Glossaire Python : les termes essentiels pour comprendre le langage

Python s'est imposé comme le langage informatique le plus recherché au monde selon l'index TIOBE. Mais derrière ce succès, un vocabulaire technique dense peut freiner l'apprentissage. Ce glossaire réunit les termes essentiels pour comprendre Python, de ses fondamentaux jusqu'à ses usages en intelligence artificielle, en passant par le développement web et les outils du quotidien d'un développeur.

Nous avons classé ces termes par grands domaines plutôt que par ordre alphabétique, pour suivre une logique d'apprentissage proche de celle que nous enseignons en formation.

Qu'est-ce que Python ?

Python est un langage de programmation, c'est-à-dire un ensemble de règles et de mots-clés qui permettent de donner des instructions à un ordinateur. Créé en 1991 par le développeur néerlandais Guido van Rossum, il a été pensé dès le départ pour être facile à lire et à écrire, avec une syntaxe proche de l'anglais courant. C'est cette simplicité qui explique pourquoi il est aujourd'hui l'un des tout premiers langages enseignés aux débutants, en école comme en autoformation.

Concrètement, Python sert à automatiser des tâches (trier des fichiers, envoyer des emails, extraire des informations d'un site web), à analyser de grandes quantités de données, à construire des sites internet, ou encore à créer des intelligences artificielles. Un même langage, plusieurs usages : c'est justement cette polyvalence qui a fait son succès, aussi bien chez les débutants qui apprennent à coder que chez les entreprises qui l'utilisent en production.

Pas besoin d'installer un logiciel compliqué pour commencer : Python se télécharge gratuitement, et les premières lignes de code peuvent s'écrire en quelques minutes, dans un simple éditeur de texte. C'est justement pour clarifier tout le vocabulaire que l'on rencontre une fois ces premiers pas franchis (bibliothèques, frameworks, structures de données) que ce glossaire existe.

Votre premier programme en Python

Pour se rendre compte de la simplicité de Python, rien ne vaut un exemple concret. Voici le programme le plus classique pour découvrir un langage : afficher un message à l'écran.

python

print("Bonjour, bienvenue dans le monde de Python !")

Une seule ligne suffit. La fonction print() demande simplement à l'ordinateur d'afficher ce qui se trouve entre les guillemets. Pas de point-virgule à la fin, pas d'accolade à ouvrir ou fermer : c'est exactement cette économie de syntaxe qui rend Python si accessible dès les premières minutes.

On peut aller un peu plus loin en quelques lignes seulement, par exemple en demandant à l'utilisateur son prénom puis en le saluant :

python

prenom = input("Quel est ton prénom ? ")

print("Bonjour " + prenom + ", ravi de te rencontrer !")

Ici, input() récupère ce que l'utilisateur tape au clavier et le stocke dans une variable nommée prenom, puis la deuxième ligne réutilise cette variable pour construire un message personnalisé. En quatre lignes de code, on retrouve déjà deux notions du glossaire : la fonction et la variable.

C'est cette progression, du script de quelques lignes jusqu'aux projets de data science ou d'intelligence artificielle, que nous accompagnons pas à pas dans nos formations.

‍

Fondamentaux du langage

Interpréteur

L'interpréteur est le programme qui lit et exécute le code Python ligne par ligne, sans passer par une étape de compilation préalable comme en C ou en Java. C'est ce qui rend Python particulièrement adapté aux tests rapides et au prototypage : on écrit une ligne, on l'exécute, on voit immédiatement le résultat. Cette exécution directe a un coût en performance, mais elle explique en grande partie pourquoi Python est devenu le langage de référence pour l'apprentissage de la programmation.

Indentation

En Python, l'indentation (les espaces en début de ligne) n'est pas une simple convention de style : elle fait partie de la syntaxe du langage. Elle délimite les blocs de code là où d'autres langages utilisent des accolades. Une indentation incohérente provoque une erreur à l'exécution. C'est l'un des premiers réflexes que nous transmettons dans notre Bachelor Informatique, tant il conditionne la lisibilité du code produit ensuite.

