INF205
LANGAGE DE
PROGRAMMATION PYTHON
Enseignant : KWETTE NOUMSI
Département Informatique – Université de Yaoundé 1
Octobre 2025
PLAN DE COURS COMPLET
1 Module 1 : Mise en place de l’environnement de travail 5
1.1 Découvrir Python, son histoire, ses domaines d’application . . . . . . . . . 5
1.1.1 Histoire de python . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2 Les différents domaines d’application de python . . . . . . . . . . . 7
Python pour l’analyse de données - . . . . . . . . . . . . . . 8
Python pour la visualisation de données - . . . . . . . . . . . 8
Python pour l’apprentissage automatique - . . . . . . . . . . 8
Python pour le développement de logiciels - . . . . . . . . . 9
Python pour le développement Web - . . . . . . . . . . . . . 9
Python pour l’automatisation des tâches/la création de scripts
- . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Diverses utilisations de Python - . . . . . . . . . . . . . . . . 10
1.1.3 Quels sont les emplois qui nécessitent Python ? . . . . . . . . . . . . 10
1.2 Mise en place de l’environnement de travail . . . . . . . . . . . . . . . . . . 10
1.2.1 Installation de python . . . . . . . . . . . . . . . . . . . . . . . . . 10
Installation sous Microsoft Windows . . . . . . . . . . . . . . 11
Installation sous GNU/Linux . . . . . . . . . . . . . . . . . . 13
1.2.2 Installation d’Anaconda . . . . . . . . . . . . . . . . . . . . . . . . 13
Installation de Windows - . . . . . . . . . . . . . . . . . . . 14
Installation d’Anaconda sous Linux - . . . . . . . . . . . . . 18
1.2.3 Installation de PyCharm . . . . . . . . . . . . . . . . . . . . . . . . 19
Installer à l’aide de l’application Toolbox - . . . . . . . . . . 20
2 Module 2 : Fondamentaux du langage Python 22
3 Module 3 : Structures de données et programmation procédurale 23
4 Module 4 : Programmation Orientée Objet 24
5 Module 5 : Gestion des fichiers et exceptions 25
6 Module 6 : Programmation réseau 26
7 Module 7 : Python et scripts système (Bash, PowerShell) 27
8 Module 8 : Interfaces graphiques 28
9 Module 9 : Développement web avec Python 29
10 Module 10 : Python pour la Data Science 30
1
11 Module 11 : Python pour la cybersécurité 31
2
Avant-Propos
Objectifs généraux du cours
• Comprendre la syntaxe, les structures et les paradigmes du langage Python.
• Être capable de développer des applications complètes : console, web, réseau, gra-
phiques, sécurité et data science.
• Savoir manipuler les bibliothèques et outils les plus utilisés dans l’écosystème Py-
thon.
Outils de travail
• Support de cours fourni par l’enseignant
• Python 3.9+
• PyCharm
• Anaconda
• Spyder
• SGBD PostgreSQL
• Navigateur web
Système d’évaluation
• Examen théorique : 30% (QCM sur les concepts fondamentaux)
• Projets pratiques : 40%
— La calculatrice
— Nombre d’occurrence d’une lettre dans une phrase
— Inverser les lettres d’un mot
— Le nombre magique
— Créer un générateur de mot de passe
— Vérifier un mot de passe
— Compter le nombre de phrases dans un texte
— Vérifier si une phrase est un palindrome
— Développement d’un système de chat interposé
— Chercher un mot dans un fichier
— Convertisseur de températures
— Projet "Backdor : prendre le contrôle d’une machine à distance"
3
— Projet "Suivi des dépenses" (Application GUI)
— Récupérateur d’article sur Wikipedia (Web Scraping)
— Développer une mini système de blog (Application web)
— Projet "Analyse des ventes" (Data Analysis)
• Examen théorique : 30%
• Projet final : 10%
RESSOURCES COMPLÉMENTAIRES
• Documentation officielle Python
• Stack Overflow Python section
• Real Python tutorials
• Python Weekly newsletter
• Mon coach de Data Science
• Django Documentation
• Communauté discord de python
• GitHub Python repositories
• AFPy - Association Francophone Python
CONSEILS PÉDAGOGIQUES AUX ÉTUDIANTS
• Codez quotidiennement même 30 minutes
• Lisez du code d’autres développeurs
• Soyez actifs dans les communautés/fora Python
• Ne craignez pas les erreurs - elles font partie de l’apprentissage
4
Chapitre 1
Module 1 : Mise en place de
l’environnement de travail
Objectifs :
— Découvrir Python, son histoire, ses domaines d’application.
