JetBrains logo

Résultats de l'Enquête 2024 sur les Développeurs Python

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 :

Utilisation générale de Python

Python en tant que langage principal ou secondaire

86%

Principal

14%

Secondaire

Utilisation de Python avec d'autres langages+ de 100

0%

50%

2021202220232024

Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».

Langages pour la science des données et le web+ de 100

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.

Utilisation de Python avec d'autres langages+ de 100

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

27 %

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.

Combien d'années d'expérience professionnelle en programmation avez-vous ?

31%

Moins d'1 an

19%

1 à 2 ans

20%

3 à 5 ans

13%

6 à 10 ans

17%

+ de 11 ans

Depuis combien de temps programmez-vous en Python ?

21%

Moins d'1 an

18%

1 à 2 ans

30%

3 à 5 ans

19%

6 à 10 ans

12%

+ de 11 ans

Saviez-vous que Python est le langage le plus populaire pour apprendre à coder ?

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.

Curieux de plonger plus profondément dans le monde de l'éducation en informatique ?

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.

32 %

des Pythonistes ont déclaré avoir contribué à des projets open source l'année dernière.

Au cours de l'année dernière, comment décririez-vous vos contributions à l'open source ?+ de 100

78%

Code

40%

Documentation, exemples ou contenu pédagogique

35%

Maintenance, gouvernance ou leadership

33%

Tests

19%

Tri des problèmes ou des demandes de fonctionnalités

13%

Développement communautaire ou sensibilisation

2%

Autre

Où découvrez-vous généralement les nouveaux outils et technologies pertinents pour votre développement Python ?+ de 100

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 %.

Simon Willison
Membre du conseil d'administration de la PSF, co-créateur de Django et fondateur de Datasette

La plupart des outils d'IA ont des données d'entraînement qui remontent à un ou deux ans et privilégient les bibliothèques avec de nombreux exemples et du code existant, ce qui crée un fort biais en faveur des paquets établis de longue date.

Objectifs de l’utilisation de Python

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.

À quelles fins utilisez-vous principalement Python ?

52%

Pour le travail et pour des projets personnels

28%

Pour des projets personnels, éducatifs ou secondaires

20%

Pour le travail

À quelles fins utilisez-vous Python ?+ de 100

0%

60%

2021202220232024

Utilisation de Python comme langage principal et secondaire+ de 100

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

À quelles fins utilisez-vous le plus Python ?

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.

Dans quelle mesure êtes-vous impliqué·e dans les activités suivantes ?

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

Versions de Python

4 %

des développeurs Python interrogés continuent d'utiliser Python 2.

Versions de Python 3

2%

Python 3.14

15%

Python 3.13

35%

Python 3.12

21%

Python 3.11

15%

Python 3.10

6%

Python 3.9

3%

Python 3.8

1%

Python 3.7

1%

Python 3.6

1%

Python 3.5 ou inférieur

Hugo van Kemenade
Membre de la PSF, mainteneur open source de Python, développeur Core de CPython et éditeur PEP

Comme pour les deux dernières années, il est satisfaisant de voir que seuls 6 % utilisent des versions Python en fin de vie (actuellement 3.8 et antérieures) et que la majorité adopte les dernières versions. Il est également intéressant de noter que la part la plus importante revient à la version 3.12, d'autant plus que l'enquête n'a été lancée qu'un jour après la sortie de la version 3.13. Pendant les 6 semaines d'ouverture de l'enquête, 15 % utilisaient déjà principalement la nouvelle version 3.13. En tant que responsable des versions pour Python 3.14, je suis ravi que les gens essaient déjà les nouvelles versions Alpha.