Variable

Une variable est un espace de mémoire auquel on associe un nom pour stocker une valeur (un nombre, un texte, une liste, etc.). Python est un langage à typage dynamique : on n'a pas besoin de déclarer explicitement le type d'une variable avant de l'utiliser, contrairement à des langages comme Java ou C. Cette souplesse accélère l'écriture du code, mais impose une discipline de nommage et de test plus rigoureuse pour éviter les erreurs de type en production.

Type dynamique

Le typage dynamique signifie que le type d'une variable est déterminé automatiquement au moment de l'exécution, et peut même changer en cours de programme. C'est un gain de vitesse d'écriture évident pour un débutant, mais aussi une source d'erreurs silencieuses dans les projets complexes. Des outils comme les annotations de type et Mypy permettent d'ajouter une couche de vérification optionnelle sans renoncer à cette flexibilité.

Fonction

Une fonction est un bloc de code réutilisable, défini une fois et appelé autant de fois que nécessaire, avec des paramètres différents à chaque appel. Elle se déclare avec le mot-clé def. Maîtriser l'écriture de fonctions claires, avec un nom explicite et une responsabilité unique, est l'une des compétences fondamentales attendues d'un futur développeur, quel que soit le langage utilisé ensuite.

Module et package

Un module est un simple fichier Python (.py) contenant des fonctions, des classes ou des variables que l'on peut importer dans un autre programme. Un package est un ensemble de modules organisés dans un dossier, généralement distribué et installé via pip. Cette organisation modulaire est ce qui permet à l'écosystème Python de compter plusieurs centaines de milliers de bibliothèques disponibles publiquement.

PEP 8

PEP 8 est le guide de style officiel du langage Python. Il définit des conventions de nommage, d'indentation, d'espacement et de longueur de ligne. Respecter PEP 8 n'est pas obligatoire pour que le code fonctionne, mais c'est un standard largement adopté en entreprise, vérifié automatiquement par des outils comme Flake8 ou Black, et attendu de tout développeur professionnel dès son premier poste.

Environnement virtuel

Un environnement virtuel est un espace isolé qui permet d'installer des bibliothèques Python propres à un projet, sans interférer avec les autres projets présents sur la même machine. Créé avec l'outil venv ou avec Conda, il évite les conflits de versions entre bibliothèques, un problème fréquent dès qu'on travaille sur plusieurs projets en parallèle.

Pip

Pip est le gestionnaire de paquets officiel de Python. Il permet d'installer, mettre à jour ou supprimer des bibliothèques en une seule commande, en les récupérant depuis PyPI, le dépôt central de l'écosystème. La commande pip install nom-du-package est l'une des premières que tout développeur Python apprend, et reste utilisée quotidiennement, y compris par des développeurs expérimentés.

Boucle et condition

Les boucles (for, while) permettent de répéter une action plusieurs fois, tandis que les conditions (if, elif, else) permettent d'exécuter un bloc de code seulement si une condition est vraie. Ce sont les deux briques de contrôle de flux qui, combinées aux fonctions, permettent de construire n'importe quelle logique de programme, aussi complexe soit-elle.

Programmation orientée objet

Classe

Une classe est un modèle qui définit la structure et le comportement d'un ensemble d'objets. Elle regroupe des attributs (les données) et des méthodes (les actions possibles sur ces données). En Python, tout est objet, y compris les types de base comme les nombres ou les chaînes de caractères, ce qui rend la compréhension des classes centrale pour progresser au-delà d'un niveau débutant.

Objet et instance

Un objet est une instance concrète d'une classe. Si la classe Utilisateur définit la structure générale, un objet comme utilisateur_1 en est une réalisation précise, avec ses propres valeurs d'attributs. La distinction entre classe et instance est l'un des concepts les plus structurants de la programmation orientée objet, et l'un de ceux que les débutants mettent le plus de temps à intégrer pleinement.