— Installer et configurer l’environnement (Python, pip, venv, IDE).
Contenu :
• Installation de Python sous Windows et sous Linux.
• Installation des EDI (PyCharm, Anaconda, Sypder, etc.).
• Installation de Git pour le versionning de nos projets.
1.1 Découvrir Python, son histoire, ses domaines d’ap-
plication
Python est un langage de programmation puissant et facile à apprendre. Il dispose de
structures de données de haut niveau et permet une approche simple mais efficace de
la programmation orientée objet. Parce que sa syntaxe est élégante, que son typage est
dynamique et qu’il est interprété, Python est un langage idéal pour l’écriture de scripts
et le développement rapide d’applications dans de nombreux domaines et sur la plupart
des plateformes.
Python est un langage dit de haut-niveau, c’est-à-dire qu’il s’éloigne du langage machine
en ajoutant des concepts et des outils le rendant plus facile à lire et à écrire, plus proche
du langage humain (de l’anglais en l’occurrence).
Python est aussi un langage portable : en dehors de certains cas exceptionnels, un pro-
gramme Py- thon peut être exécuté de la même manière sur un ordinateur Windows, Mac
OS ou GNU/Linux, ainsi que sur des OS mobiles comme Android ou iOS.
Ce langage a été créé en
5
1.1.1 Histoire de python
Place maintenant à un petit historique du langage Python, pour mieux le situer et le
comprendre.
Le langage de programmation Python a été créé en 1989 par Guido van Rossum, dé-
veloppeur dans un centre de recherche néerlandais (CWI - Centrum voor Wiskunde en
Informatica) qui commença à développer le projet à la fin des années 1980. Il s’inspira
principalement du langage de programmation ABC qui était développé au sein de ce
centre mais aussi du langage C et de Modula-3 . Le nom Python vient d’un hommage
à la série télévisée Monty Python’s Flying Circus dont Guido van Rossum est fan. La
première version (0.9.0 ) publique de ce langage a été publiée en 1991.
La version 1.0 de Python arriva en 1994 et ressemblait déjà beaucoup au Python d’au-
jourd’hui que je vais vous enseigner dans ce cours.
Suivront les versions majeures 2.0 en 2000 et 3.0 en 2008, avec bien sûr de nombreuses
versions mineures intermédiaires. Elles ajouteront à Python de nouvelles influences, telles
que les langages de programmation Haskell ou SETL .
La version 3 fit grand bruit puisqu’elle choisit de casser la rétrocompatibilité pour corriger
des erreurs de conception des versions précédentes, il fallut une dizaine d’années pour
achever la transition de Python 2 vers Python 3.
En 2001 est créée la Python Software Foundation (ou PSF) dans le but de promouvoir
et de protéger le langage, supervisant son développement et récoltant les fonds pour son
financement.
La fondation œuvre aussi pour organiser des conférences tout autour du monde à propos
de Python, les PyCon. On trouve par exemple la https ://[Link]/2025/PyConFr
organisée chaque année par l’AFPy, relai francophone de la PSF.
À la tête du développement du projet depuis sa création en tant que BDFL (ou « Dic-
tateur bienveillant à vie »), Guido van Rossum s’en retire en 2018 pour des « vacances
permanentes », laissant place à un comité de direction. Il reste depuis très impliqué dans
les évolutions du langage.