Installation et mise à niveau de Python+ de 100

34%

Python.org

24%

Outil de gestion de paquets à l'échelle du système d'exploitation

17%

pyenv

17%

J'utilise des conteneurs Docker

14%

Anaconda

6%

Quelqu'un d'autre gère les mises à jour de Python pour moi

5%

Build à partir de la source

4%

Mises à niveau automatiques via un fournisseur cloud

Pourquoi n'avez-vous pas effectué la mise à jour vers la dernière version ?+ de 100

53%

La version que j'utilise répond à tous mes besoins

27%

Mes projets ne sont pas compatibles avec la dernière version de Python

25%

Je n'ai pas eu le temps de faire la mise à jour

17%

J'ai des doutes concernant la stabilité de la dernière version de Python

12%

La politique de notre organisation est de n'utiliser qu'une version spécifique de Python

6%

Je ne savais pas que la dernière version de Python était disponible

5%

Je n'ai pas l'autorisation nécessaire pour mettre à jour ma version Python

9%

Autre

Frameworks et Bibliothèques

Frameworks web+ de 100

Les pourcentages sont calculés dans chaque colonne.

2021202220232024
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
041 %

Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».

Frameworks web+ de 100

41%

56%

FastAPI

37%

39%

Flask

33%

42%

Requests

28%

61%

Django

22%

33%

Asyncio

22%

7%

Streamlit

13%

44%

Django REST Framework

Usage croisé des frameworks web+ de 100

Les pourcentages sont calculés dans chaque colonne.

AsyncioDjangoDjango REST FrameworkFastAPIRequestsStarletteStreamlitaiohttphttpx
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
093 %
William Vincent
Developer Advocate chez JetBrains

Les frameworks web asynchrones comme FastAPI montrent des taux plus élevés d'utilisation croisée avec des bibliothèques asynchrones comme httpx que les frameworks web asynchrones-optionnels comme Django.

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.

Autres frameworks et bibliothèques+ de 100

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

Frameworks de tests unitaires+ de 100

53%

pytest

23%

unittest

11%

mock

6%

doctest

5%

tox

4%

Hypothesis

2%

nose

2%

Autre

36%

Aucun

Hugo van Kemenade
Membre de la PSF, mainteneur open source de Python, développeur Core de CPython et éditeur PEP

Bonne nouvelle pour les utilisateurs des bibliothèques de test stdlib : Python 3.13 a ajouté la couleur à la sortie de doctest, et Python 3.14 ajoutera la couleur à unittest.

Pour quels frameworks souhaiteriez-vous bénéficier d'une prise en charge avancée dans votre éditeur ou IDE ?+ de 100

34%

FastAPI

31%

Django

29%

pytest

25%

Flask

21%

Pydantic

20%

Requests

19%

Django REST Framework

17%

Asyncio

17%

OpenCV-Python

17%

BeautifulSoup

PyCharm

PyCharm offre une prise en charge étendue pour le développement backend, notamment pour Django, FastAPI et Flask.

En savoir plus sur le développement web avec PyCharm

Plateformes cloud

Utilisation des plateformes cloud+ de 100

Veuillez noter qu'en 2023, la liste a été élargie avec de nouvelles options.

0%

45%

2021202220232024

Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».

Comment exécutez-vous votre code dans le cloud ?+ de 100

53%

Dans des conteneurs

44%

Dans des machines virtuelles

28%

Serverless

20%

Sur une plateforme en tant que service

2%

Autre

7%

Aucun

44 %

des développeurs interrogés utilisent Kubernetes pour exécuter du code dans des conteneurs.

Parmi les propositions suivantes, qu'utilisez-vous ?+ de 100

51%

Amazon Elastic Kubernetes Service

31%

Google Kubernetes Engine

25%

Azure Kubernetes Service

11%

RedHat OpenShift

15%

Autre

Comment développez-vous pour le cloud ?+ de 100

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

Science des données

51 %

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.

Outils d'exploration et de traitement des données

80%

pandas

75%

NumPy

16%

Spark

15%

Polars

15%

Airflow

8%

Une solution interne

7%

Dask

Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».

Outils pour le versionnement des données

14%

Une solution interne

7%

Delta Lake

7%

DVC

4%

Pachyderm

3%

Autre

69%

Aucun

30 %

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.