Héritage

L'héritage permet à une classe de reprendre les attributs et méthodes d'une autre classe, tout en pouvant les compléter ou les modifier. C'est un mécanisme central pour éviter la duplication de code et organiser une hiérarchie logique entre des concepts proches. Bien utilisé, l'héritage rend un projet plus maintenable sur le long terme, une compétence que nous approfondissons dans notre Master of Science Architecture & Développement Logiciel.

Méthode et attribut

Une méthode est une fonction définie à l'intérieur d'une classe, qui agit sur les données de l'objet. Un attribut est une variable propre à un objet, qui stocke son état. Ensemble, méthodes et attributs définissent ce qu'un objet sait faire et ce qu'il sait retenir, deux notions indissociables de la programmation orientée objet.

Décorateur

Un décorateur est une fonction qui modifie le comportement d'une autre fonction sans changer son code source, en l'enveloppant avec une syntaxe dédiée (@nom_du_decorateur). Utilisés notamment dans des frameworks comme FastAPI ou Flask pour définir des routes, les décorateurs sont une notion plus avancée mais incontournable pour un futur Lead Développeur amené à concevoir une architecture de code propre.

Structures de données

Liste

Une liste est une collection ordonnée et modifiable d'éléments, déclarée entre crochets ([1, 2, 3]). C'est probablement la structure de données la plus utilisée en Python, tant pour sa simplicité que pour sa flexibilité : elle peut contenir des types différents et être modifiée à volonté.

Tuple

Un tuple ressemble à une liste, mais il est immuable : une fois créé, son contenu ne peut plus être modifié. Cette contrainte est utile pour représenter des données qui ne doivent jamais changer, et pour améliorer légèrement les performances par rapport à une liste.

Dictionnaire

Un dictionnaire associe des clés à des valeurs ({"nom": "Dupont", "age": 30}), permettant un accès direct à une donnée sans avoir à parcourir toute la structure. C'est l'équivalent Python d'une table de correspondance, extrêmement utilisé pour manipuler des données structurées, notamment lorsqu'on travaille avec des formats comme JSON, omniprésent dans les API web.

Set

Un set est une collection non ordonnée d'éléments uniques : il élimine automatiquement les doublons. Moins utilisé au quotidien que les listes ou les dictionnaires, il reste précieux pour des opérations mathématiques d'ensemble ou pour dédupliquer rapidement des données.

List comprehension

La list comprehension est une syntaxe compacte permettant de créer une liste à partir d'une autre en une seule ligne, par exemple [x * 2 for x in nombres] pour doubler chaque élément d'une liste. C'est l'une des expressions les plus caractéristiques du style Python, et fréquemment demandée en entretien technique.

Itérateur et générateur

Un itérateur est un objet qui permet de parcourir une collection élément par élément. Un générateur est une façon particulière de créer un itérateur, en utilisant le mot-clé yield, ce qui permet de produire des valeurs à la demande sans les stocker toutes en mémoire. Cette notion devient essentielle dès qu'on manipule de gros volumes de données, un cas fréquent dans le métier de data analyst.

Data science et intelligence artificielle

NumPy

NumPy est la bibliothèque fondatrice du calcul scientifique en Python. Elle introduit une structure de données optimisée, le tableau (array), et des opérations mathématiques vectorisées bien plus rapides que les boucles Python classiques. Pratiquement toutes les autres bibliothèques de data science et de machine learning s'appuient sur elle en arrière-plan.

Pandas

Pandas est la bibliothèque de référence pour manipuler des données tabulaires en Python, l'équivalent d'un tableur mais piloté par code. Elle introduit la structure DataFrame, qui permet de filtrer, transformer, agréger et croiser des données volumineuses en quelques lignes. C'est l'outil que nous utilisons en premier dans notre Master of Science Data Science & Intelligence Artificielle pour familiariser les étudiants avec le nettoyage et l'exploration de données.

DataFrame

Le DataFrame est la structure centrale de Pandas : un tableau à deux dimensions, avec des lignes et des colonnes nommées, comparable à une feuille de calcul Excel mais manipulable par code. Il permet d'appliquer des opérations sur des colonnes entières en une seule instruction, ce qui rend le traitement de données massives à la fois rapide et lisible.

