6. Environnements virtuels

Nous avons vu qu’un package Python constitue une collection organisée de modules : des fichiers de code Python structurés pour accomplir des fonctionnalités spécifiques. Ces packages représentent l'intelligence collective de la communauté mondiale des développeurs Python, mise à disposition sous forme de solutions réutilisables.

Dans vos développements, vous mobilisez constamment deux catégories de bibliothèques :

• Bibliothèques natives : Intégrées par défaut à Python
• Bibliothèques tierces : Développées par la communauté pour des besoins spécialisés (pandas, prophet ou numpy par exemple)

Ces packages encapsulent des solutions éprouvées pour des problématiques récurrentes, vous permettant de vous concentrer sur la logique métier plutôt que sur l'implémentation de fonctionnalités de base.

Quelques exemples de bibliothèques essentielles pour les analyses de données :

• pandas : Manipulation et analyse de données structurées
• numpy : Calculs scientifiques et algèbre linéaire
• pyspark : Traitement distribué de données à grande échelle

Python fournit nativement un ensemble limité de modules. L'écosystème complet s'appuie sur PyPI (Python Package Index), le référentiel central hébergeant plus de 500 000 packages spécialisés.

Les gestionnaires de packages comme pip permettent d'administrer efficacement ces bibliothèques  – installation, mise à jour, résolution de dépendances. Une commande telle que pip install pandas vous donne accès instantané à des outils sophistiqués développés par des experts internationaux, transformant des semaines de développement en quelques lignes de code.

Cependant, cette facilité d'installation soulève une problématique cruciale : comment gérer les différentes versions de packages requis par vos multiples projets ? Comment éviter que l'installation d'une nouvelle bibliothèque pour un projet n'impacte un autre projet en cours ? Cette problématique nous amène naturellement à la notion d'environnements virtuels, solution fondamentale pour l'isolation et la gestion des dépendances en Python professionnel.

Qu’est-ce qu’un environnement virtuel ?

Un environnement virtuel est un espace de travail Python isolé et indépendant qui permet de créer des installations Python séparées sur une même machine. Chaque environnement virtuel dispose de sa propre collection de packages et de sa propre version de l'interpréteur Python, complètement isolée des autres environnements et de l'installation Python système.

Un environnement virtuel peut être comparé à une machine virtuelle (VM), mais uniquement pour Python. Tout comme une machine virtuelle crée un système d'exploitation isolé sur votre ordinateur, un environnement virtuel crée un espace Python isolé sur votre système. La différence principale est qu'une machine virtuelle virtualise l'ensemble du système (processeur, mémoire, disque) alors que l'environnement virtuel ne virtualise que l'écosystème Python (interpréteur, packages, dépendances).

Ainsi, l'environnement virtuel applique le concept de virtualisation de manière ciblée et efficace. Il crée une barrière logique qui permet à plusieurs projets Python de coexister sur la même machine avec des configurations différentes, sans interférence mutuelle. Cette isolation légère est essentielle pour maintenir la cohérence et la reproductibilité des développements Python professionnels.

Pourquoi utiliser des environnements virtuels ?

En tant qu'analyste ou développeur, vous travaillerez souvent sur plusieurs projets simultanément. Chaque projet peut nécessiter des versions spécifiques de certaines bibliothèques.

Exemple :

• Votre projet de segmentation nécessite : pandas 1.0.6, pyspark 3.5.1
• Votre projet d’exploration de données requiert : numpy 1.18.4, pandas 2.2.3

Le problème est évident : les deux projets utilisent pandas, mais dans des versions différentes. Sans environnements virtuels, il serait très difficile de satisfaire ces deux exigences simultanément avec votre machine. Les environnements virtuels résolvent ce problème en créant des espaces isolés où chaque projet peut avoir sa propre configuration de paquets, indépendamment des autres projets.

Cette illustration présente l'architecture de votre machine avec plusieurs environnements virtuels Python. Chaque environnement virtuel forme une arborescence de fichiers comprenant une version dédiée de Python, ses dépendances et ses scripts associés. Puisqu'il s'agit simplement de dossiers contenant des fichiers, vous pouvez créer autant d'environnements virtuels que nécessaire sur votre système.