Bibliothèques pour créer des tableaux de bord+ de 100

33%

Streamlit

28%

Plotly Dash

14%

TensorBoard

11%

Gradio

10%

Panel

4%

Voila

12%

Autre

28%

Aucun

Cheuk Ting Ho
Membre du conseil d'administration de la PSF, Developer Advocate chez JetBrains

Streamlit est de plus en plus populaire en raison de sa convivialité et du fait qu'il nécessite peu de connaissances en développement web.

Solutions BI+ de 100

21%

PowerBI

17%

Je n'en suis pas sûr·e

11%

Tableau

4%

Looker

4%

Metabase

2%

QlikView

9%

Autre

47%

Aucun

Toutes les options avec une part inférieure à 2 % ont été regroupées dans « Autre ».

38 %

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.

Frameworks pour la formation et la prédiction de modèles ML+ de 100

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 ».

Simon Willison
Membre du conseil d'administration de la PSF, co-créateur de Django et fondateur de Datasette

Hugging Face Transformers est la bibliothèque la plus populaire pour travailler avec des LLM sous licence ouverte, tels que Llama. Hugging Face Diffusers est la bibliothèque de référence pour les modèles de diffusion utilisés pour la génération d'images et de vidéos par des modèles comme Stable Diffusion. Transformers et Diffusers offrent tous deux une intégration poussée avec PyTorch.

Cheuk Ting Ho
Membre du conseil d'administration de la PSF, Developer Advocate chez JetBrains

PyTorch est maintenant sous la gouvernance de la Linux Foundation et semble devenir encore plus populaire cette année.

Frameworks pour l'entraînement de modèles ML ou l'utilisation croisée de prédictions+ de 100

Les pourcentages sont calculés dans chaque colonne.

Hugging Face DiffusersHugging Face TransformersKerasNLTKPyTorchPyTorch LightningSciKit-LearnSciPyTensorFlowXGBoostspaCy
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
094 %

Outils de suivi d'expériences+ de 100

24%

TensorBoard

22%

MLFlow

13%

Weights & Biases

12%

Une solution interne

3%

NeptuneML

3%

CometML

2%

Autre

45%

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.

Plateformes pour la formation+ de 100

50%

Jupyter Notebook

19%

Une solution interne

11%

Amazon Sagemaker

9%

Machines virtuelles cloud avec SSH

9%

AzureML

6%

Databricks

6%

VertexAI

21 %

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.

Plateformes pour le déploiement et l'inférence+ de 100

26%

Une solution interne

24%

Hugging Face

19%

Amazon Sagemaker

16%

MLFlow

14%

AzureML

9%

Databricks

9%

VertexAI

7%

Nvidia Triton

6%

Kubeflow

Est-ce que vous ou votre entreprise utilisez des outils ou plateformes pour les charges de travail ML dans le cloud ?

Quel est l'impact des coûts de calcul sur votre choix d'outils ou de plateformes pour les charges de travail de ML dans le cloud ?

46%

Ils sont importants, mais je cherche le juste équilibre avec les performances et les fonctionnalités

33%

Ils constituent le critère principal ; je cherche toujours à minimiser les coûts

12%

Ils sont secondaires par rapport à d'autres critères comme la facilité d'utilisation et d'intégration

8%

Les coûts ne sont pas une préoccupation majeure

Quel est en général votre budget mensuel pour les ressources de calcul cloud dédiées au ML ?

27%

Moins de 1 000 USD

17%

1 000 à 5 000 USD

8%

5 000 à 10 000 USD

5%

10 000 à 25 000 USD

7%

Plus de 25 000 USD

37%

Je n'en suis pas sûr·e

16 %

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.

