Voici les résultats de la huitième Enquête annuelle sur les Développeurs Python, menée conjointement par la Python Software Foundation et JetBrains PyCharm.
Les réponses ont été recueillies en octobre et novembre 2024, avec plus de 30 000 développeurs et passionnés de Python venus de près de 200 pays et régions participant pour éclairer l'état actuel du langage et de son écosystème.
Consultez les résultats de l'Enquête sur les Développeurs Python de 2023, 2022, 2021, 2020, 2019, 2018 et 2017.
Partager :
Principal
Secondaire
Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».
45%
46%
SQL
34%
64%
JavaScript
32%
54%
HTML/CSS
31%
35%
Bash / Shell
29%
16%
C/C++
19%
13%
Java
14%
29%
TypeScript
11%
2%
R
10%
8%
C#
Ici, le terme développement web fait référence aux personnes ayant sélectionné développement web en réponse à la question « À quelles fins utilisez-vous le plus Python ? ».
La science des données fait référence aux personnes ayant sélectionné analyse de données ou machine learning à la même question.
40%
43%
JavaScript
37%
35%
HTML/CSS
37%
30%
SQL
32%
25%
Bash / Shell
26%
37%
C/C++
17%
28%
Java
15%
24%
TypeScript
9%
18%
C#
8%
12%
Go
des développeurs Python interrogés pratiquent le développement collaboratif, en baisse de 7 points de pourcentage par rapport à l'année dernière.
Cette baisse peut être due à la fatigue du travail à distance, avec les développeurs préférant des flux de travail individuels, ou au retour dans les environnements de bureau, où les dynamiques de collaboration changent.
Moins d'1 an
1 à 2 ans
3 à 5 ans
6 à 10 ans
+ de 11 ans
Moins d'1 an
1 à 2 ans
3 à 5 ans
6 à 10 ans
+ de 11 ans
Un cinquième des personnes interrogées programme en Python depuis moins d'un an, et plus des deux tiers des étudiants en informatique du monde entier ont déclaré utiliser Python tant pour l'apprentissage que pour le travail au cours de la dernière année.
Découvrez notre rapport de la courbe d'apprentissage en informatique 2024 pour explorer les tendances actuelles - des formats et outils d'apprentissage aux motivations, objectifs de carrière et défis communs.
des Pythonistes ont déclaré avoir contribué à des projets open source l'année dernière.
55%
58%
Documentation et API
45%
51%
Youtube
44%
41%
Python.org
42%
43%
Stack Overflow
41%
38%
Blogs
28%
22%
Livres
19%
27%
Outils d'IA
14%
13%
Écoles de programmation en ligne et MOOC
L'IA gagne en popularité en tant que méthode pour découvrir de nouveaux outils et technologies en Python. De 2023 à 2024, la proportion d'apprenants utilisant l'IA dans ce but est passée de 19 % à 27 %.
Dans cette section, nous avons posé des questions visant à découvrir à quelles fins et pour quels types de développement Python est utilisé, et comment les développeurs combinent les différents cas d'utilisation du langage.
Pour le travail et pour des projets personnels
Pour des projets personnels, éducatifs ou secondaires
Pour le travail
0%
60%
49%
42%
Analyse des données
48%
34%
Développement web
42%
33%
Machine Learning
33%
22%
Ingénierie de données
28%
23%
Web scraping et parsing
28%
23%
Recherche académique
26%
25%
DevOps / Administration de systèmes
21%
23%
Développement web
10%
13%
Machine Learning
10%
10%
Analyse des données
9%
8%
Recherche académique
9%
8%
À des fins éducatives
7%
6%
DevOps / Administration de systèmes / Écriture de scripts d'automatisation
6%
7%
Ingénierie de données
Dans cette question, nous avons demandé aux participants de sélectionner une seule activité principale.
Développement web
Analyse des données
Machine Learning
Ingénierie de données
Recherche académique
DevOps / Administration de systèmes / Écriture de scripts d'automatisation
À des fins éducatives
Tests logiciels / Écriture de tests automatisés
Prototypage de logiciels
Conception ou visualisation de données
Programmation d'analyseurs / scrapers / crawlers web
Développement d'applications de bureau
Programmation réseau
des développeurs Python interrogés continuent d'utiliser Python 2.
Les pourcentages sont calculés dans chaque colonne.
