📖 Cours Jour 1 · Premiers pas : Python, Colab et l'IA comme binôme · 35 min

Pourquoi Python quand on sait déjà utiliser un tableur ?

Excel est un excellent outil. Alors pourquoi apprendre Python ? Parce que certaines tâches y deviennent longues, fragiles ou impossibles, et que Python les rend simples et reproductibles.

Quatre limites du tableur

Situation Dans un tableur Avec Python
Gros volumes Lent au-delà de quelques centaines de milliers de lignes, limite à 1 048 576 lignes Des millions de lignes en quelques secondes
Tâche répétée chaque mois Les mêmes clics, à refaire, avec le risque d'en oublier un Un script qui refait tout à l'identique, en une seconde
Traçabilité Difficile de savoir ce qui a été fait et dans quel ordre Chaque étape est écrite, relisible, commentée
Au-delà du tableau API, textes, machine learning : peu ou pas possible Des milliers de bibliothèques gratuites

À retenir

Python ne remplace pas Excel : il le complète. Beaucoup d'analystes préparent leurs données avec Python et livrent un classeur Excel bien présenté. C'est exactement ce que vous ferez au jour 14.

Ce qu'est Python

Python est un langage de programmation créé en 1991, gratuit et open source. Sa syntaxe est proche de l'anglais, ce qui le rend lisible :

if montant >= 150:
    frais_port = 0

Il est utilisé partout : analyse de données, sites web, automatisation, recherche scientifique, intelligence artificielle. Les modèles d'IA que vous utilisez ont d'ailleurs été entraînés en grande partie avec du code Python.

Les bibliothèques : la vraie force de Python

Une bibliothèque (ou module, ou paquet) est un ensemble d'outils prêts à l'emploi. Vous en utiliserez quelques-unes :

Bibliothèque Rôle Équivalent tableur
pandas Tableaux de données Feuilles, filtres, TCD, RECHERCHEX
matplotlib Graphiques Graphiques
openpyxl Lire et écrire des classeurs Excel mis en forme Mise en forme
requests Interroger des services web (API) Power Query, en partie
scikit-learn Machine learning Aucun

Du tableur à Python : ce qui change dans la tête

  • Dans un tableur, vous voyez les données et vous agissez dessus. En Python, vous décrivez les actions, et Python les applique à toutes les lignes.
  • Une formule s'applique cellule par cellule ; une instruction pandas s'applique à une colonne entière d'un coup.
  • Un classeur mélange données et calculs ; en Python, les données restent intactes dans le fichier source, et le code produit un nouveau résultat. Vous ne risquez plus d'écraser une donnée par erreur.

Le même calcul, deux mondes

Dans Excel : =SOMME.SI.ENS(M:M; F:F; "Sarah Morel"). En Python avec pandas : ventes[ventes["commercial"] == "Sarah Morel"]["montant_ht"].sum(). C'est plus long à écrire, mais cela se combine, se relit et se réexécute sur le fichier du mois suivant sans rien retoucher.

Et l'IA dans tout ça ?

Les assistants IA écrivent très bien du Python, souvent mieux que des formules Excel, parce qu'ils ont été entraînés sur des millions de programmes publics. C'est une chance énorme pour un débutant : vous pouvez demander, comprendre, corriger. Mais l'IA se trompe aussi : nom de colonne inventé, hypothèse fausse sur vos données, calcul juste mais question mal comprise. Ce parcours vous apprend à lire le code produit et à le vérifier.

Un piège fréquent

« L'IA écrit le code, donc je n'ai pas besoin d'apprendre. » En réalité, c'est l'inverse : plus l'IA écrit vite, plus vous devez être capable de repérer ce qui cloche. Un code qui tourne sans erreur peut parfaitement donner un résultat faux.