Outils big data+ de 100

36%

40%

PySpark

8%

7%

Great Expectations

6%

6%

PyFlink

3%

4%

PyDeequ

5%

4%

Autre

50%

49%

Aucun

Solutions utilisées pour travailler avec les big data+ de 100

34%

Cloud

28%

Autohébergé

25%

Les deux

13%

Aucun

Outils de développement

Systèmes d'exploitation+ de 100

59%

Linux

58%

Windows

27%

macOS

2%

BSD

1%

Autre

Outils d'IA utilisés ou essayés pour la programmation et autres activités liées au développement+ de 100

82%

ChatGPT

39%

GitHub Copilot

23%

Google Gemini

17%

Anthropic Claude

13%

Visual Studio IntelliCode

12%

Microsoft 365 Copilot

12%

Plugin CodeGPT dans VS Code

9%

JetBrains AI Assistant

8%

Code Llama

7%

Codeium

7%

Tabnine

ORM+ de 100

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 ?

ORM+ de 100

34%

39%

SQLAlchemy

25%

26%

Django ORM

13%

12%

Raw SQL

7%

10%

SQLModel

Bases de données+ de 100

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 ».

Simon Willison
Membre du conseil d'administration de la PSF, co-créateur de Django et fondateur de Datasette

PostgreSQL est un projet open-source exceptionnellement bien maintenu, qui existe depuis 28 ans et continue de gagner des parts de marché !

Systèmes d'intégration continue (CI)+ de 100

35%

GitHub Actions

22%

Gitlab CI

12%

Jenkins / Hudson

8%

Azure DevOps

5%

AWS CodePipeline / AWS CodeStar

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.

Outils de gestion des configurations+ de 100

15%

Ansible

8%

Une solution personnalisée

4%

Puppet

2%

Chef

2%

Salt

3%

Autre

71%

Aucun

Outils de documentation+ de 100

43%

44%

Markdown

25%

29%

Swagger

16%

15%

Sphinx

14%

15%

Postman

13%

11%

Wiki

Comment travaillez-vous généralement avec un seul fichier Python ?+ de 100

58%

J'ouvre tout le projet qui contient ce fichier dans un IDE

13%

J'utilise un éditeur en ligne de commande

13%

J'ouvre juste ce fichier dans un IDE

11%

J'utilise un éditeur de texte léger

2%

Autre

4%

Je n'ai généralement pas besoin d'ouvrir ou de modifier des fichiers Python individuels

IDE / Éditeur principal

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 ? ».

48%

Code Visual Studio

25%

PyCharm

4%

Neovim

4%

Jupyter Notebook

3%

Vim

1%

Python Tools for Visual Studio

14%

Autre

3%

Aucun

Toutes les options avec une part inférieure à 1 % ont été regroupées dans « Autre ».

Comparaison Science des données / Développement web

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.

PyCharm

En comparaison, la prise en charge de Jupyter est utilisée par 33 % des utilisateurs d'IntelliJ IDEA et 37 % des utilisateurs de PyCharm.

En savoir plus sur la prise en charge des notebooks Jupyter et les autres fonctionnalités de PyCharm pour les professionnels des données.

80 %

des développeurs Python interrogés utilisent des IDE ou des éditeurs supplémentaires en plus de leur principal, et 42 % en utilisent trois ou plus simultanément.

IDE / éditeurs utilisés en plus de l'IDE / éditeur principal+ de 100

22%

Code Visual Studio

21%

Jupyter Notebook

19%

PyCharm

16%

Vim

13%

NotePad++

12%

JupyterLab

8%

Sublime Text

8%

Nano

6%

Neovim

6%

IDLE

Toutes les options avec une part inférieure à 1 % ont été regroupées dans « Autre ».

Nombre d'IDE / éditeurs utilisés

20%

1

38%

2

22%

3

20%

>3

Paquets Python

Quel outil utilisez-vous pour isoler les environnements Python entre les projets ?+ de 100

55%

62%

venv

28%

25%

virtualenv

20%

19%

Conda

18%

18%

Poetry

9%

8%

Pipenv

11%

uv

Charlie Marsh
Fondateur d'Astral, créateur de Ruff et uv

Rust nous a permis de créer des outils très performants pour Python, notamment dans le domaine de la gestion de paquets, et il a été incroyable de voir l'impact et l'adoption rapide de ce type d'infrastructure au cours de l'année.