Python suit depuis 2019 un cycle annuel de sortie, chaque nouvelle version paraissant au
mois d’octobre. Le calendrier de support des versions de Python est disponible sur la page
de téléchargements du site officiel.
La version actuelle stable de Python est Python 3.14.0, sortie le 7 octobre 2025. Cette
version est la dernière de la branche de développement de Python. Il est recommandé
d’utiliser les versions de Python 3 pour tous les nouveaux projets, car la version 2 n’est
plus maintenue (depuis le 1e r janvier 2020) et n’est pas recommandée pour un usage
général. Cependant, il est à noter qu’il se peut que vous rencontriez sur le net des exemples
de code utilisant Python 2 et qui ne seraient alors pas compatibles avec votre version.
Dans le cadre de notre cours ce sera la version 3.13.3 (publiée le 8 avril 2025) qui sera
utilisée.
Mais au fait, que peut-on faire avec python ?
6
1.1.2 Les différents domaines d’application de python
La première question que vous pourriez vous poser à propos de Python serait : « Qu’est-ce
qu’il est possible de faire avec ? ». À laquelle je pourrais répondre « à peu près tout »
mais ce ne serait pas très précis.
Python a une grande variété d’applications, notamment dans le développement web et mo-
bile, la science des données, l’intelligence artificielle, l’automatisation et le développement
de logiciels. Il est aussi utilisé pour la réalisation d’interfaces graphiques, la cartographie,
la finance, la modélisation scientifique et le développement de jeux vidéo. Sa polyvalence
provient de la richesse de ses bibliothèques et de sa capacité à s’adapter à de nombreux
domaines.
Voyons donc où exactement nous pouvons utiliser Python dans le monde réel.
Figure 1.1 – Domaines d’application de Python
7
Python pour l’analyse de données - Les données sont devenues un atout précieux
dans tous les secteurs d’activité modernes, et la plupart des entreprises sont intéressées
par la collecte, la manipulation et l’analyse de données pertinentes afin d’en extraire des
informations utiles pour l’entreprise. Et c’est là que Python dépasse toute concurrence.
Python est particulièrement précieux car, outre sa bibliothèque standard complète, il
fournit une collection impressionnante de modules supplémentaires conçus spécifiquement
à des fins analytiques.
Les bibliothèques Python les plus connues pour effectuer des analyses de données sont
pandas et NumPy. Ces outils vous permettent de faire presque tout avec vos données,
comme les nettoyer et les manipuler, explorer les statistiques ou visualiser les tendances
cachées dans vos données.
Outre ces deux bibliothèques, vous pouvez en utiliser beaucoup d’autres pour diverses
tâches liées aux données, telles que la visualisation de données, l’exploration du web ou
les tests d’hypothèse.
Python pour la visualisation de données - La visualisation des données est une
partie autonome de l’analyse des données qui nous aide à représenter les informations,
qu’elles soient brutes ou nettoyées et transformées, sous une forme plus convaincante et
plus perspicace.
C’est là que Python entre à nouveau en jeu, offrant un large spectre d’outils pour visualiser
les données. Les plus populaires d’entre eux sont matplotlib et, sur sa base, seaborn.
Grâce à eux, nous pouvons créer littéralement toutes sortes de visualisations, des plus
simples (diagrammes linéaires, diagrammes à barres, histogrammes) aux plus avancées
(diagrammes animés, lignes de courant, cartes en grappes, diagrammes de joie, etc.)
Si vous souhaitez en savoir plus sur l’utilisation de ces deux bibliothèques Python, vous
pouvez suivre nos cours Introduction à la visualisation de données avec Matplotlib et
Introduction à la visualisation de données avec Python.
