Générateur de données fictives (Mock Data) — JSON, CSV, SQL

Ce que fait le Générateur de données fictives

Le Générateur de données fictives crée de faux jeux de données pour les prototypes, les états d'interface, les démos, les tests, la documentation et les essais d'import. Choisissez parmi 29 champs regroupés par thème : identité (id, uuid), personne (prénom et nom, nom d'utilisateur, e-mail, téléphone, âge), travail (entreprise, intitulé de poste), adresse (rue, ville, pays, code postal, latitude, longitude), internet (IPv4, IPv6, adresse MAC, URL, couleur hexadécimale), finance (IBAN, prix, quantité), temps (date, datetime ISO) et autres (booléen, phrase). Les valeurs d'une même ligne sont cohérentes entre elles : l'e-mail et le nom d'utilisateur sont dérivés du nom de la même personne et le code postal respecte le format de la ville.

Exportez les lignes en JSON formaté pour des mocks d'API, en NDJSON pour le streaming et les outils d'import en masse, en CSV pour les tableurs, ou en instructions SQL INSERT prêtes à l'emploi, avec des chaînes correctement échappées, pour alimenter une base de données locale. Ajoutez une graine (seed) et la sortie devient déterministe : la même graine, les mêmes champs et le même nombre de lignes donnent exactement les mêmes données sur chaque machine, ce qui garde reproductibles les tests de snapshot, les captures d'écran et les rapports de bug.

Un flux de travail privé dans le navigateur

Tout le traitement s'effectue dans votre navigateur avec du JavaScript côté client. L'outil n'envoie à aucun serveur vos extraits, valeurs de configuration, données générées, textes de requête ou exemples copiés, et ne demande aucun compte. Ce modèle strictement local est important pour les utilitaires de développement, car le contenu qu'on y colle ressemble souvent à de vraies données applicatives. Travailler en local réduit les risques et garde l'interaction rapide, puisqu'il n'y a aucun aller-retour réseau.

Conseils pratiques

Des données fictives ne doivent jamais être confondues avec une anonymisation de qualité production. Si vous avez besoin d'analyses respectueuses de la vie privée, d'une dépersonnalisation conforme à la réglementation ou de données synthétiques statistiquement réalistes, utilisez un processus dédié. Les IBAN générés ont des chiffres de contrôle valides mais n'appartiennent pas à de vrais comptes, les e-mails utilisent des domaines d'exemple réservés et les adresses IPv6 proviennent de la plage de documentation 2001:db8::/32 : les données sont donc sans risque à montrer lors de démos. Gardez un nombre de lignes modeste pour que le navigateur reste réactif, et vérifiez les noms et formats des champs avant d'injecter les données dans des schémas stricts.