1 Environnement Python — Guide d’Installation

1.1 Pourquoi Python ?

Python est le langage dominant pour l’IA et le Machine Learning. Les raisons :

Aspect	Python	Java
Écosystème IA/ML	PyTorch, TensorFlow, LangChain, etc.	Limité
Prototypage	Rapide, interactif (REPL, notebooks)	Plus verbeux
Intégration LLM	APIs natives, SDKs officiels	Wrappers souvent en retard
Data Science	pandas, numpy, scipy — standards	Pas d’équivalent mature

Pour ce workshop : tous les parcours utilisent Python. Les outils MCP, RAG et agents de test sont en Python.

1.2 Choix de la Distribution

1.2.1 Anaconda vs Miniconda vs Miniforge

Distribution	Taille	Licence	Recommandation
Anaconda	~3 Go	Commerciale (>200 employés)	❌ Éviter en entreprise
Miniconda	~50 Mo	Commerciale (>200 employés)	⚠️ Vérifier licence
Miniforge	~50 Mo	BSD (libre)	✅ Recommandé

Pourquoi Miniforge ? - Distribution libre (conda-forge par défaut) - Compatible avec tous les packages conda - Pas de restriction commerciale - Mêmes commandes que conda

1.3 Installation de Miniforge

1.3.1 Windows

# Télécharger depuis GitHub
# https://github.com/conda-forge/miniforge/releases

# Ou via winget
winget install --id CondaForge.Miniforge3

# Vérifier l'installation
conda --version

1.3.2 macOS

# Homebrew (recommandé)
brew install miniforge

# Ou téléchargement direct
curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-$(uname -m).sh"
bash Miniforge3-MacOSX-$(uname -m).sh

# Redémarrer le terminal puis vérifier
conda --version

1.3.3 Linux

# Téléchargement direct
curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh"
bash Miniforge3-Linux-x86_64.sh

# Suivre les instructions (accepter licence, chemin par défaut)
# Redémarrer le terminal

conda --version

1.4 Création d’un Environnement

1.4.1 Principe

Un environnement isole les dépendances d’un projet. Équivalent conceptuel : - Java : différentes versions de JDK + Maven dependencies - Node : nvm + node_modules - Python : conda env + pip packages

1.4.2 Commandes Essentielles

# Créer un environnement pour le workshop
conda create -n workshop-agents python=3.11

# Activer l'environnement
conda activate workshop-agents

# Le prompt change : (workshop-agents) $

# Installer des packages
pip install pytest langchain faiss-cpu

# Désactiver
conda deactivate

# Lister les environnements
conda env list

# Supprimer un environnement
conda env remove -n workshop-agents

1.4.3 Environnement depuis un fichier

Créer environment.yml :

name: workshop-agents
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.11
  - pip
  - pip:
    - pytest
    - pytest-cov
    - langchain
    - faiss-cpu
    - sentence-transformers
    - mcp

# Créer depuis le fichier
conda env create -f environment.yml

# Mettre à jour
conda env update -f environment.yml

1.5 Environnement par Parcours

1.5.1 Parcours A — Testing Agent

conda create -n track-a-testing python=3.11
conda activate track-a-testing
pip install pytest pytest-cov pytest-asyncio
pip install anthropic  # Claude API

1.5.2 Parcours B — RAG Code/Docs

conda create -n track-b-rag python=3.11
conda activate track-b-rag
pip install faiss-cpu sentence-transformers
pip install rank-bm25  # Recherche lexicale
pip install langchain langchain-community

1.5.3 Parcours C — MCP Server

conda create -n track-c-mcp python=3.11
conda activate track-c-mcp
pip install mcp
pip install ruff  # Linter moderne
pip install radon  # Métriques de code

1.6 Bonnes Pratiques

1.6.1 1. Un environnement par projet

# Projet A
conda activate projet-a
# Projet B (autre terminal ou après deactivate)
conda activate projet-b

1.6.2 2. Figer les versions

# Exporter les versions exactes
pip freeze > requirements.txt

# Réinstaller exactement
pip install -r requirements.txt

1.6.3 3. Ne jamais installer dans `base`

# ❌ Mauvais
conda activate base
pip install quelque-chose

# ✅ Bon
conda create -n mon-projet python=3.11
conda activate mon-projet
pip install quelque-chose

1.6.4 4. Utiliser pip dans conda

# Préférer pip pour les packages Python purs
# Conda pour les dépendances système (CUDA, etc.)

conda install cudatoolkit  # Dépendance système
pip install torch          # Package Python

1.7 Dépannage

1.7.1 “conda: command not found”

# Réinitialiser le shell
source ~/miniforge3/etc/profile.d/conda.sh
conda init bash  # ou zsh

# Redémarrer le terminal

1.7.2 Conflit de versions

# Recréer l'environnement proprement
conda env remove -n mon-env
conda create -n mon-env python=3.11

1.7.3 Lenteur de conda

# Utiliser mamba (drop-in replacement plus rapide)
conda install mamba -n base -c conda-forge

# Puis utiliser mamba au lieu de conda
mamba create -n mon-env python=3.11
mamba install package

1.8 Vérification Finale

# Environnement activé ?
echo $CONDA_DEFAULT_ENV

# Python correct ?
python --version
which python

# Packages installés ?
pip list | grep pytest

1.9 Ressources

Document préparatoire — À consulter avant le workshop.