2021 | 2022 | 2023 | 2024 | |
---|---|---|---|---|
21 % | 25 % | 29 % | 38 % | FastAPI |
40 % | 39 % | 33 % | 35 % | Django |
41 % | 39 % | 33 % | 34 % | Flask |
– | – | 30 % | 33 % | Requests |
– | – | 20 % | 23 % | Asyncio |
– | – | 18 % | 20 % | Django REST Framework |
– | – | 12 % | 15 % | httpx |
– | – | 12 % | 13 % | aiohttp |
– | – | 8 % | 12 % | Streamlit |
– | – | 6 % | 8 % | Starlette |
3 % | 4 % | 3 % | 3 % | web2py |
4 % | 4 % | 3 % | 2 % | Tornado |
3 % | 3 % | 3 % | 2 % | Bottle |
3 % | 4 % | 3 % | 2 % | CherryPy |
3 % | 3 % | 3 % | 2 % | Pyramid |
2 % | 2 % | 2 % | 1 % | Falcon |
1 % | 2 % | 1 % | 1 % | Hug |
– | – | 2 % | 1 % | Quart |
– | – | 2 % | 1 % | Twisted |
5 % | 5 % | 5 % | 7 % | Autre |
29 % | 27 % | 23 % | 19 % | Aucun |
Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».
41%
56%
FastAPI
37%
39%
Flask
33%
42%
Requests
28%
61%
Django
22%
33%
Asyncio
22%
7%
Streamlit
13%
44%
Django REST Framework
Les pourcentages sont calculés dans chaque colonne.
Asyncio | Django | Django REST Framework | FastAPI | Requests | Starlette | Streamlit | aiohttp | httpx | |
---|---|---|---|---|---|---|---|---|---|
– | 26 % | 33 % | 42 % | 45 % | 69 % | 37 % | 81 % | 56 % | Asyncio |
38 % | – | 93 % | 42 % | 41 % | 37 % | 38 % | 39 % | 38 % | Django |
27 % | 53 % | – | 29 % | 28 % | 27 % | 23 % | 28 % | 26 % | Django REST Framework |
68 % | 45 % | 55 % | – | 55 % | 92 % | 65 % | 67 % | 69 % | FastAPI |
43 % | 47 % | 47 % | 45 % | 47 % | 35 % | 51 % | 42 % | 36 % | Flask |
62 % | 39 % | 47 % | 48 % | – | 67 % | 54 % | 64 % | 56 % | Requests |
23 % | 8 % | 11 % | 19 % | 16 % | – | 15 % | 24 % | 27 % | Starlette |
19 % | 13 % | 14 % | 21 % | 19 % | 22 % | – | 17 % | 17 % | Streamlit |
45 % | 15 % | 19 % | 23 % | 25 % | 41 % | 19 % | – | 35 % | aiohttp |
35 % | 16 % | 20 % | 27 % | 25 % | 52 % | 21 % | 40 % | – | httpx |
21 % | 18 % | 18 % | 18 % | 20 % | 22 % | 20 % | 24 % | 27 % | Autre |
Vous pouvez en savoir plus sur le paysage Django dans l'enquête 2023 sur les développeurs Django, menée en partenariat avec la Django Software Foundation.
31%
34%
BeautifulSoup
28%
32%
Pillow
22%
30%
Pydantic
22%
26%
OpenCV-Python
17%
21%
Tkinter
12%
13%
PyQT
11%
12%
Scrapy
10%
11%
Pygame
pytest
unittest
mock
doctest
tox
Hypothesis
nose
Autre
Aucun
Veuillez noter qu'en 2023, la liste a été élargie avec de nouvelles options.
0%
45%
Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».
Dans des conteneurs
Dans des machines virtuelles
Serverless
Sur une plateforme en tant que service
Autre
Aucun
des développeurs interrogés utilisent Kubernetes pour exécuter du code dans des conteneurs.
Amazon Elastic Kubernetes Service
Google Kubernetes Engine
Azure Kubernetes Service
RedHat OpenShift
Autre
49%
51%
Localement avec virtualenv
38%
44%
Dans des conteneurs Docker
23%
23%
Dans des machines virtuelles
20%
19%
Avec un interpréteur système local
16%
16%
Dans des environnements de développement à distance
14%
15%
Utilisation de WSL
10%
9%
Directement dans l'environnement de production
2%
2%
Autre
de tous les développeurs Python interrogés sont impliqués dans l'exploration et le traitement de données, avec pandas et NumPy comme outils les plus utilisés pour cela.
Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».
Une solution interne
Delta Lake
DVC
Pachyderm
Autre
Aucun
des Pythonistes interrogés ont rapporté qu'ils travaillent à la création de tableaux de bord, avec Streamlit et Plotly Dash comme principaux choix pour ces tâches.
