Les langages des données : R et Julia
Partie 2 sur 4
4Julia : écrire vite et exécuter vite
4.1Le problème des « deux langages »
Dans les années 2000, les chercheurs en calcul scientifique se heurtaient à un dilemme. Les langages agréables à écrire (R, Python, MATLAB) sont lents quand le calcul s’étend sur des milliards d’opérations. Les langages rapides (C, Fortran) sont pénibles à écrire. Les équipes prototypaient dans le premier, puis réécrivaient les parties critiques dans le second. C’est ce qu’on appelle le « problème des deux langages » : deux bases de code, deux compétences, et des erreurs de traduction.
En 2009, quatre chercheurs du MIT et d’autres universités, Jeff Bezanson, Stefan Karpinski, Viral Shah et Alan Edelman, commencent à écrire un langage qui voudrait résoudre ce problème. Il est présenté au public en 2012 dans un billet resté célèbre, « Pourquoi nous avons créé Julia », où ils énumèrent tout ce qu’ils veulent à la fois : la vitesse du C, le dynamisme de Ruby, la notation mathématique de MATLAB, le logiciel libre. La version 1.0, qui promet la stabilité du langage, paraît en août 2018. Début 2026, la série en cours est la 1.12 (publiée à l’automne 2025), avec des versions de correction régulières.
4.2Comment Julia va vite
Deux idées techniques expliquent les performances de Julia, qui visent le même ordre de grandeur que le C sur de nombreux programmes numériques (la différence réelle dépend du programme).
La première est la compilation à la volée (JIT). À la différence d’un langage interprété, qui lit et exécute les instructions une à une, Julia traduit chaque fonction en code machine (les instructions que le processeur comprend directement, voir la compilation) au moment de son premier appel, en s’appuyant sur le compilateur LLVM, une boîte à outils de compilation que d’autres langages utilisent aussi. Surtout, la traduction est faite pour les types effectifs des arguments : si vous appelez une fonction avec des nombres entiers, Julia produit une version spécialisée pour des entiers, sans aucune des vérifications de type qu’un langage interprété fait à chaque opération.
La seconde est le dispatch multiple : une même fonction peut avoir plusieurs « méthodes », et Julia choisit celle à exécuter d’après le type de tous les arguments. Cette idée, rare dans les langages courants, est la colonne vertébrale de Julia, et elle permet à des paquets écrits indépendamment de coopérer.
Cette méthode a un coût visible : le premier appel d’une fonction est plus lent, car la compilation a lieu à ce moment-là. Pour une longue simulation, c’est négligeable ; pour un petit script lancé souvent, c’est irritant. Les versions récentes ont beaucoup réduit ce délai en conservant le code compilé des paquets d’une session à l’autre, mais il reste présent, surtout au premier tracé d’un graphique : les utilisateurs parlent du « temps jusqu’au premier graphique ».
4.3Julia en pratique
La syntaxe de Julia se lit facilement pour quiconque a vu Python ou MATLAB :
using Statistics # charge un module de la bibliothèque standard
notes = [12, 15.5, 9, 18] # un tableau de nombres décimaux
mean(notes) # 13.625
notes .* 2 # [24.0, 31.0, 18.0, 36.0] : le point « diffuse » l'opération
notes[1], notes[end] # 12.0 et 18.0 : on compte depuis 1, « end » désigne le dernier
function moyenne(v)
s = 0.0
for x in v
s += x # écrire une boucle n'est pas pénalisant en Julia
end
return s / length(v)
end
moyenne(notes) # 13.625
Le point devant l’opérateur (.*) est la manière qu’a Julia d’exprimer la vectorisation : on le place là où l’on veut appliquer l’opération élément par élément. Un point notable pour qui vient de R ou de Python : en Julia, une boucle écrite à la main est aussi rapide qu’une opération vectorisée, parce que le code est compilé. Il n’est donc pas nécessaire de contorsionner un calcul pour échapper aux boucles.
