MULTIPLE WORKERS", OR "NONE"] Task: Produce a complete test matrix for this feature, organized into these six categories: 1. Happy path - the 1-3 cases representing normal, expected usage 2. Boundary conditions - empty inputs, maximum sizes, zero/negative values, type edge cases 3. Invalid/malformed input - what a malicious or confused caller might send 4. State and concurrency edge cases - what happens if this runs twice, runs concurrently, or runs when upstream state changes mid-execution 5. Integration failure points - what happens when each external dependency (database, API, queue, cache) times out, errors, or returns a malformed response 6. Silent failure risks - cases where the code might succeed technically but produce the wrong result without throwing an error For each test case, give: a one-line description, the specific input/state that triggers it, and the expected correct behavior. Constraints: Do not give generic testing advice - every case must be specific to the actual feature described above. Flag the 3-5 cases you consider highest risk if left untested, with a one-sentence reason why. If the feature touches money, user data, or irreversible actions, call that out explicitly and treat those paths with extra scrutiny. Output Format: Present the test matrix as a numbered list within each of the six categories above. After the full matrix, add a short "Top 5 Risks If Skipped" section ranking the highest-priority gaps.
Résultat
Feature: Bulk order cancellation endpoint (cancels up to 50 orders in one call, triggers payment refunds, restocks inventory, sends customer notifications).
1. Happy Path
- Cancel 3 valid, unshipped orders belonging to the requesting user → all 3 refunded, restocked, and notified successfully.
- Cancel a single order via the bulk endpoint with a 1-item array → behaves identically to the single-cancel endpoint.
2. Boundary Conditions
- Empty order ID array submitted → should return a 400 with a clear message, not a silent no-op.
- Exactly 50 order IDs (the stated max) → should succeed; 51 should be rejected with a specific "limit exceeded" error, not a generic 500.
- Duplicate order ID appears twice in the same request → should be deduplicated and refunded once, not twice.
3. Invalid/Malformed Input
- Order ID belonging to a different user → must be rejected per-item with a 403 in the response, not fail the entire batch or silently skip it without telling the caller.
- Order ID that doesn't exist → per-item 404, batch should still process the valid remaining items.
- Order already shipped or already cancelled → reject with a specific status explaining why, don't attempt a double-refund.
4. State and Concurrency
- Same cancellation request submitted twice in rapid succession (double-click/retry) → must not issue two refunds for the same order (idempotency key required).
- Order gets shipped by the warehouse system in the few hundred milliseconds between validation and the cancellation transaction committing → must detect the state change and reject that specific item rather than cancelling a now-shipped order.
5. Integration Failure Points
- Payment refund API times out after inventory has already been restocked → must not leave the order in a state where inventory was returned but the customer wasn't refunded; needs compensating transaction or saga pattern.
- Notification service is down → cancellation and refund must still complete; notification failure should queue for retry, not roll back the whole operation.
- Inventory service returns a malformed response (missing SKU field) → must fail that item explicitly rather than assuming restock succeeded.
6. Silent Failure Risks
- Refund amount calculated using stale cached pricing data instead of the price actually paid → technically "succeeds" but refunds the wrong amount.
- Partial batch success returns HTTP 200 without clearly itemizing which orders failed → caller assumes everything succeeded when some didn't.
Top 5 Risks If Skipped
- Double refund on retry - direct financial loss, highest priority, very likely to occur in production given client-side retry logic.
- Refund/restock partial failure (no compensation) - creates permanently inconsistent state between payment and inventory systems.
- Race condition with warehouse shipping - customer receives a cancelled-but-shipped order, becomes a support and trust issue.
- Wrong refund amount from stale pricing - silent, hard to detect, directly costs money either to the business or the customer.
- Ambiguous partial-success response - causes downstream systems or the frontend to misreport order status to the customer.
La plupart des ingénieurs ne négligent pas les cas limites par négligence. Ils les négligent parce qu'un ticket de fonctionnalité décrit le chemin heureux en deux phrases, et l'esprit comble le reste en imaginant que la fonctionnalité fonctionne correctement. Ce prompt existe pour imposer un point de départ différent : au lieu de demander "que doit faire ceci", il demande "quelles sont les façons précises dont ceci casse", et structure cette question de sorte que la réponse soit réellement utilisable comme plan de test plutôt qu'une vague liste d'inquiétudes.
Pourquoi six catégories plutôt qu'une liste ouverte unique
Un prompt simple du type "liste les cas limites de cette fonction" tend à produire une poignée de scénarios évidents de vérification de valeurs nulles puis s'arrête là, car rien n'oblige le modèle à examiner les modes de défaillance plus difficiles. Diviser la demande en chemin heureux, conditions limites, entrée invalide, état/concurrence, défaillance d'intégration et risques de défaillance silencieuse fonctionne parce que chaque catégorie cible une cause racine différente des bugs en production. Les conditions limites attrapent les erreurs de décalage d'un et les erreurs de type. La concurrence attrape les bugs qui n'apparaissent que sous un trafic réel, pas lors d'un simple test manuel. Les points de défaillance d'intégration attrapent l'hypothèse qu'une base de données ou une API de paiement répondra toujours proprement. Les risques de défaillance silencieuse — des cas où le code s'exécute sans erreur mais produit un résultat incorrect — sont la catégorie la plus difficile à envisager sans y être invité, et souvent la plus coûteuse à découvrir plus tard, ce qui explique précisément pourquoi le prompt les met en avant comme catégorie à part plutôt que de les laisser se perdre dans "autres".
Pourquoi le prompt exige de la spécificité, pas des conseils génériques
Les listes de contrôle de test génériques ("tester les entrées nulles", "tester les chaînes vides") sont disponibles dans n'importe quel manuel d'assurance qualité et apportent peu de valeur. La contrainte selon laquelle "chaque cas doit être spécifique à la fonctionnalité réellement décrite" est ce qui transforme ceci d'un cours théorique sur les tests en un plan réel pour la fonction que vous avez sous les yeux — cela oblige le modèle à raisonner sur ce que le réapprovisionnement des stocks, l'émission de remboursements et l'envoi de notifications se font précisément entre eux lorsqu'ils surviennent dans le désordre ou échouent partiellement, plutôt que d'énumérer des catégories abstraites sans contenu.
Pourquoi le résultat se termine par une liste de risques classée, pas juste une matrice plate
Une matrice de tests de 20 à 30 éléments est utile pour une passe d'assurance qualité, mais tous les éléments n'ont pas la même conséquence, et un ingénieur occupé face à une échéance a besoin de savoir lesquels de ces 3 à 5 cas sont non négociables, même si le reste est reporté à un ticket de suivi. Terminer par une section "Top 5 des Risques en Cas d'Omission", chacun avec une raison en une phrase, transforme une liste exhaustive en outil de triage — la différence entre un document que personne ne lit avant la mise en production et un document qui change réellement ce qui est construit en premier.
Qui devrait utiliser ceci, et quand
Ce prompt se révèle le plus utile sur les fonctionnalités où se tromper sur un cas limite a de vraies conséquences : tout ce qui touche aux paiements, aux stocks, à l'authentification, ou à des données qui ne peuvent pas être facilement corrigées après coup. Exécutez-le au moment où vous commenceriez normalement à écrire du code, fournissez-lui le ticket réel ou la signature de la fonction, et traitez le résultat comme une liste de contrôle à parcourir — ou à remettre directement à la personne qui écrit les tests.