Il existe également une pléthore d’autres bibliothèques graphiques en Python : à la fois
polyvalentes (comme Plotly, Bokeh ou Altair) et plus ciblées(missingno pour la visualisa-
tion des valeurs manquantes, Toyplot pour la création de tracés interactifs pour l’édition
électronique, GeoPandas pour la construction de cartes, etc.).
Python pour l’apprentissage automatique - L’apprentissage automatique est au
cœur de la majorité des tâches liées à la science des données. Il s’agit d’un domaine de
l’intelligence artificielle (IA) qui s’intéresse à l’utilisation d’algorithmes permettant aux
machines d’apprendre des modèles et des tendances à partir de données historiques afin
de faire des prédictions sur des données inconnues.
Grâce aux techniques de ML, nous pouvons créer des modèles capables de prédire avec
précision le taux d’attrition de la clientèle d’une entreprise, d’estimer le risque qu’une
personne soit atteinte d’une certaine maladie, d’identifier le positionnement optimal des
véhicules de taxi, etc.
Avec Python, nous pouvons construire un modèle ML en utilisant seulement trois lignes
de code (voir un exemple d’un tel modèle pour prédire les transactions bancaires frau-
8
duleuses). Même si derrière ces quelques lignes de code se cachent des processus et des
calculs complexes, les bibliothèques ML de Python font le plus gros du travail sous le
capot, ce qui facilite considérablement la tâche de l’utilisateur. Les bibliothèques les plus
courantes sont scikit-learn, Keras, TensorFlow et PyTorch.
Python pour le développement de logiciels - Outre son application multiforme
dans les domaines de la science des données, Python est utilisé à chaque étape du dé-
veloppement de logiciels, notamment pour le contrôle de la construction, la compilation
continue automatisée, le prototypage, le suivi des bogues, les tests et la maintenance
logicielle.
La flexibilité et, en même temps, la puissance de ce langage de programmation permettent
de l’utiliser pour créer des applications multiprotocoles relativement simples ou très avan-
cées, ou celles qui impliquent des calculs numériques complexes.
Avec Python, nous pouvons construire des programmes audio ou vidéo basés sur des
techniques d’IA ou de ML, des API (interfaces de programmation d’applications), des
GUI (interfaces graphiques), ou tout autre type de logiciel.
Python pour le développement Web - Alors que pour construire le front-end d’un
site web (la partie d’un site web accessible à ses utilisateurs), nous utiliserons principa-
lement des langages tels que HTML, CSS et JavaScript, pour son back-end (la partie
invisible d’un site web), nous opterons souvent pour Python.
À ces fins, Python est utilisé pour certains cadres communs (comme Django ou Flask)
avec des modules intégrés spécialisés qui permettent de partager des données avec des
serveurs, de traiter des informations, d’accéder à des bases de données, d’acheminer des
URL, de gérer du contenu et de maintenir la sécurité des sites web.
Parmi les sites web et applications géants créés à l’aide de Python, il convient de citer
Google, Facebook, Instagram, Youtube, Dropbox, Udemy, Spotify et Reddit.
Python pour l’automatisation des tâches/la création de scripts - Python est un
outil formidable pour écrire des programmes permettant d’automatiser différentes tâches
répétitives. Ce processus est également appelé "script".
En particulier, vous pouvez utiliser des scripts pour travailler avec des fichiers et des
dossiers. Par exemple, vous pouvez créer, renommer, convertir, diviser, fusionner ou sup-
primer des fichiers, vérifier s’ils contiennent des erreurs, des doublons ou certains types
de texte, ou encore mettre à jour leur contenu.
Vous pouvez également utiliser l’automatisation de Python pour rechercher et télécharger
des informations sur internet, remplir et soumettre des formulaires en ligne, et envoyer
régulièrement des notifications ou des courriels.
Faire toutes ces choses manuellement, en plus d’être extrêmement ennuyeux, prendrait
beaucoup de temps et serait source d’erreurs. L’utilisation de scripts Python pour effectuer
de telles actions en quelques minutes seulement augmenterait considérablement votre
efficacité et vous permettrait d’économiser un temps et des efforts précieux pour des
tâches plus créatives.
