Python pour l'IA

Un cours de Python en français, pensé pour les personnes qui veulent apprendre le langage dans le but de travailler avec l'intelligence artificielle : manipuler des données, appeler des API de modèles, structurer un agent.

Chaque leçon est un notebook Jupyter court : une idée expliquée, puis un exemple exécutable que vous pouvez modifier. Les exemples s'appuient sur des cas concrets (un agent traducteur, un appel à un modèle de chat, un jeu de données) plutôt que sur des foo et des bar. Le dernier chapitre quitte le notebook pour assembler ces briques dans un vrai projet Python, organisé en fichiers .py.

Prérequis

• Python 3.11
• uv pour gérer l'environnement et les dépendances

Installation

git clone <url-du-depot>
cd CourPythonForIA
uv sync

uv sync crée l'environnement .venv et installe les dépendances du cours : numpy, pandas, matplotlib, requests et ipykernel.

Lancer les notebooks

uv run jupyter lab

Ouvrez ensuite le notebook de votre choix. Si Jupyter vous demande un noyau, choisissez courpythonforia (3.11.8) : tous les notebooks du cours tournent sur celui-ci.

Programme

Les chapitres se suivent : chaque leçon ne réutilise que des notions déjà vues plus haut.

1. Variables — variables/

• variables.ipynb — déclarer une variable, écrire des commentaires

2. Types de données — data-type/

• nombres.ipynb — opérations de base, vérifier et convertir un type
• chaine-de-caracteres.ipynb — concaténation, f-strings, méthodes utiles
• booléens.ipynb — d'où viennent les booléens, les erreurs fréquentes

3. Contrôle du flux — controle-flow/

• instructions-if.ipynb — if, if/else, if/elif/else, conditions imbriquées

4. Fonctions — fonctions/

• fonctions.ipynb — créer et nommer une fonction, portée des variables
• parametres.ipynb — plusieurs paramètres, valeurs par défaut, arguments positionnels et nommés
• valeurs-de-retour.ipynb — return contre print, retourner plusieurs valeurs

5. Structures de données — data-structure/

• listes.ipynb — accès, parcours, tri, list comprehension
• tuples.ipynb — quand préférer un tuple à une liste
• ensembles.ipynb — opérations d'ensembles, test d'appartenance
• dictionnaires.ipynb — paires clé-valeur, parcours, usage typique en IA

6. Aller plus loin — advanced/

• try-except.ipynb — intercepter les erreurs, cas typique de l'appel d'API
• classes/classes.ipynb — votre première classe
• classes/methode-et-attribut.ipynb — attributs, méthodes, une classe d'agent IA
• classes/heritage.ipynb — réutiliser et spécialiser une classe

7. Librairies et API — librairies-api/

• import-modules.ipynb — import, alias, modules intégrés, installer un paquet tiers
• travailler-avec-api.ipynb — requêtes GET et POST, codes de statut, clés d'API
• travailler-avec-les donnees.ipynb — un exemple complet : récupérer des données d'API, les analyser avec pandas, les visualiser avec matplotlib, les sauvegarder en CSV

8. Python pratique — projet-pratique/

On assemble tout dans un projet fil rouge : une petite analyse de ventes.

• index.md — les quatre étapes du projet
• structure-de-projet.md — organiser un projet en dossiers (data/, output/, main.py, helpers.py)
• chemins-python.ipynb — chemins relatifs et absolus, pathlib
• travailler-avec-fichier.ipynb — lire un CSV, écrire et relire un JSON, créer un dossier
• analyse-ventes/ — le projet complet : main.py lit data/ventes.csv, calcule les totaux et génère output/rapport.json ; helpers.py regroupe les fonctions réutilisables

Pour l'exécuter :

cd projet-pratique/analyse-ventes
uv run python main.py