Scikit-learn

Scikit-learn est la bibliothèque de référence pour le machine learning classique (régression, classification, clustering). Elle propose une interface unifiée et simple d'utilisation pour tester rapidement différents algorithmes, ce qui en fait le point d'entrée standard avant de passer à des approches plus avancées de deep learning.

PyTorch et TensorFlow

PyTorch (développé par Meta) et TensorFlow (développé par Google) sont les deux principaux frameworks de deep learning. Ils permettent de construire, entraîner et déployer des réseaux de neurones, de la reconnaissance d'image à la génération de texte. La quasi-totalité des modèles d'intelligence artificielle générative actuels s'appuie sur l'un de ces deux frameworks, ce qui en fait un passage obligé pour un futur data scientist.

Notebook Jupyter

Un notebook Jupyter est un environnement de travail interactif qui permet d'exécuter du code Python par blocs, avec un affichage immédiat des résultats intercalé avec du texte explicatif. C'est l'outil privilégié pour l'exploration de données et la data science, car il permet de tester et documenter une analyse au même endroit.

LLM

LLM signifie large language model, ou grand modèle de langage. Il s'agit d'une famille de modèles d'intelligence artificielle entraînés sur d'immenses volumes de texte, capables de générer et comprendre du langage naturel. Python est le langage central de leur entraînement, de leur ajustement et de leur intégration dans des applications, grâce à des bibliothèques comme Hugging Face Transformers ou LangChain.

Fine-tuning

Le fine-tuning consiste à ré-entraîner un modèle d'intelligence artificielle déjà entraîné sur des données générales, en l'exposant à un jeu de données plus restreint et spécifique à un usage particulier. C'est une pratique courante pour adapter un LLM généraliste à un domaine métier précis, sans avoir à entraîner un modèle depuis zéro.

Embedding

Un embedding est une représentation numérique d'un mot, d'une phrase ou d'un document sous forme de vecteur, construite de façon à ce que des contenus proches en sens soient proches numériquement. C'est le mécanisme qui permet à une intelligence artificielle de comparer, rechercher ou classer du texte selon sa signification plutôt que selon les mots exacts utilisés.

RAG

RAG signifie retrieval-augmented generation, ou génération augmentée par récupération. Cette architecture combine un modèle de langage avec une base de documents externe : avant de répondre, le système va chercher les informations pertinentes dans cette base, puis les intègre à sa réponse. C'est une technique largement utilisée en 2026 pour réduire les erreurs factuelles des LLM et les connecter à des données actualisées.

Développement web et backend

Django

Django est un framework web Python complet, qui fournit tout ce dont on a besoin pour construire une application selon une structure imposée et cohérente. Il reste un choix solide pour des projets web ambitieux nécessitant beaucoup de fonctionnalités intégrées d'emblée.

Flask

Flask est un framework web Python minimaliste, qui laisse au développeur la liberté d'assembler lui-même les briques dont il a besoin, plutôt que d'imposer une structure complète comme Django. Il est apprécié pour des projets plus légers ou des API simples où la flexibilité prime sur les fonctionnalités prêtes à l'emploi.

FastAPI

FastAPI est un framework web Python plus récent, conçu pour construire des API rapides, avec un support natif des opérations asynchrones et une documentation générée automatiquement. Il s'est imposé comme le choix privilégié pour les API orientées intelligence artificielle et data, un point que nous approfondissons dans notre Bachelor Développement Full Stack.

API REST

Une API REST est une interface qui permet à deux applications de communiquer via des requêtes HTTP standardisées, généralement en échangeant des données au format JSON. C'est le mode de communication le plus répandu entre un frontend et un backend, ou entre différents services d'une même application.

ORM

Un ORM (object-relational mapping) est un outil qui permet de manipuler une base de données en utilisant des objets Python plutôt que d'écrire directement des requêtes SQL. Django intègre son propre ORM, tandis que SQLAlchemy est la référence pour les projets utilisant Flask ou FastAPI. Un ORM accélère le développement, au prix d'une compréhension moins directe de ce qui se passe réellement en base de données.

