Aller au contenu
Encyclopédie informatique Édition 2026

Le langage Python

Partie 3 sur 3

Niveau de lecture :

6L’écosystème

6.1pip, PyPI et les environnements virtuels

Au-delà de la bibliothèque standard, les bibliothèques de Python se téléchargent depuis le dépôt public PyPI (Python Package Index), qui en compte plus d’un demi-million, avec l’outil pip (figure 3). Pour éviter que les projets se gênent, chacun exigeant ses propres versions de bibliothèques, on crée pour chaque projet un environnement virtuel, un dossier qui contient sa propre copie de Python et de ses bibliothèques :

python3 -m venv .venv            # créer l'environnement
source .venv/bin/activate        # l'activer (Linux, macOS)
pip install requests             # installer une bibliothèque
pip freeze > requirements.txt    # noter les versions installées

Le fichier requirements.txt, ou ses équivalents modernes, permet de réinstaller à l’identique les mêmes versions sur une autre machine ; des outils plus récents gèrent ces étapes de manière plus rapide et plus sûre.

PyPI dépôt public de paquets pip installe et met à jour environnement virtuel (venv) propre au projet votre projet Web Django, Flask, FastAPI Données NumPy, pandas, Matplotlib IA scikit-learn, PyTorch Automatisation scripts, administration Cybersécurité analyse, Scapy, outils QUELQUES DOMAINES ET BIBLIOTHÈQUES La bibliothèque standard, fournie avec Python, couvre déjà fichiers, réseau, dates, JSON, expressions régulières…
Figure 3. L’écosystème Python : un dépôt, un installateur, des environnements isolés, et des bibliothèques pour chaque domaine.

6.2Les grands domaines

  • La science des données : NumPy pour le calcul sur des tableaux de nombres, pandas pour les tableaux de données, Matplotlib pour les graphiques, et les carnets Jupyter, des documents qui mêlent texte, code et résultats, très utilisés par les chercheurs et les analystes.
  • L’intelligence artificielle : scikit-learn pour l’apprentissage automatique classique, PyTorch et d’autres bibliothèques pour l’apprentissage profond ; la plupart des modèles d’IA actuels sont entraînés avec des programmes en Python (voir l’intelligence artificielle).
  • Le Web : les frameworks Django, Flask ou FastAPI permettent de construire des sites et des API (voir les API).
  • L’automatisation et l’administration : Python remplace avantageusement les scripts du shell dès qu’ils dépassent quelques lignes, pour manipuler des fichiers, interroger des services, produire des rapports.
  • La cybersécurité : les analystes l’utilisent pour traiter des journaux, automatiser des vérifications, analyser des logiciels malveillants ou manipuler des paquets réseau avec la bibliothèque Scapy ; de nombreux outils de sécurité sont écrits en Python.
  • L’enseignement : sa simplicité en fait le premier langage de nombreux élèves et étudiants.

6.3Écrire du code de qualité

La communauté Python s’est dotée de conventions et d’outils qui facilitent le travail en équipe :

7Un exemple complet : analyser un journal

Voici un petit programme typique de l’usage de Python en cybersécurité défensive. Un serveur enregistre dans un fichier journal les tentatives de connexion ; on veut savoir quelles adresses IP ont accumulé le plus d’échecs, signe possible d’une attaque par essais de mots de passe (voir les mots de passe). Supposons que les lignes ressemblent à celles-ci, avec des adresses réservées à la documentation :

2026-10-23 09:14:02 ECHEC utilisateur=admin ip=203.0.113.45
2026-10-23 09:14:05 SUCCES utilisateur=lea ip=198.51.100.7
2026-10-23 09:14:09 ECHEC utilisateur=root ip=203.0.113.45