9
Diverses utilisations de Python - Outre toutes les implémentations évoquées ci-
dessus, à quoi sert Python ? Vous trouverez ci-dessous quelques idées nouvelles :
• Suivi du marché boursier ;
• Récupération de données sur Internet (Web scraping) ;
• Création de robots ;
• Tenir à jour une liste de tâches ;
• . . ..
1.1.3 Quels sont les emplois qui nécessitent Python ?
De nombreuses professions ont directement besoin de Python pour leur travail quotidien.
Vous trouverez ci-dessous un aperçu de ce que vous pouvez faire avec Python dans un
cadre professionnel :
• Scientifique des données ;
• Analyste de données ;
• Ingénieur de données ;
• Ingénieur en apprentissage automatique ;
• Journaliste de données ;
• Architecte de données ;
• Développeur web complet ;
• Développeur web back-end ;
• Ingénieur DevOps ;
• Ingénieur logiciel.
Vous avez toutes les raisons pour apprendre à programmer avec ce langage aussi puissant
que passionnant. Cela commence par la mise en place d’un environnement de travail
adéquat.
1.2 Mise en place de l’environnement de travail
Dans cette section il sera question d’installer les outils qui nous permettrons de développer
nos solutions à l’aide du langage de programmation python. Nous aurons besoin de :
• Python lui-même
• D’un environnement de développement (IDE) en occurrence PyCharm
• D’un environnement de développement pour la Datascience en occurrence Anaconda
1.2.1 Installation de python
Avant de pouvoir commencer à programmer avec Python, il nous faut faire comprendre
ce langage à notre ordinateur. Et pour cela, nous avons besoin d’installer un logiciel qui
lui servira d’interprète. Ce logiciel répond simplement au nom de Python. A moins d’une
contrainte imposée par votre système d’exploitation ou votre gestionnaire de paquets,
préférez la dernière version 3.x.y en date.
10
Installer Python sur votre ordinateur est simple et rapide.
Installation sous Microsoft Windows Voici les étapes à suivre pour l’installer sous
une machine dotée de Microsoft Windows :
1. Allez sur le site officiel : [Link]
2. Choisissez la version adaptée à votre système d’exploitation (Windows, macOS,
Linux) :
Figure 1.2 – Page de téléchargement de python
3. Téléchargez le fichier d’installation et exécutez-le :
Figure 1.3 – Installation de python
4. Sur Windows, cochez la case "Ajouter Python à PATH" pour faciliter l’utilisation
11
en ligne de commande ; sur macOS et Linux, Python est généralement déjà dans le
PATH.
5. Cliquez sur "Install Now" (Windows) ou suivez les instructions à l’écran (macOS,
Linux) :
Figure 1.4 – Installation de python (Suite 1)
Figure 1.5 – Installation de python (Suite 2)
6. Après l’installation, testez Python en ouvrant un terminal (ou une invite de com-
mandes pour Windows) et tapez python ou python3 pour lancer l’interpréteur Py-
thon interactif :
12
Figure 1.6 – Enter Caption
7. Essayez quelques exemples de code :
# Affiche "Hello, World!"
print("Hello, World!")
# Effectuez des opérations mathématiques
result = 2 + 7
print(result) # Affiche "9"
# Boucles et listes
filieres = ['ICT', 'INFO', 'MATHS']
for filiere in filieres:
print(filiere)
Pour quitter l’interpréteur, tapez exit() ou appuyez sur Ctrl+Z (Windows) ou Ctrl+D
(macOS, Linux).
Installation sous GNU/Linux Si vous utilisez Linux, il est probable que Python soit
déjà installé sur votre système, car il est nécessaire à certains outils d’administration.
Mais il se peut qu’il ne soit pas installé dans la bonne version.