Streamlit
Plotly Dash
TensorBoard
Gradio
Panel
Voila
Autre
Aucun
PowerBI
Je n'en suis pas sûr·e
Tableau
Looker
Metabase
QlikView
Autre
Aucun
Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».
de nos répondants entraînent ou génèrent des prédictions à l'aide de modèles ML, ce qui représente une augmentation de six points de pourcentage par rapport à l'année dernière. Parmi eux, plus de deux tiers utilisent scikit-learn et PyTorch.
67%
68%
SciKit-Learn
60%
66%
PyTorch
48%
49%
TensorFlow
44%
42%
SciPy
30%
30%
Keras
22%
28%
Hugging Face Transformers
22%
23%
XGBoost
Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».
Les pourcentages sont calculés dans chaque colonne.
Hugging Face Diffusers | Hugging Face Transformers | Keras | NLTK | PyTorch | PyTorch Lightning | SciKit-Learn | SciPy | TensorFlow | XGBoost | spaCy | |
---|---|---|---|---|---|---|---|---|---|---|---|
– | 38 % | 18 % | 22 % | 16 % | 25 % | 14 % | 16 % | 17 % | 17 % | 25 % | Hugging Face Diffusers |
90 % | – | 38 % | 53 % | 37 % | 46 % | 33 % | 34 % | 34 % | 42 % | 62 % | Hugging Face Transformers |
47 % | 40 % | – | 50 % | 36 % | 37 % | 41 % | 42 % | 52 % | 50 % | 46 % | Keras |
36 % | 36 % | 33 % | – | 24 % | 28 % | 27 % | 29 % | 27 % | 35 % | 59 % | NLTK |
88 % | 86 % | 78 % | 80 % | – | 94 % | 72 % | 77 % | 76 % | 75 % | 82 % | PyTorch |
31 % | 24 % | 18 % | 21 % | 21 % | – | 18 % | 21 % | 16 % | 21 % | 25 % | PyTorch Lightning |
74 % | 78 % | 89 % | 90 % | 73 % | 79 % | – | 91 % | 80 % | 94 % | 88 % | SciKit-Learn |
57 % | 50 % | 59 % | 62 % | 49 % | 61 % | 58 % | – | 52 % | 62 % | 68 % | SciPy |
69 % | 59 % | 85 % | 68 % | 57 % | 55 % | 59 % | 61 % | – | 63 % | 63 % | TensorFlow |
33 % | 34 % | 38 % | 42 % | 26 % | 34 % | 34 % | 34 % | 30 % | – | 43 % | XGBoost |
30 % | 31 % | 22 % | 43 % | 18 % | 24 % | 19 % | 23 % | 18 % | 26 % | – | spaCy |
TensorBoard
MLFlow
Weights & Biases
Une solution interne
NeptuneML
CometML
Autre
Aucun
TensorBoard.dev est obsolète, mais TensorBoard reste un choix de premier ordre pour le suivi des expérimentations. Son intégration en profondeur avec les principaux frameworks ML, ses visualisations riches et son installation locale flexible contribuent à son utilisation généralisée par les développeurs et les chercheurs.
des développeurs Python interrogés travaillent sur le déploiement et l'inférence de ML. Fait intéressant, les outils les plus populaires pour cette tâche sont des solutions internes.
Ils sont importants, mais je cherche le juste équilibre avec les performances et les fonctionnalités
Ils constituent le critère principal ; je cherche toujours à minimiser les coûts
Ils sont secondaires par rapport à d'autres critères comme la facilité d'utilisation et d'intégration
Les coûts ne sont pas une préoccupation majeure
Moins de 1 000 USD
1 000 à 5 000 USD
5 000 à 10 000 USD
10 000 à 25 000 USD
Plus de 25 000 USD
Je n'en suis pas sûr·e
des répondants travaillent avec le big data, avec la majorité préférant les solutions cloud. Parmi les outils de big data, PySpark est le plus populaire, utilisé par 40 % des répondants.
36%
40%
PySpark
8%
7%
Great Expectations
6%
6%
PyFlink
3%
4%
PyDeequ
5%
4%
Autre
50%
49%
Aucun
Cloud
Autohébergé
Les deux
Aucun
Linux
Windows
macOS
BSD
Autre
41%
59%
SQLAlchemy
15%
56%
Django ORM
12%
14%
Raw SQL
10%
14%
SQLModel
Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».
La part des scientifiques des données impliqués dans le développement de bases de données a augmenté de quatre points de pourcentage par rapport à l'année dernière.
Ce changement pourrait-il être dû à l'utilisation croissante des bases de données vectorielles dans les applications LLM ?
34%
39%
SQLAlchemy
25%
26%
Django ORM
13%
12%
Raw SQL
7%
10%
SQLModel
43%
49%
PostgreSQL
34%
37%
SQLite
30%
31%
MySQL
17%
18%
Redis
17%
19%
MongoDB
10%
11%
MariaDB
10%
12%
MS SQL Server
Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».
Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».
Les deux tiers des développeurs Python utilisent régulièrement des systèmes d'intégration continue.
GitHub Actions est en tête, suivi de GitLab CI/CD et Jenkins/Hudson.
Ansible
Une solution personnalisée
Puppet
Chef
Salt
Autre
Aucun
43%
44%
Markdown
25%
29%
Swagger
16%
15%
Sphinx
14%
15%
Postman
13%
11%
Wiki
J'ouvre tout le projet qui contient ce fichier dans un IDE
J'utilise un éditeur en ligne de commande
J'ouvre juste ce fichier dans un IDE
J'utilise un éditeur de texte léger
Autre
Je n'ai généralement pas besoin d'ouvrir ou de modifier des fichiers Python individuels
Pour identifier les éditeurs et les IDE les plus populaires, nous avons posé une question à réponse unique : « Quel est l’éditeur principal que vous utilisez actuellement pour développer en Python ? ».
Toutes les options avec une part inférieure à 1 % ont été regroupées dans « Autre ».
44%
46%
Code Visual Studio
27%
37%
PyCharm
7%
0%
Jupyter Notebook
2%
0%
Spyder
Parmi les utilisateurs de VS Code, l'extension Data Wrangler est utilisée par 11 %, et 53 % tirent parti de la prise en charge de Jupyter par l'IDE.
des développeurs Python interrogés utilisent des IDE ou des éditeurs supplémentaires en plus de leur principal, et 42 % en utilisent trois ou plus simultanément.
Toutes les options avec une part inférieure à 1 % ont été regroupées dans « Autre ».
1
2
3
>3
55%
62%
venv
28%
25%
virtualenv
20%
19%
Conda
18%
18%
Poetry
9%
8%
Pipenv
–
11%
uv
77%
74%
pip
19%
20%
Poetry
19%
18%
Conda
–
12%
uv
9%
8%
Pipenv
9%
9%
pip-tools
63%
59%
requirements.txt
32%
36%
pyproject.toml
17%
16%
setup.py
11%
12%
Je ne stocke pas d'informations sur les dépendances
80%
75%
PyPI
28%
29%
GitHub
16%
16%
Anaconda
14%
14%
Une source locale
10%
10%
Un Python Package Index privé
10%
11%
Depuis la distribution Linux
10%
11%
Un miroir interne de PyPI
73%
83%
PyPI
29%
25%
GitHub
27%
6%
Anaconda
15%
10%
Une source locale
13%
11%
Un miroir interne de PyPI
11%
12%
Un Python Package Index privé
10%
2%
Autres canaux Conda
des répondants ont empaqueté et publié une application Python qu'ils ont développée dans un référentiel de paquets.
Twine
PyPI Publish GitHub Action
Poetry
Hatch
Flit
PDM
Autre
Je n'en ai jamais entendu parler
J'en ai vaguement entendu parler
Je l'ai essayé, mais je ne l'utilise plus
Je l'utilise actuellement
des développeurs Python interrogés travaillent avec un monorepo, où plusieurs paquets ou services sont stockés dans un seul référentiel, chacun avec ses propres dépendances gérées indépendamment.
Oui
Non
Autre
Je n'utilise pas de conteneurs pour le développement Python
des répondants construisent des modules binaires Python avec d'autres langages, principalement C++, C et Rust. Fait intéressant, Rust montre une augmentation de six points de pourcentage par rapport à l'année dernière.
55%
54%
C++
44%
45%
C
27%
33%
Rust
9%
10%
Go
Cette question était facultative.
Toutes les options avec une part inférieure à 1 % ont été regroupées dans « Autre ».
Toutes les options avec une part inférieure à 1 % ont été regroupées dans « Autre ».
Vous voulez explorer les données en détail ? Téléchargez les réponses anonymisées à l'enquête et voyez ce que vous pouvez apprendre ! Partagez vos conclusions et vos analyses en mentionnant @jetbrains et @ThePSF sur X avec le hashtag #pythondevsurvey.
Une fois encore, au nom de la Python Software Foundation et de JetBrains, nous tenons à remercier toutes les personnes qui ont participé à cette enquête. Grâce à votre aide, nous sommes en mesure d'établir une cartographie plus précise de la communauté Python !
Contribuez à la campagne de dons de la PSF Recurring Giving Campaign. La PSF est une organisation à but non lucratif entièrement financée par ses sponsors, ses membres et les dons de contributeurs individuels.
Nous espérons que vous avez trouvé notre rapport utile. Partagez ce rapport avec vos amis et collègues !