Dmitry Ustalov
Chef de l'équipe d'évaluation des IA chez JetBrains

Nous observons une nouvelle génération de formidables outils Python implémentés en Rust : uv, Ruff et Polars. C'est actuellement l'une des plus grandes tendances en Python.

Simon Willison
Membre du conseil d'administration de la PSF, co-créateur de Django et fondateur de Datasette

uv atteignant 11 % dans sa première année de lancement (la première version est sortie en février 2024) est une remarquable réussite.

Vladimir Sotnikov
Responsable du développement chez JetBrains Computational Arts Initiative

J'ai récemment commencé à utiliser uv pour un projet personnel, et je l'adore !

LinkedIn, Google Scholar

PyCharm

PyCharm propose une intégration uv, qui vous permet de créer de nouveaux environnements à partir de zéro et d'appliquer uv aux environnements existants.

Quels outils utilisez-vous pour gérer les dépendances ?+ de 100

77%

74%

pip

19%

20%

Poetry

19%

18%

Conda

12%

uv

9%

8%

Pipenv

9%

9%

pip-tools

Seth Larson
Développeur en résidence sur la sécurité chez la PSF, membre de la PSF

L'adoption d'outils de gestion des dépendances qui permettent de verrouiller les dépendances à la fois par sommes de contrôle et par versions est une bonne chose du point de vue de la sécurité de la chaîne d'approvisionnement. Toutes les applications en Python devraient utiliser l'un de ces outils, tels que pip-tools, Poetry ou uv.

Dans quel format les informations sur vos dépendances d'applications sont-elles stockées ?+ de 100

63%

59%

requirements.txt

32%

36%

pyproject.toml

17%

16%

setup.py

11%

12%

Je ne stocke pas d'informations sur les dépendances

Simon Willison
Membre du conseil d'administration de la PSF, co-créateur de Django et fondateur de Datasette

Le PEP 621 de pyproject.toml a été accepté en novembre 2020. Il est formidable de voir l'adoption continue de cette norme moderne pour l'empaquetage Python.

simonwillison.net, GitHub, LinkedIn, Mastodon, Bluesky

D'où installez-vous les paquets ?100 

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

Charlie Marsh
Fondateur d'Astral, créateur de Ruff et uv

En tant qu'utilisateur, je suis constamment impressionné par la rapidité et la stabilité de PyPI. C'est une infrastructure fondamentale pour tout l'écosystème Python, et l'équipe fait un travail remarquable pour assurer son bon fonctionnement.

Cheuk Ting Ho
Membre du conseil d'administration de la PSF, Developer Advocate chez JetBrains

Cela montre l'importance de PyPI puisqu'il est la source principale de téléchargement des paquets pour la plupart des développeurs.Maintenir sa sécurité a été une priorité pour la PSF, et la communauté doit également soutenir cet effort.

D'où installez-vous les paquets ?100 

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

Cheuk Ting Ho
Membre du conseil d'administration de la PSF, Developer Advocate chez JetBrains

Anaconda et Conda restent des choix populaires parmi les scientifiques des données, car ils offrent une expérience multiplateforme stable et des outils prêts à l'emploi pour les projets de science des données.

26 %

des répondants ont empaqueté et publié une application Python qu'ils ont développée dans un référentiel de paquets.

Quels outils utilisez-vous pour créer des paquets de vos bibliothèques Python ?100 

44%

Twine

31%

PyPI Publish GitHub Action

29%

Poetry

10%

Hatch

5%

Flit

5%

PDM

8%

Autre

Simon Willison
Membre du conseil d'administration de la PSF, co-créateur de Django et fondateur de Datasette

J'utilise PyPI Publish GitHub Action sur des dizaines de mes projets. C'est un moyen très productif d'expédier des paquets vers PyPI, et depuis novembre 2024, il gère automatiquement les attestations numériques sans nécessiter de changements de l'utilisateur final.

simonwillison.net, GitHub, LinkedIn, Mastodon, Bluesky

Quel est votre niveau de connaissance de Trusted Publishers ?