Le programme suivant compte les échecs par adresse et affiche les cinq plus fréquentes :

from collections import Counter

echecs = Counter()

with open("connexions.log", encoding="utf-8") as journal:
    for ligne in journal:
        champs = ligne.split()
        if len(champs) < 5 or champs[2] != "ECHEC":
            continue                      # ligne ignorée
        ip = champs[4].removeprefix("ip=")
        echecs[ip] += 1

for ip, nombre in echecs.most_common(5):
    print(f"{ip:<16} {nombre} échecs")

En une quinzaine de lignes, on lit le fichier ligne par ligne, on découpe chaque ligne en champs, on ignore les lignes qui ne correspondent pas au format attendu, ce qui rend le programme robuste face à un fichier abîmé ou malveillant, et l’on compte avec un Counter, un dictionnaire spécialisé de la bibliothèque standard. La méthode most_common() renvoie les éléments les plus fréquents, et la chaîne formatée aligne l’affichage. Le même programme en C demanderait plusieurs fois plus de lignes, et bien plus de précautions avec la mémoire ; c’est exactement le genre de tâche où Python excelle.

Pour s’exercer

Exercice 7 : adapter l’analyse du journal

Modifiez le programme de la section 7 pour qu’il n’affiche que les adresses ayant échoué au moins 10 fois, et pour qu’il compte aussi, pour chacune, les noms d’utilisateur essayés. Que pourrait-on faire ensuite de cette liste ?

Voir la réponse

Pour le seuil, on remplace la dernière boucle par for ip, nombre in echecs.items(): suivi de if nombre >= 10: print(ip, nombre). Pour les noms d’utilisateur, on ajoute un dictionnaire d’ensembles, essais = {}, et dans la boucle de lecture essais.setdefault(ip, set()).add(champs[3]) ; l’ensemble évite de compter deux fois le même nom. Une adresse qui essaie des dizaines de noms différents, comme admin, root ou test, est typique d’un robot. La liste peut alimenter une règle de pare-feu temporaire ou une alerte, après vérification humaine : il ne faut pas bloquer automatiquement une adresse partagée par de nombreux utilisateurs légitimes, comme celle d’une entreprise ou d’un opérateur mobile.

8Forces et limites

Les forces de Python sont sa lisibilité, sa rapidité d’écriture, sa bibliothèque standard, son écosystème sans équivalent dans certains domaines et sa communauté. Ses limites tiennent à ses performances brutes, à son typage dynamique, qui laisse passer jusqu’à l’exécution des erreurs qu’un compilateur aurait détectées, d’où l’intérêt des annotations de types sur les gros projets, à la difficulté de distribuer un programme Python à des utilisateurs qui n’ont pas Python installé, et à sa faible présence dans les navigateurs et sur les téléphones, où règnent JavaScript, Swift et Kotlin (voir JavaScript). Pour un débutant, c’est un excellent premier langage ; pour un professionnel, un outil polyvalent qui complète d’autres langages plutôt qu’il ne les remplace.

Comparé à ses voisins, Python se situe ainsi : face au C, il est beaucoup plus simple et plus sûr, mais beaucoup plus lent, et l’on écrit en C les parties qui exigent la vitesse ; face à Java ou C#, il est plus concis et plus souple, mais moins rigoureux pour les très grosses applications, où la vérification des types avant l’exécution est précieuse ; face à JavaScript, il partage le typage dynamique et la facilité d’écriture, mais JavaScript règne dans les navigateurs, alors que Python domine la science des données. Beaucoup de projets combinent ces langages : un site dont l’interface est en JavaScript, le serveur en Python, et quelques calculs critiques en C ou en Rust.

Sécurité de l’information

Le coin cyber

Python est sûr pour la mémoire : pas de débordement de tampon dans un programme Python ordinaire. Mais sa puissance et la richesse de son écosystème ouvrent d’autres risques. Les attaques sont décrites ici dans leur principe seulement.