Endpoint

Un endpoint est une adresse précise à laquelle une API expose une fonctionnalité, associée à une méthode HTTP. Concevoir des endpoints clairs et cohérents est une compétence centrale du développement backend, souvent portée par un chef de projet web en lien avec les équipes techniques.

‍

‍

‍

Outils et écosystème

Git

Git est le système de contrôle de version le plus utilisé, permettant de suivre l'historique des modifications d'un code, de travailler à plusieurs sur un même projet sans écraser le travail des autres, et de revenir en arrière si besoin. Ce n'est pas un outil propre à Python, mais sa maîtrise est indissociable de toute pratique professionnelle du développement, quel que soit le langage.

Docker

Docker est un outil de conteneurisation qui permet d'empaqueter une application Python avec toutes ses dépendances dans un environnement isolé et reproductible, exécutable de façon identique sur n'importe quelle machine. Il résout un problème classique : le code qui fonctionne chez le développeur mais pas en production, faute d'environnement identique. C'est une notion centrale de notre Master of Science Architecture & Développement Logiciel.

CI/CD

CI/CD signifie intégration continue et déploiement continu. Il s'agit d'un ensemble de pratiques et d'outils qui automatisent les tests et la mise en production d'un code à chaque modification, réduisant les risques d'erreur humaine et accélérant le rythme de livraison. Des outils comme GitHub Actions ou GitLab CI sont couramment utilisés pour automatiser ces pipelines sur des projets Python.

IDE

Un IDE (environnement de développement intégré) est un logiciel qui regroupe tous les outils nécessaires pour écrire, tester et déboguer du code. Visual Studio Code et PyCharm sont les deux IDE les plus utilisés pour Python, chacun avec ses forces, respectivement en légèreté et en fonctionnalités avancées dédiées au langage.

Linter

Un linter est un outil qui analyse le code sans l'exécuter pour détecter des erreurs potentielles, des incohérences de style ou des mauvaises pratiques. Flake8, Pylint et Black sont les linters les plus utilisés en Python, et leur intégration dans les pipelines de déploiement est devenue un standard attendu d'un administrateur système et réseaux travaillant sur des environnements de production.

Comment se former à Python

Apprendre Python en autodidacte est tout à fait possible pour découvrir les bases : de nombreuses ressources gratuites (documentation officielle, tutoriels, plateformes d'exercices) permettent d'écrire ses premières lignes de code et de comprendre la logique de programmation. Cette approche convient bien pour tester son intérêt avant de s'engager plus loin, mais elle montre vite ses limites dès qu'il s'agit de structurer un vrai projet, de travailler en équipe avec Git, ou de viser un poste en entreprise : les recruteurs attendent des compétences vérifiées, une méthodologie de travail éprouvée, et une expérience de projets concrets, souvent acquise via l'alternance.

Une formation structurée reste donc la voie la plus fiable pour transformer un intérêt pour Python en compétence professionnelle. Chez Coda, Python est introduit dès le Bachelor Informatique pour poser les fondamentaux, puis approfondi selon la spécialisation choisie. Les étudiants attirés par la donnée et l'intelligence artificielle rejoignent naturellement le Master of Science Data Science & IA, tandis que ceux intéressés par l'infrastructure et la sécurité des systèmes peuvent s'orienter vers le Master of Science Cybersécurité & Infrastructures Réseaux, où Python sert notamment à l'automatisation d'audits et à l'analyse forensique.

Le choix de la spécialisation dépend surtout du métier visé : un futur data engineer utilisera Python pour construire des pipelines de données, quand un futur expert cybersécurité l'utilisera pour scripter des outils de test d'intrusion. Dans tous les cas, la logique reste la même : des fondamentaux communs, puis une spécialisation progressive guidée par les projets et les besoins des entreprises partenaires.

Pour explorer l'ensemble de notre offre et trouver la formation la plus adaptée à ton profil, tu peux aussi consulter la page de toutes nos formations informatiques, ou télécharger notre brochure pour un aperçu complet des cursus et des campus.

‍