51%

Je n'en ai jamais entendu parler

33%

J'en ai vaguement entendu parler

4%

Je l'ai essayé, mais je ne l'utilise plus

12%

Je l'utilise actuellement

Simon Willison
Membre du conseil d'administration de la PSF, co-créateur de Django et fondateur de Datasette

Trusted Publishing offre un moyen sécurisé de publier des paquets PyPI sans avoir à copier des mots de passe ou des jetons d'authentification dans les systèmes de CI. C'est vraiment facile à utiliser grâce à PyPI Publish GitHub Action.

Charlie Marsh
Fondateur d'Astral, créateur de Ruff et uv

Trusted Publishing est l'une des grandes innovations méconnues de l'écosystème d'empaquetage de l'année écoulée.

30 %

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.

Utilisez-vous un environnement virtuel dans les conteneurs ?

35%

Oui

42%

Non

1%

Autre

21%

Je n'utilise pas de conteneurs pour le développement Python

17 %

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.

Langages pour créer des modules binaires pour Python+ de 100

55%

54%

C++

44%

45%

C

27%

33%

Rust

9%

10%

Go

Seth Larson
Développeur en résidence sur la sécurité chez la PSF, membre de la PSF

La poursuite de l'adoption de langages garantissant la sécurité de la mémoire aux côtés de Python, tels que Rust, Go et C#, est une excellente nouvelle. Cela est en grande partie grâce aux projets de qualité gérés par la communauté, tels que PyO3 et maturin. Bravo aux contributeurs de ces projets.

Cheuk Ting Ho
Membre du conseil d'administration de la PSF, Developer Advocate chez JetBrains

Python et Rust se complètent bien. Python est un langage de haut niveau qui permet d'écrire rapidement du code, tandis que Rust est un langage compilé qui s'exécute rapidement. PyO3 réunit les deux, offrant aux développeurs le meilleur des deux mondes.

Données démographiques

Genre

Cette question était facultative.

Tranche d'âge

9%

18—20

38%

21—29

27%

30—39

15%

40—49

7%

50—59

3%

60 ou plus

Cheuk Ting Ho
Membre du conseil d'administration de la PSF, Developer Advocate chez JetBrains

Bien que la communauté déploie des efforts pour améliorer la diversité et l'inclusion, nous constatons toujours que la majorité des programmeurs sont des hommes. La diversité et l'inclusion sont des initiatives qui doivent se poursuivre.

Dans quel pays / quelle région vivez-vous ?

14%

États-Unis

11%

Inde

6%

Allemagne

4%

Royaume-Uni

4%

Brésil

4%

France

3%

Chine continentale

Toutes les options avec une part inférieure à 1 % ont été regroupées dans « Autre ».

Marie Nordin
Responsable des communications communautaires chez la PSF

Bien que le pourcentage de réponses provenant des États-Unis soit toujours le plus élevé, il est formidable de voir nos efforts pour atteindre une plus grande diversité de répondants pour l'enquête de 2024 porter leurs fruits !