C.1Les paquets piégés

Installer un paquet avec pip, c’est exécuter du code écrit par quelqu’un d’autre, parfois dès l’installation. Des attaquants publient sur PyPI des paquets aux noms presque identiques à ceux de bibliothèques populaires, en comptant sur une faute de frappe (typosquatting), ou des paquets qui imitent des outils internes d’entreprises, voire prennent le contrôle de comptes de développeurs légitimes (voir les anecdotes). Les parades : vérifier soigneusement le nom des paquets, préférer les bibliothèques connues et maintenues, figer les versions avec leurs empreintes, travailler dans des environnements virtuels, et analyser les dépendances avec des outils comme pip-audit (voir les logiciels malveillants).

C.2Les fonctions dangereuses

Plusieurs fonctions de Python exécutent du code ou des commandes, et deviennent dangereuses si elles reçoivent des données venues de l’extérieur :

  • eval() et exec() exécutent un texte comme du code Python : un utilisateur malveillant peut y glisser n’importe quelle instruction ;
  • le module pickle, qui enregistre et relit des objets, peut exécuter du code lors de la relecture : la documentation de Python avertit qu’il ne faut jamais l’utiliser sur des données non fiables, et l’on préfère JSON pour les échanges ;
  • le lancement de commandes système par subprocess ou os.system avec une commande construite à partir de données externes permet l’injection de commandes ; on passe les arguments sous forme de liste, sans passer par le shell ;
  • les requêtes SQL construites par concaténation de textes ouvrent la porte à l’injection SQL ; on utilise les requêtes paramétrées (voir l’injection SQL).

C.3Python au service de la défense

Python est aussi l’un des outils favoris des équipes de sécurité : analyse de journaux, automatisation de vérifications, réponse à incident, développement de détecteurs, analyse de logiciels malveillants. Un analyste qui sait écrire quelques dizaines de lignes de Python gagne un temps considérable sur les tâches répétitives. C’est l’une des raisons pour lesquelles il est enseigné dans la plupart des formations en cybersécurité.

C.4Idée reçue

« Python est un langage sûr, donc mon programme l’est aussi. » Faux. Python élimine les erreurs de mémoire du C, mais pas les failles de logique : injections de commandes ou de requêtes, désérialisation dangereuse, secrets écrits dans le code, dépendances piégées ou vulnérables. La sécurité d’un programme dépend de la façon dont il traite les données qu’il reçoit, quel que soit le langage (voir le développement sécurisé).

C.5Bonnes pratiques

Apprenti développeur

  • Travailler dans un environnement virtuel par projet, et vérifier l’orthographe exacte des paquets installés.
  • Ne jamais utiliser eval(), exec() ou pickle sur des données venues de l’extérieur.
  • Ne pas écrire de mots de passe dans le code : utiliser des variables d’environnement ou un coffre de secrets.

Organisation

  • Figer et vérifier les dépendances, les analyser automatiquement, et utiliser un miroir interne de paquets approuvés.
  • Faire passer le code dans des outils d’analyse statique de sécurité dès l’intégration continue.
  • Mettre à jour régulièrement l’interpréteur Python, et abandonner les versions dont le support a pris fin.

Référentiels : documentation officielle de Python, avertissements de sécurité des modules pickle et subprocess · OWASP (Open Worldwide Application Security Project), Top 10 · OpenSSF (Open Source Security Foundation), recommandations sur la sécurité de la chaîne d’approvisionnement logicielle.

Références

  1. G. van Rossum et al., Le tutoriel Python, documentation officielle, Python Software Foundation.
  2. G. Swinnen, Apprendre à programmer avec Python 3, Eyrolles, éditions successives, également diffusé librement en ligne.
  3. L. Ramalho, Fluent Python, 2e éd., O’Reilly, 2022.
  4. T. Peters, The Zen of Python, PEP 20, 2004.
  5. G. van Rossum, B. Warsaw, A. Coghlan, Style Guide for Python Code, PEP 8, 2001.

Voir aussi

Citer cet article

« Le langage Python », Encyclopédie informatique, révision du 23 octobre 2026.