Comment peut‑on se retrouver avec deux versions différentes ?

• Évolution des bibliothèques : Les paquets populaires comme pandas évoluent constamment. Un projet démarré il y a 4 ans utilisera une version plus ancienne que celle d'un projet récent.
• Compatibilité : Certains projets peuvent nécessiter une version spécifique d'une bibliothèque pour fonctionner avec d'autres composants ou pour maintenir la stabilité.
• Projets hérités : Vous pourriez reprendre un projet développé par quelqu'un d'autre qui utilisait une version spécifique.

C'est précisément pour résoudre ce type de conflit que les environnements virtuels ont été créés. Un environnement virtuel fonctionne comme un conteneur isolé qui maintient séparées les dépendances de chaque projet. On peut penser à une sorte de machine virtuelle mais uniquement pour Python.

Lorsque vous commencez un nouveau projet, vous créez un environnement virtuel dédié. Cet environnement contient :

• Sa propre installation Python indépendante
• Un espace isolé où vous installez uniquement les packages nécessaires à ce projet spécifique
• Un mécanisme d'activation/désactivation pour basculer facilement entre différents projets

Cette isolation garantit que vous travaillez toujours avec les versions exactes des bibliothèques requises par chaque projet, évitant ainsi les conflits de dépendances et simplifiant considérablement la gestion de vos développements Python.

uv : L'outil unifié pour l'écosystème Python moderne

uv révolutionne la gestion des environnements Python en unifiant trois fonctions critiques : la gestion des versions Python, la création d'environnements virtuels et la gestion des dépendances.

Historiquement, les développeurs Python jonglaient entre plusieurs outils spécialisés – venv + pip avec des fichiers requirements.txt pour les besoins basiques, conda pour les environnements complexes incluant des dépendances non‑Python, et pyenv pour gérer les versions de l'interpréteur Python. Cette approche fragmentée imposait la maîtrise de syntaxes et workflows multiples, ralentissant la productivité.

uv unifie ces trois composants en une seule solution performante, éliminant la complexité des approches traditionnelles tout en offrant des performances considérablement supérieures.

Nous adoptons exclusivement uv pour l'ensemble de nos besoins – de la gestion des versions Python à l'installation des dépendances. Cette stratégie simplifie l'outillage tout en optimisant les performances, un avantage particulièrement crucial dans la section MLOps.

uv : Création d’un environnement virtuel

uv est un outil développé en Rust, qui combine plusieurs fonctionnalités :

• Gestionnaire de paquets : Alternative à pip, 10–100× plus rapide
• Gestionnaire d'environnements virtuels : Remplace venv avec la même simplicité
• Résolveur de dépendances : Évite intelligemment les conflits

Ses principaux avantages sont sa vitesse d'installation, sa compatibilité avec l'écosystème Python existant (requirements.txt, setuptools), et sa facilité d'utilisation avec une syntaxe familière. uv est significativement plus rapide que les alternatives traditionnelles (venv, virtualenv, pyenv+pyenv-virtualenv, conda ou pipenv) tout en restant compatible avec l'écosystème Python existant.

Voici un récapitulatif pour créer un environnement virtuel avec uv sur macOS et Linux/WSL2 :

# 1. Installation de uv
curl -sSf https://install.ultraviolet.rs | sh
# Alternative sur macOS
brew install uv

# 2. Création d'un environnement virtuel
uv venv               # par défaut .venv
uv venv -p 3.11 .venv # spécifier Python 3.11
uv venv mon_projet_env

# 3. Activation de l'environnement
source .venv/bin/activate
# OU
source mon_projet_env/bin/activate

# 4. Installation de paquets / synchronisation
uv sync --all-extras          # synchronise selon pyproject.toml
uv pip install -r requirements.txt

# 5. Désactivation
deactivate
      

Points clés à retenir

• Un projet = un environnement virtuel dédié : Créez systématiquement un nouvel environnement virtuel pour chaque projet Python.
• Jamais d’installation globale de packages tiers : N'installez jamais de packages externes dans votre Python système ou géré globalement.
• Concrètement :
  • uv add pandas ✅ (dans un environnement virtuel)
  • pip install pandas ❌ (installation globale)