Python

Ce que c'est

Python est un langage de programmation généraliste dont le code
source est exécuté par un interpréteur, plutôt que compilé à
l’avance en un binaire distinct. Sa documentation le décrit comme
interprété, interactif et orienté objet, avec des modules, des
exceptions, un typage dynamique et des types de données de haut
niveau intégrés. Le trait que la plupart des gens remarquent en
premier est que l’indentation fait partie de la syntaxe : un bloc
est ce qui est indenté sous la ligne qui l’ouvre. La disposition vue
par le lecteur est donc la structure exécutée par l’interpréteur.
Guido van Rossum l’a commencé pendant les vacances de Noël 1989, en
s’appuyant sur son travail sur le langage ABC au CWI d’Amsterdam. Il
l’a publié en février 1991 et nommé d’après les scripts de Monty
Python’s Flying Circus qu’il lisait alors.

Le typage est dynamique. Un nom est lié à un objet pendant
l’exécution, et le type appartient à l’objet, pas au nom : la même
variable peut donc contenir un nombre à une ligne et une chaîne à la
suivante. Les annotations facultatives, normalisées par la PEP 484,
permettent à une fonction de déclarer ce qu’elle attend et renvoie.
Mais cette PEP précise qu’aucune vérification de type n’a lieu
pendant l’exécution et que Python restera un langage à typage
dynamique. Les annotations sont lues par des outils distincts, des
vérificateurs de types et des éditeurs, tandis que l’interpréteur
les conserve sans les imposer.

Le langage est livré avec une vaste bibliothèque standard, que le
tutoriel décrit par l’expression « piles incluses » : fichiers,
JSON, SQLite, expressions régulières, sous-processus, analyse des
arguments et bien d’autres outils, sans rien installer. Le reste
provient de paquets tiers, généralement installés avec pip depuis le
Python Package Index. Comme un interpréteur ne peut contenir qu’une
version de chaque paquet, la bibliothèque standard fournit aussi
`venv`, qui crée un environnement autonome par projet : une
application peut ainsi utiliser la version 1.0 d’une bibliothèque et
une autre la 2.0.

Les nouvelles versions suivent un calendrier. Depuis Python 3.9, la
PEP 602 prévoit une version apportant de nouvelles fonctionnalités
chaque mois d’octobre, après environ dix-sept mois de développement,
puis cinq ans de maintenance. À partir de la 3.13, cela signifie
deux ans de versions correctives régulières, environ tous les deux
mois, puis trois ans de correctifs de sécurité uniquement. Python
3.15.0 est paru le 9 octobre 2026. Python 3.10 a atteint sa fin de
vie le 1er octobre 2026, et Python 2.7, dernière version de la
deuxième série, ne reçoit plus de support depuis le 1er janvier
2020. L’interpréteur de référence, CPython, possède depuis longtemps
un verrou global qui n’autorise qu’un seul thread à exécuter du code
Python à la fois. La PEP 703 a ajouté une variante de l’interpréteur
sans ce verrou, et la PEP 779 a associé la version 3.14 à la phase
où cette variante sans verrou global est officiellement prise en
charge, mais reste facultative.

Pourquoi c'est important

Python est souvent le chemin le plus court entre une question et un
programme fonctionnel. Un script qui lit un fichier, interroge une
base et écrit un rapport peut être réalisé avec la seule
bibliothèque standard, exécuté immédiatement et modifié sans étape
de construction. C’est pourquoi Python sert si souvent de liant dans
les pipelines de données, les outils de construction et les bancs de
test.

La lisibilité est un objectif de conception délibéré, pas un effet
secondaire. Le Zen de Python, la PEP 20, affirme que la lisibilité
compte, et la PEP 8, guide de style de la bibliothèque standard,
tranche les questions dont une équipe débattrait autrement, du
nommage à la ligne de 79 caractères.

La souplesse a un coût qui apparaît tardivement. Un attribut mal
orthographié, un `None` à la place d’une chaîne ou un argument du
mauvais type ne devient une erreur que lorsque cette ligne est
exécutée, éventuellement en production. Les équipes qui utilisent
Python pour un travail durable ajoutent donc les contrôles laissés
de côté par le langage : un linter, des annotations avec un
vérificateur de types dans la chaîne de validation, et des tests qui
exécutent réellement les chemins du code.

Le calendrier compte autant que le code. Chaque version de
l’interpréteur possède une date de fin fixe : une installation à
laquelle personne ne touche sort donc du support de sécurité selon
un calendrier publié. Un projet qui indique sa version minimale et
évolue pendant les deux années de corrections de bogues échange une
urgence contre une mise à niveau annuelle planifiée.

À quoi cela ressemble en pratique

Dans le portfolio, Python faisait fonctionner un générateur de CV et
de portfolio piloté par une base de données à une étape documentée :
41 modules et 10 580 lignes produisaient six formats, de HTML et PDF
à Markdown et JSON, à partir d’une base SQLite de 23 tables. Un
pipeline de 19 étapes construisait cette base, chacune pouvant être
répétée sans risque. Les dépendances d’exécution avaient été
limitées à exactement deux, un moteur de modèles et un moteur de
rendu PDF, au motif qu’un générateur de documents impossible à
installer dans cinq ans n’a rien préservé. En contrepartie, tous les
documents dépendaient alors de ce code Python, sans autre moyen d’en
produire un. Ces chiffres décrivent l’implémentation à cette étape
documentée.