Le dispatch multiple se voit bien sur un exemple géométrique :
struct Cercle; r::Float64; end # un type composé d'un rayon struct Rectangle; l::Float64; h::Float64; end aire(c::Cercle) = π * c.r^2 # méthode pour les cercles aire(x::Rectangle) = x.l * x.h # méthode pour les rectangles aire(Rectangle(3.0, 4.0)) # 12.0 aire(Cercle(1.0)) # 3.141592653589793
La même fonction aire a deux méthodes, et Julia choisit la bonne d’après le type de l’argument. Un autre auteur peut ajouter un type Triangle et sa méthode sans modifier votre code. Les valeurs manquantes se notent missing et se traitent de façon voisine de R : mean([12, missing, 9]) donne missing, et mean(skipmissing([12, missing, 9])) donne 10.5.
4.4L’écosystème
L’écosystème de Julia est plus jeune et plus petit que celui de R ou de Python, mais très actif en calcul scientifique. Les extensions s’installent par le gestionnaire de paquets intégré (Pkg) ; chaque projet possède deux fichiers, Project.toml (les paquets demandés) et Manifest.toml (les versions exactes retenues), ce qui rend l’environnement reproductible (partie 7). On y trouve DataFrames pour les tableaux de données, Plots et Makie pour les graphiques, des paquets d’équations différentielles et d’optimisation réputés, et Pluto, un carnet de notes interactif où les résultats se recalculent quand on modifie une cellule. Julia sait aussi appeler des programmes C, Python ou R.
Pour s’exercer
Exercice 3 : pourquoi le premier appel est lent ?
En Julia, la première exécution d’une fonction prend 0,3 seconde et les suivantes quelques microsecondes. Expliquez, et dites ce qui se passera si on appelle ensuite la même fonction avec un autre type de nombre.
Voir la réponse
Au premier appel, Julia compile la fonction en code machine spécialisé pour les types des arguments reçus ; c’est ce travail qui prend du temps. Les appels suivants réutilisent le code compilé et sont donc très rapides. Si l’on appelle la fonction avec un type différent (des entiers au lieu de nombres décimaux), Julia compile une nouvelle version pour ce type, et ce premier appel-là est de nouveau plus lent. Pour mesurer correctement la vitesse d’un programme Julia, on l’exécute donc une première fois pour « chauffer », puis on chronomètre les exécutions suivantes.
Exercice 4 : le dispatch multiple
On définit aire(c::Cercle) et aire(x::Rectangle). Que se passe-t-il si l’on ajoute struct Triangle; b::Float64; h::Float64; end et que l’on appelle aire(Triangle(3.0, 4.0)) ? Écrivez la méthode manquante.
Voir la réponse
Julia renvoie une erreur indiquant qu’aucune méthode aire n’existe pour le type Triangle. On ajoute aire(t::Triangle) = t.b * t.h / 2, sans toucher aux deux autres méthodes ; l’appel donne alors 6,0. C’est la force du dispatch multiple : un type et sa méthode peuvent être ajoutés après coup, y compris par une autre personne que l’auteur de la fonction.
5Comment choisir ?
Il n’y a pas de meilleur langage dans l’absolu. La figure 3 résume les forces de chacun ; le texte qui suit en précise les raisons.
- Le tableur reste le meilleur choix pour un petit tableau, une saisie à la main, un calcul que l’on veut voir. Dès que le travail doit être rejoué ou vérifié, il montre ses limites.
- R est le choix naturel pour la statistique, l’épidémiologie, l’économétrie, la génétique, et pour produire des rapports soignés. Sa communauté publie les nouvelles méthodes en priorité sous forme de paquets R.
- Python est le plus polyvalent : il fait de l’analyse de données (avec les bibliothèques pandas et NumPy), de l’intelligence artificielle (voir l’apprentissage automatique), de l’automatisation, des sites web. C’est souvent le choix par défaut dans les entreprises.
- Julia est le choix de ceux dont les calculs sont lourds et qui ne veulent pas passer par un second langage : simulation physique, optimisation, finance quantitative, modèles différentiels.
- SQL (voir le langage SQL) n’est pas un concurrent : il sert à interroger des bases de données, et l’on s’en sert souvent en amont des trois autres.
Un conseil pratique : choisissez d’abord selon l’équipe et le but. Un laboratoire de biostatistique qui échange des programmes avec ses collègues gagnera plus à utiliser R que Julia, même si Julia est plus rapide. Il est fréquent et sain de combiner : un paquet R peut être appelé depuis Python ou Julia, et Quarto accueille les trois dans un même document. Les grands volumes de données (voir le big data) relèvent d’autres outils encore, qui répartissent le travail sur plusieurs machines.