Pour savoir s’il est déjà installé, vous pouvez entrer la commande python -V ou python3
-V dans un terminal et vous assurer de voir apparaître un message Python 3.x.y
L’installation de python achevée, passons à l’installation d’Anaconda.
1.2.2 Installation d’Anaconda
Anaconda est un gestionnaire de paquets, un gestionnaire d’environnement et une dis-
tribution Python qui contient une collection de nombreux paquets open source. Ceci est
avantageux car lorsque vous travaillez sur un projet de science des données, vous trou-
verez que vous avez besoin de nombreux paquets différents (numpy, scikit-learn, scipy,
pandas pour n’en citer que quelques-uns), avec lesquels une installation d’Anaconda est
préinstallée.
Si vous avez besoin de paquets supplémentaires après avoir installé Anaconda, vous pouvez
utiliser le gestionnaire de paquets d’Anaconda, conda, ou pip pour installer ces paquets.
C’est très avantageux car vous n’avez pas à gérer vous-même les dépendances entre plu-
sieurs paquets. En fait, l’installation d’Anaconda est également la méthode recommandée
pour installer les blocs-notes Jupyter.
Voici comment télécharger et installer Anaconda :
13
Installation de Windows - Suivez minutueusement les étapes suivantes :
1. Téléchargez le programme d’installation à partir du site Web d’Anaconda ([Link]
naviguez jusqu’à arriver à ce niveau pour télécharger la version compatible à votre
système :
Figure 1.7 – Page de téléchargement d’Anaconda
2. Accédez à votre dossier Téléchargements et double-cliquez sur le programme d’ins-
tallation pour lancer.
Figure 1.8 – Installation d’Anaconda
3. Cliquez sur Suivant, puis j’accepte d’accepter les Conditions d’utilisation (CGV)
d’Anaconda :
14
Figure 1.9 – Installation d’Anaconda (Suite 1)
4. Sélectionnez une option d’installation et cliquer sur Suivant (Next) :
Figure 1.10 – Installation d’Anaconda (Suite 2)
5. Sélectionnez un dossier de destination pour installer Anaconda, puis cliquez sur
Suivant (Next) :
15
Figure 1.11 – Installation d’Anaconda (Suite 3)
6. Personnalisez vos options d’installation en cochant les mêmes options que sur la
figure ci-dessous :
Figure 1.12 – Installation d’Anaconda (Suite 4)
7. Enregistrer Anaconda3 comme mon Python 3.12 par défaut - Sélectionné par défaut.
Enregistre le paquet Python dans cette installation comme Python par défaut pour
des programmes comme VSCode, PyCharm, et ainsi de suite. Cliquez ensuite sur
Installer (Install).
16
8. Laissez l’installation se dérouler jusqu’à son terme :
Figure 1.13 – Installation d’Anaconda (Suite 5)
9. Cliquez deux fois sur Suivant, puis cliquez sur Terminer pour fermer l’installateur :
Figure 1.14 – Installation d’Anaconda (Suite 6)
17
Figure 1.16 – Installation d’Anaconda (Suite et fin)
Figure 1.15 – Installation d’Anaconda (Suite 7)
10. Ca y est, Anaconda est désormais installé sur votre machine
Installation d’Anaconda sous Linux - Suivez minutueusement les étapes suivantes :
1. Téléchargez le programme d’installation à partir du site Web d’Anaconda ([Link]
naviguez jusqu’à arriver à ce niveau pour télécharger la version compatible à votre
système :
18
Figure 1.18 – Installation d’Anaconda sous Linux
Figure 1.17 – Télécharger Anaconda pour Linux
2. Lancez l’installation du fichier télécharger via le terminal en vous rendans dans
le dossier où se trouve le fichier source préalablement téléchargé et exécutez la
commande ci-dessous :
3. Tapez la touche "Entrer" pour accepter l’installation puis sur la même touche "En-
trer" pour accepter le dossier qu’il vous propose pour l’installation.