Travail au sein d'une équipe ou de manière indépendante

Travail sur des projets

Situation professionnelle

59%

Employé·e à plein temps par une entreprise / organisation

4%

Employé·e à temps partiel par une entreprise / organisation

6%

Indépendant·e

6%

Freelance

6%

Étudiant·e employé·e

12%

Étudiant·e

4%

Actuellement sans emploi

1%

Retraité·e

1%

Autre

Fonction professionnelle+ de 100

66%

Développeur / Programmeur

16%

Direction d'équipe

16%

Ingénieur de données

15%

Scientifique des données

15%

Architecte

13%

Analyste de données

12%

Ingénieur ML / MLOps

Taille d'entreprise

7%

Ce n'est que moi

12%

2—10

17%

11—50

24%

51—500

7%

501—1 000

10%

1 001—5 000

18%

Plus de 5 000

4%

Je n'en suis pas sûr·e

Taille d'équipe

70%

2 à 7 personnes

19%

8 à 12 personnes

6%

13 à 20 personnes

3%

21 à 40 personnes

2%

Plus de 40 personnes

Secteur d'activité de l'entreprise

41%

Technologies de l'information/Développement de logiciels

7%

Sciences

6%

Éducation/Formation

5%

Comptabilité/Finances/Assurance

4%

Fabrication

4%

Médical/Santé

3%

Banque/Immobilier/Prêts immobiliers

Toutes les options avec une part inférieure à 1 % ont été regroupées dans « Autre ».

Méthodologie et données brutes

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.

Avant d'examiner ces données plus en détail, veuillez prendre en compte ces informations :

Cet ensemble de données comprend uniquement les réponses collectées par les canaux officiels de la Python Software Foundation. Après filtrage des doublons et des réponses non fiables, l'ensemble de données comprend plus de 25 000 réponses collectées entre octobre 2024 et novembre 2024. L'enquête a été mise en avant sur python.org et le blog de la PSF, les listes de diffusion officielles de Python et les subreddits concernant Python, ainsi que par les comptes X et LinkedIn de la PSF. Afin d’éviter que l’enquête ne penche en faveur d’un outil ou d’une technologie spécifiques, aucun canal associé aux produits, aux services ou aux fournisseurs n’a été utilisé pour recueillir les réponses.

Les données ont été anonymisées. Elles ne contiennent ni informations personnelles ni détails de géolocalisation. Afin d’empêcher l’identification de tout participant individuel par ses commentaires, tous les champs ouverts ont été supprimés.

Nous partageons l’ensemble des données, des questions et la logique de l’enquête. Nous avons utilisé plusieurs méthodes de tri pour les propositions de réponse (alphabétique, aléatoire et directe). L’ordre des réponses est précisé pour chaque question.

Critères pour le filtrage et l'élimination de certaines réponses

Tout répondant ayant l'une des caractéristiques suivantes 
  • Être âgé de 17 ans ou moins.
  • Pas de réponse à la question « Combien d'années d'expérience professionnelle avez-vous dans le codage ? » à la troisième page de l'enquête.
  • Être âgé de moins de 21 ans et avoir plus de 11 ans d'expérience professionnelle en codage.
  • Trop de réponses uniques pour les questions à choix multiples (à l'exception des réponses « Aucun·e »).
  • De multiples réponses provenant de la même adresse e-mail (une seule réponse est utilisée).
  • N'utilise pas Python.

Tout répondant indiquant au moins deux des éléments suivants 
  • Plus de 16 langages de programmation utilisés.
  • Plus de 9 fonctions professionnelles.
  • Plus de 11 réponses sélectionnées en réponse à la question « À quelles fins utilisez-vous Python ? ».
  • Le pays ou la région en question figure en tête de liste par ordre alphabétique et non parmi les pays ou régions les plus populaires.
  • Les postes de PDG et d'assistance technique.
  • Un poste de PDG et un âge inférieur à 21 ans.
  • Trop de réponses sélectionnées de façon générale (utilisation de presque tous les frameworks pour la science des données, pour le développement web, l'empaquetage, etc.)
  • Des réponses données trop rapidement (moins de 5 secondes par question).

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.

Consultez les résultats de l'Enquête sur les Développeurs Python de 2023, 2022, 2021, 2020, 2019, 2018 et 2017.

Découvrez les rapports d'autres enquêtes de JetBrains !

Merci du temps que vous nous avez accordé !

Nous espérons que vous avez trouvé notre rapport utile. Partagez ce rapport avec vos amis et collègues !

Rejoignez le JetBrains Tech Insights Lab

Participez à des enquêtes et à des études sur l'expérience utilisateur pour nous à améliorer l'intuitivité et la performance des produits JetBrains. Pour remercier les participants à nos recherches, nous leur offrons divers prix.