Où écrire du code Python : Python en ligne, compilateur, IDLE, Thonny, VS Code, PyCharm et Jupyter

On peut écrire et lancer du code Python de trois façons : dans le navigateur (compilateur Python en ligne, sans installation), dans un environnement simple pour apprendre comme IDLE ou Thonny, ou dans un éditeur professionnel comme VS Code ou PyCharm. Pour l'analyse de données, il existe un univers à part : Jupyter, Google Colab et Spyder, fourni avec Anaconda. Voici en quoi ils diffèrent, comment lancer votre premier code dans chacun et lequel choisir selon votre besoin.

Compilateur ou interpréteur : ce qui exécute réellement le code

On cherche souvent « compilateur python », mais Python est un langage interprété. Le code est exécuté par un programme, l'interpréteur : vous écrivez un texte ordinaire dans un fichier .py, et il le lit puis l'exécute. L'implémentation principale s'appelle CPython et est écrite en C — c'est elle que vous installez depuis python.org ou avec uv.

À l'intérieur, CPython traduit d'abord le source en bytecode (ces fichiers .pyc du dossier __pycache__) puis l'exécute immédiatement sur sa machine virtuelle. Il n'existe pas d'étape « compiler en exe ». Ainsi, tout « compilateur Python en ligne » est en réalité un interpréteur qui tourne sur un serveur ou directement dans le navigateur.

D'où l'idée principale de cet article : l'éditeur et l'interpréteur sont deux choses différentes. IDLE, Thonny, VS Code et PyCharm sont des endroits où vous écrivez le texte. C'est toujours un interpréteur Python qui l'exécute, et dans les environnements sérieux, c'est vous qui choisissez lequel.

Python en ligne : lancer du code sans installation

Pour tester deux lignes, résoudre un exercice de manuel ou si vous êtes sur un ordinateur qui n'est pas le vôtre, le plus simple est d'ouvrir un compilateur Python en ligne dans le navigateur. Vous tapez le code dans la fenêtre, cliquez sur Run et voyez le résultat. Rien à installer, cela fonctionne même sur une tablette.

Il existe deux types d'interpréteurs en ligne :

• Côté serveur — le code est envoyé sur une machine distante et y est exécuté (c'est le cas d'OnlineGDB, de Replit et de la plupart des sites « python online compiler »). On y trouve un vrai CPython, mais le temps d'exécution est en général limité et l'on ne peut pas installer ses propres bibliothèques.
• Dans le navigateur — l'interpréteur est compilé en WebAssembly (projet Pyodide, utilisé par JupyterLite et PyScript). Le code ne quitte pas l'ordinateur, mais tous les modules ne sont pas disponibles : pas de réseau au sens habituel, pas de lancement de processus.

Attention à la version : les services en ligne retardent souvent sur la dernière version. Si un exemple du cours utilise les nouveautés de Python 3.15, il risque de ne pas tourner sur un site qui propose un ancien interpréteur. La version se vérifie directement dans la fenêtre :

import sys
print(sys.version)

Trouver une erreur dans le code Python en ligne

L'interpréteur en ligne aide aussi à repérer les erreurs : lancez le code, et Python affiche une trace d'exécution (traceback) avec la ligne et le type d'erreur. On la lit de bas en haut : la dernière ligne indique ce qui s'est passé, celles du dessus indiquent où.

Traceback (most recent call last):
  File "main.py", line 2, in <module>
    print(total + 1)
          ^^^^^
NameError: name 'total' is not defined

Ici, il y a une faute de frappe dans le nom de la variable, ou elle n'a jamais été créée. Une erreur typique chez les débutants est SyntaxError: 'return' outside function : return se trouve en dehors d'une fonction, souvent à cause d'une indentation décalée. Vérifiez que la ligne est décalée des mêmes quatre espaces que le corps de def.

Quand le Python en ligne ne suffit plus

Les environnements en ligne conviennent aux premiers pas, mais pour apprendre sérieusement, ils gênent vite : les fichiers se perdent, on ne peut pas installer de bibliothèque, il n'y a pas de débogueur, et un projet de plusieurs modules est pénible à assembler. Dès que vous écrivez du code tous les jours, installez Python en local — cela prend une dizaine de minutes — et choisissez un éditeur dans la liste ci-dessous.

