JSON Mock

En attendant l'API, une fausse donnée de la bonne forme suffit pour monter la page.

Collez un modèle : nombres, booléens, chaînes changent selon le type ; ou laissez vide pour du aléatoire.

Ce n'est pas tout l'écosystème faker. E-mails et dates auront l'air justes ; les énums métier se corrigent à la main.

Génération locale, sans service Mock.

Les clés restent, les valeurs changent. Pour un ensemble de champs stable, rangez d'abord le modèle, puis générez.

Pour juger une seule forme : cette page. Page liste, pagination, petit test de charge : Mock en lot, dans la limite de 100.

Comment faire

Collez un modèle JSON, ou laissez vide et chargez l'exemple.
Cliquez « Générer le Mock » et vérifiez que les valeurs ont changé selon le type.
Corrigez à la main énums, codes d'état, symboles monétaires.
Copiez vers le front ou Storybook.
Forme OK : emportez le même modèle sur la page lot pour un tableau.

Une entrée pour le squelette de page, sans API.
Après un Schema, changer les valeurs pour un contrôle visuel.
En démo, éviter les vrais profils utilisateurs.
Complémentaire de la génération AI : elle part d'une description, ici d'un modèle.

Les noms de champs sont-ils conservés ?

Oui. On change les valeurs, pas les clés.

Quelle différence avec la génération AI ?

AI part d'une description ; le Mock remplace les valeurs d'un modèle existant.

Peut-on en sortir beaucoup d'un coup ?

Une entrée : cette page. Un tableau : Mock en lot.

Le modèle est-il envoyé ?

Non.

Chaque génération est-elle identique ?

Les valeurs changent. N'en faites pas un golden file de snapshot, sauf si vous figez le résultat.

Peut-on obtenir des noms localisés ?

Les champs courants auront l'air justes. Nom, ville précis : corrigez à la main ou changez le modèle.

Les objets imbriqués changent-ils aussi ?

Oui, en suivant les types. Énums et textes figés : encore à la main.

Comment l'utiliser avec un Schema ?

Générez un Schema depuis l'échantillon, Mockez le modèle, puis validez sur la page dédiée.