Python a aussi remporté une comparaison directe dans un pipeline de
consommation électrique horaire, réalisé de trois façons, en Python,
en JQ et en SQL sur PostgreSQL, pour transformer des relevés
irréguliers en une ligne par heure et par zone, la consommation
nette étant la production plus les importations moins les
exportations. La version composée de fonctions Python pures était la
plus rapide : elle traitait une journée de données en 34 ms et un
jeu de données de 30 jours en 180 ms.

Ce site est construit par Hugo. Dans l’instantané de l’outillage
consigné en octobre 2026, ses 22 scripts auxiliaires, soit 8 408
lignes au total, étaient écrits en Python. Tous n’utilisaient que la
bibliothèque standard, sauf le script d’importation des dessins, qui
avait besoin de Pillow pour les recadrer. Le fichier
`.tool-versions` indiquait Python 3.14.7, avec pour règle que
l’interpréteur pouvait être plus récent, mais jamais plus ancien.
`task doctor` le vérifiait sur le binaire installé au lieu de faire
confiance au fichier. Ruff était le linter, et basedpyright
vérifiait les types au niveau `standard`, car son niveau par défaut
avait signalé 358 problèmes concernant presque tous des annotations
manquantes dans du code volontairement simple. Dès sa première
exécution, le vérificateur de types a trouvé une valeur susceptible
d’être `None` utilisée comme clé de dictionnaire, un défaut que Ruff
avait laissé passer sans diagnostic.

Où les problèmes surviennent

La plupart des problèmes Python proviennent d’un code que
l’interpréteur accepte sans signaler d’erreur et dont le
comportement diffère de ce que sa lecture laisse attendre.

Un argument par défaut conserve la mémoire des appels précédents.
Une fonction renvoie une liste qui contient encore des éléments
d’appels antérieurs : les résultats dépendent donc de l’ordre des
appels. Une valeur par défaut est évaluée une seule fois, lors de
l’exécution de l’instruction `def`. Une valeur mutable, comme une
liste ou un dictionnaire, est donc un objet partagé entre tous les
appels qui omettent l’argument. Utilisez `None` par défaut et créez
la liste dans le corps de la fonction ; la règle B006 de Ruff
signale ce motif.

```python
def add_tag(tag, tags=None):
    if tags is None:
        tags = []  # a new list on every call
    tags.append(tag)
    return tags
```

Les projets cassent leurs dépendances respectives. Mettre à jour une
bibliothèque pour un projet en casse un autre, ou `pip install`
s’arrête avec une erreur concernant un environnement géré en dehors
de pip. Dans les deux cas, des paquets sont installés directement
dans un interpréteur partagé : les projets se disputent une seule
copie de chaque bibliothèque, et la PEP 668 permet à un distributeur
de système d’exploitation d’interdire à pip de modifier son propre
Python. Donnez à chaque projet son environnement avec `python -m
venv .venv`, installez-y les paquets et consignez les dépendances
dans un fichier pour pouvoir reconstruire l’environnement.

Les annotations de type sont prises pour des vérifications. Une
fonction annotée pour recevoir un `int` reçoit une chaîne provenant
d’un fichier JSON, et l’échec apparaît trois appels plus loin. Les
annotations décrivent une intention ; l’interpréteur ne les impose
pas. Exécutez un vérificateur de types dans la chaîne de validation
pour que les incompatibilités entre portions de code annotées
fassent échouer la construction. Validez les données à leur entrée
dans le programme, puisqu’aucune annotation ne peut garantir les
entrées.

Un interpréteur dépasse sa période de support. Un serveur conserve
la version installée jusqu’à l’arrêt des versions de sécurité et à
son retrait des versions prises en charge par les paquets. Chaque
version apportant de nouvelles fonctionnalités bénéficie de cinq
ans, et les cinq ans de la 3.10 se sont terminés le 1er octobre
2026. Indiquez la version minimale dans un fichier lu par une
vérification, passez à une version supérieure pendant les deux
années de corrections de bogues de chaque version et exécutez la
suite de tests avec la nouvelle avant de basculer.

Pour aller plus loin

  * Documentation Python — Le tutoriel, la référence de la
bibliothèque et celle du langage pour la version actuelle.

  * Le tutoriel Python — Le langage depuis ses principes de base,
avec l’avertissement sur les arguments par défaut mutables.

  * PEP 8 – Guide de style du code Python — Les conventions de
disposition et de nommage suivies par la plupart du code Python.

  * PEP 602 – Cycle annuel des versions de Python — Pourquoi une
version apportant de nouvelles fonctionnalités paraît chaque mois
d’octobre et combien de temps elle est maintenue.

  * PEP 484 – Annotations de type — La syntaxe des annotations et la
raison pour laquelle l’interpréteur laisse leur vérification à
d’autres outils.

  * Environnements virtuels et paquets — Créer un environnement par
projet avec `venv` et y installer les paquets avec pip.

hCette page sur le Web	URL:https://engineer.company/fr/glossary/python/	engineer.company	70