IDLE : l'environnement déjà fourni avec Python

IDLE (idle python) est livré avec les installateurs python.org pour Windows et macOS, donc inutile de le télécharger séparément : vous installez Python, vous avez IDLE. Sous Linux, il s'installe en général comme paquet ; sous Debian et Ubuntu, c'est sudo apt install idle3.

IDLE comporte deux fenêtres. Shell est une console interactive avec l'invite >>>, où chaque ligne s'exécute aussitôt. L'éditeur s'ouvre par File → New File : vous écrivez le code, enregistrez le fichier et appuyez sur F5 (Run → Run Module) ; le résultat apparaît dans Shell.

Les avantages d'IDLE : aucune configuration et la coloration syntaxique. Les inconvénients : un éditeur modeste, pas de complétion correcte sur tout un projet, pas d'intégration native de Git ni des environnements virtuels. Pour les premières semaines, cela suffit ; pour des projets, non. Il n'existe pas de version en ligne d'IDLE : quand on cherche « idle python en ligne », on cherche en général un interpréteur dans le navigateur.

Thonny : le meilleur éditeur pour les tout premiers pas

Thonny est un IDE gratuit, conçu spécialement pour l'apprentissage. Son installateur inclut un Python à lui, on peut donc commencer sans installer d'interpréteur séparément. L'interface est minimale : une fenêtre d'édition, une console et un bouton de lancement.

Le point fort de Thonny est son débogueur pas à pas, très clair. On voit comment se calcule chaque expression, les valeurs des variables et l'appel des fonctions. Pour qui ne comprend pas encore pourquoi une boucle se comporte ainsi, c'est plus précieux que n'importe quelle fonction avancée. Les bibliothèques s'installent via le menu Tools → Manage packages, sans ligne de commande.

Si vous apprenez avec un enfant ou seul à partir de zéro et que le terminal vous effraie, commencez par Thonny. Après quelques mois, vous pourrez passer à VS Code sans difficulté.

VS Code : l'éditeur polyvalent pour Python et le reste

Visual Studio Code est un éditeur gratuit de Microsoft qui devient un environnement complet pour Python après installation de l'extension Python (elle installe aussi Pylance, pour la complétion et la vérification des types). C'est le choix le plus populaire chez ceux qui programment dans plusieurs langages : dans une seule fenêtre, on trouve le code, le terminal, Git, Docker et le Markdown.

Comment installer Python dans VS Code

1. Installez Python lui-même (python.org ou uv python install 3.15) — VS Code ne le contient pas.
2. Téléchargez VS Code sur code.visualstudio.com et installez-le.
3. Ouvrez le panneau Extensions (Ctrl+Shift+X), cherchez Python de Microsoft et cliquez sur Install.
4. Ouvrez le dossier du projet (File → Open Folder) et créez le fichier main.py.
5. Appuyez sur Ctrl+Shift+P, choisissez Python: Select Interpreter et indiquez la version voulue ou le .venv du projet.
6. Lancez le fichier avec le bouton ▷ en haut à droite, ou F5 pour l'exécuter avec le débogueur.

Le problème le plus fréquent : VS Code lance un autre Python, et la bibliothèque que vous venez d'installer « n'est pas trouvée ». L'interpréteur choisi s'affiche dans la barre d'état en bas ; si c'est le Python système alors que les bibliothèques sont dans l'environnement du projet, changez-le avec Select Interpreter.

PyCharm : un IDE puissant dédié à Python

PyCharm de JetBrains est un environnement conçu uniquement pour Python. Il comprend le code mieux que les autres : refactoring intelligent (renommer une fonction dans tout le projet), navigation vers les définitions, débogueur intégré, lanceur de tests, travail avec les bases de données et Git. Les fonctions de base sont gratuites ; les fonctionnalités avancées pour le web et les données nécessitent un abonnement.

La contrepartie de cette puissance est le poids : PyCharm démarre nettement plus lentement que VS Code et consomme davantage de mémoire. Sur un ordinateur portable peu puissant, cela se sent.

