Cet article explique comment interagir avec les Web Components dans vos scripts, en tenant compte de leur encapsulation via le shadow DOM. Les Web Components, de plus en plus populaires, permettent de créer des éléments réutilisables et agnostiques des frameworks. Cependant, leur isolation complique l'accès à leur contenu depuis des scripts externes. L'auteur détaille comment identifier les Web Components, accéder à leur shadow DOM (en mode open) et parcourir leur contenu pour interagir avec des éléments comme les champs de formulaire. Une approche essentielle pour les développeurs travaillant avec des bibliothèques ou frameworks utilisant ces composants.

L'article présente l'élément <dialog> en HTML, une solution moderne pour créer des modales et des boîtes de dialogue non modales. Cet article explique comment utiliser cet élément natif du navigateur pour simplifier le code et réduire les dépendances. Il couvre l'ouverture et la fermeture des dialogues, ainsi que des fonctionnalités avancées comme la fermeture légère (light dismissal) et la gestion des événements de fermeture.

L'article présente 10 techniques avancées en JavaScript/TypeScript. Ces techniques, testées en production, incluent l'orchestration de promesses, le cache mémoire sécurisé, la maîtrise des données binaires et l'optimisation asynchrone. Elles permettent de résoudre des problèmes de performance critiques, comme réduire les fuites de mémoire de 38%, diminuer les coûts de base de données de 60%, et accélérer le traitement des données de 3,2 fois. Des techniques comme le "Void Guard" pour éviter les promesses flottantes, l'utilisation de l'API Performance pour des mesures de temps précises, et l'utilisation de AbortController pour l'orchestration de promesses sont expliquées en détail. Ces stratégies peuvent transformer la manière dont vous construisez des applications robustes.

Cet article met en lumière les lacunes des études de cas souvent utilisées pour démontrer l'impact de la performance web sur les revenus. Il souligne que ces études, bien que populaires, sont souvent biaisées, incomplètes ou mal contextualisées, ce qui nuit à la crédibilité de l'industrie. Il prend comme exemples l'étude d'Amazon sur la perte de revenus de 1% pour 100ms de retard (données obsolètes, manque de contexte) et l'étude de Rossignol (variables confondantes). L'auteur encourage à être critique face à ces études et à privilégier des données solides et contextuelles pour convaincre les parties prenantes.