4. Laisser le processus se dérouler jusqu’à la fin comme dans le cas de l’installation
sous Windows.
Il ne nous restera qu’à installer PyCharm.
1.2.3 Installation de PyCharm
Pour installer PyCharm Community sur Windows, téléchargez le programme d’instal-
lation sur le site de JetBrains, puis exécutez l’installateur et suivez les instructions, en
sélectionnant les options souhaitées comme l’ajout du dossier bin au PATH, et en créant
des raccourcis.
Instructions détaillées pour installer PyCharm sur votre système :
1. Trouvez le fichier d’installation téléchargé dans votre dossier de téléchargements et
double-cliquez dessus.
2. Si une fenêtre d’avertissement apparaît, cliquez sur "Oui" pour lancer l’installation.
3. Dans l’assistant d’installation, cliquez sur "Next".
19
4. Choisissez un dossier de destination (le dossier par défaut est recommandé) puis
cliquez sur "Next".
5. Dans la fenêtre des options d’installation :
— Il est conseillé de cocher "Create Desktop Shortcut" pour créer un raccourci
sur le bureau.
— Il est également recommandé de cocher "Add ’bin’ folder to the system PATH"
pour faciliter l’utilisation de PyCharm en ligne de commande.
6. Cliquez sur "Next" puis "Install".
7. Une fois l’installation terminée, redémarrez votre ordinateur si vous y êtes invité
pour finaliser le processus.
8. Lancez PyCharm depuis le raccourci sur le bureau.
Installer à l’aide de l’application Toolbox - L’application JetBrains Toolbox est
l’outil recommandé pour installer les produits JetBrains. Utilisez-le pour installer et gérer
différents produits ou plusieurs versions d’un même produit, y compris les versions du
programme d’accès anticipé (PAE), mettre à jour et faire reculer si nécessaire, et supprimer
facilement tout outil.
L’application Toolbox maintient une liste de tous vos projets pour ouvrir rapidement
n’importe quel projet dans la bonne IDE et la bonne version.
Pour installer l’application Toolbox, suivez pas à pas les étapes suivantes :
1. Téléchargez le .exe du programme d’installation à partir de la page Web de l’appli-
cation Toolbox
2. Exécutez l’installateur et suivez les étapes de l’assistant.
3. Après avoir exécuté l’application Toolbox, cliquez sur l’icône Toolbox dans la zone
de notification et sélectionnez le produit que vous souhaitez installer. Vous pouvez
sélectionner et installer une version spécifique parmi les Versions disponibles.
20
Figure 1.19 – Installation de PyCharm via ToolBox
Si vous avez installé PyCharm via l’application Toolbox, vous pouvez trouver le répertoire
d’installation dans l’application : ouvrez les paramètres de l’instance IDE dans l’applica-
tion Toolbox, développez Configuration et recherchez le champ Emplacement d’installa-
tion.
Remarque : L’installation d’un IDE via ToolBox nécessite une connexion à Internet.
Maintenant que les outils qui vous permettront de coder sont désormais installés sur vos
machines, il ne vous reste qu’à commencer à coder. Rendez-vous au chapitre suivant
21
Chapitre 2
Module 2 : Fondamentaux du
langage Python
Objectifs :
— Comprendre la syntaxe de base et les types primitifs.
— Installer et configurer l’environnement (Python, pip, venv, IDE).
Contenu :
• Introduction à Python et son écosystème
• Hello World et les commentaires
• Les types natifs de données
• Interagir avec l’utilisateur
• Variables, opérateurs et expressions
TP :
• Écrire un programme qui lit le nom et l’âge de l’utilisateur et affiche un message
personnalisé.
• Projet : Calculatrice scientifique basique.
22
Chapitre 3
Module 3 : Structures de données et
programmation procédurale
Objectifs :
— Manipuler les structures de données internes à Python.
— Structurer le code de manière procédurale.
Contenu :
• Les structures de données (Listes, tuples, sets, dictionnaires).