Comment configurer l'interpréteur Python dans PyCharm

À la création d'un projet (New Project), PyCharm propose de créer un environnement virtuel et demande l'interpréteur de base : indiquez le Python 3.15 installé. Pour un projet existant : Settings → Project → Python Interpreter → Add Interpreter, puis choisissez un environnement existant ou créez-en un nouveau. Si la version voulue n'apparaît pas dans la liste, c'est que Python n'est pas installé sur le système : PyCharm ne le fournit pas.

Jupyter et Google Colab : carnets pour les données et les expériences

Jupyter Notebook et JupyterLab fonctionnent autrement : le code vit dans des cellules, chacune s'exécute séparément, et le résultat — tableau, graphique, texte — s'affiche directement sous elle. Les variables sont conservées d'une cellule à l'autre, pratique pour charger les données une seule fois puis expérimenter. Pour l'installer dans un projet : uv add jupyterlab, puis lancement avec uv run jupyter lab.

Google Colab (colab python) est le même carnet Jupyter, mais dans le cloud de Google. Il suffit d'un compte Google et d'un navigateur ; les bibliothèques courantes pour les données et le machine learning sont déjà installées, et l'on peut connecter un GPU pour les calculs lourds. Limites : la session s'arrête après une période d'inactivité, les fichiers doivent être enregistrés sur Google Drive, et la version de Python est imposée par le service, parfois en retard sur la dernière.

Les carnets conviennent très bien à l'analyse de données et à l'apprentissage, mais moins aux applications : l'ordre d'exécution des cellules est facile à mélanger, et un fichier .ipynb se gère mal avec Git. Le code qui fonctionne dans un carnet doit être transféré dans des modules .py ordinaires.

Anaconda et Spyder : une distribution pour le calcul scientifique

Anaconda est une distribution de Python pour la science et l'analyse de données : elle contient l'interpréteur, le gestionnaire de paquets conda, des centaines de bibliothèques (NumPy, pandas, Matplotlib), Jupyter et l'IDE Spyder. Elle s'installe avec un seul programme ; sous Windows, Anaconda n'ajoute pas par défaut son chemin au PATH, et il est conseillé de lancer ses outils depuis Anaconda Prompt ou Anaconda Navigator.

Spyder (spyder python) ressemble à MATLAB ou RStudio : éditeur, console IPython, visualisation des variables et des graphiques dans une même fenêtre. C'est l'outil le plus familier pour les chercheurs et analystes qui viennent de ces logiciels.

Deux points à garder en tête. La distribution pèse plusieurs gigaoctets, alors que pour apprendre la plupart des paquets ne servent pas. Et pour un usage commercial dans une organisation, il faut lire attentivement la licence d'Anaconda. Une alternative légère est Miniconda, ou simplement Python avec uv, où l'on installe les bibliothèques au besoin.

Comparaison des environnements : où écrire du code Python

Comment choisir un environnement : marche à suivre

• Vous voulez voir tout de suite ce qu'est Python — ouvrez un compilateur Python en ligne ou Colab.
• Vous apprenez à partir de zéro et le terminal vous effraie — Thonny ou IDLE.
• Vous allez écrire des scripts, des bots, des sites ou travailler en équipe — VS Code ou PyCharm.
• Vous travaillez avec des tableaux, des graphiques et des modèles — Jupyter (en local ou dans Colab), Spyder si vous venez de MATLAB.

Changer d'environnement ne coûte presque rien : un fichier .py est un simple texte qui s'ouvre dans n'importe quel éditeur. Ce qui compte davantage, c'est de savoir lancer le code depuis le terminal, sans les boutons de l'environnement :

python3 expenses.py      # lancement classique
uv run expenses.py       # version et environnement du projet

Ainsi, vous savez exactement quel interpréteur exécute le programme, et votre code se comportera de la même façon dans IDLE, dans VS Code et sur un serveur.

Conclusion

Le compilateur Python en ligne est la meilleure façon d'essayer le langage en une minute, mais pour apprendre dans la durée, installez Python et choisissez un éditeur : IDLE ou Thonny pour débuter, VS Code ou PyCharm pour les projets, Jupyter, Colab et Spyder pour les données. Retenez que l'éditeur ne fait qu'aider à écrire le texte ; c'est l'interpréteur qui l'exécute, et il faut connaître sa version. L'installation de Python 3.15, le travail dans la console REPL et le lancement d'un premier script sont présentés pas à pas dans la première leçon du cours.