• Les structures conditionnelles et les boucles.
• Fonctions et portée des variables.
• Modules et packages.
TP :
• Système de gestion d’étudiants (ajout, suppression, recherche, affichage).
• Jeu du nombre mystère.
23
Chapitre 4
Module 4 : Programmation Orientée
Objet
Objectifs :
— Maîtriser les concepts POO
— Comprendre les concepts de classes, objets, héritage, encapsulation, polymorphisme.
Contenu :
• Création de classes, attributs, méthodes.
• Constructeur (__init__), méthodes spéciales (__str__, __repr__).
• Héritage simple et multiple.
• Notions d’abstraction et interfaces.
TP :
• Gestion d’une bibliothèque (classes Livre, Auteur, Bibliothèque).
• Mini simulateur de banque (clients, comptes, transactions).
24
Chapitre 5
Module 5 : Gestion des fichiers et
exceptions
Objectifs :
— Maitriser la gestion des fichiers avec python.
Contenu :
• Lecture/écriture dans des fichiers texte, CSV, JSON.
• Gestion des erreurs avec try, except, finally, raise.
TP :
• Script de traitement d’un fichier CSV d’étudiants.
• Analyseur de logs système.
25
Chapitre 6
Module 6 : Programmation réseau
Objectifs :
— Savoir développer des applications client-serveur.
— Savoir utiliser les sockets et les protocoles HTTP.
Contenu :
• Les sockets TCP et UDP.
• Serveur et client simples.
• Utilisation des bibliothèques requests et [Link].
TP :
• Développement d’un système de chat interposé
• Téléchargement automatisé de pages web.
26
Chapitre 7
Module 7 : Python et scripts
système (Bash, PowerShell)
Objectifs :
— Automatiser des tâches système
— Interagir avec le shell et les processus
Contenu :
• Utilisation du module os, sys, subprocess.
• Interaction avec le système de fichiers.
• Exécution de commandes Bash/Windows.
TP :
• Script Python pour sauvegarder automatiquement des fichiers.
• Script de surveillance de l’espace disque.
27
Chapitre 8
Module 8 : Interfaces graphiques
Objectifs :
— Concevoir des applications desktop complètes avec python
Contenu :
• Tkinter (interface native).
• PyQt (interfaces modernes).
• Organisation en événements, widgets, menus.
TP :
• Application de Suivi des dépenses personnelles avec PyQt.
• Application de gestion de contacts avec PyQt.
28
Chapitre 9
Module 9 : Développement web avec
Python
Objectifs :
— Apprendre à developper des applications web avec python.
Contenu :
• Introduction au framework Django (Modèle MVT)
• Création et configuration (fichier "settings") d’un nouveau projet avec Django
• Couche Modèle
• Couche Views
• Couche Template
• Routage, templates, formulaires, gestion des données.
TP :
• Développer une mini système de blog
29
Chapitre 10
Module 10 : Python pour la Data
Science
Objectifs :
— Maîtriser l’écosystème Data Science avec Python
— Effectuer des analyses et des prédictions sur les données avec python.
Contenu :
• Calcul scientifique avec NumPy.
• Manipulation de données avec Pandas.
• Nettoyage et transformation des données.
• Visualisation avec Matplotlib/Seaborn.
• Analyse exploratoire des données.
• Introduction à Scikit-learn (Machine Learning).
TP :
• Analyse d’un fichier de ventes.
• Prédiction de notes d’étudiants avec régression linéaire.
30
Chapitre 11
Module 11 : Python pour la
cybersécurité
Objectifs :
— S’initier au développement des outils de sécurité avec python
Contenu :
• Automatisation d’audits de sécurité (scan de ports, analyse de logs).
• Hashing et cryptographie avec hashlib, cryptography.
• Manipulation de paquets avec scapy.
TP :
• Scanner de ports simple.
• Générateur de mots de passe sécurisés.
31