Utiliser VSCode pour coder en python

Quelques raisons de sa popularité auprès des développeurs Python :

• IntelliSense : autocomplétion et documentation en temps réel pendant que vous tapez, ce qui fait gagner du temps et évite des erreurs.
• Débogueur intégré : posez des points d'arrêt, mettez le code en pause et inspectez vos variables pour corriger les bugs efficacement.
• Terminal intégré : lancez vos scripts et vos commandes sans quitter l'éditeur.
• Extensions : un immense catalogue couvre à peu près tous les besoins, du formatage de code aux notebooks Jupyter.
• Multilangage : si vos projets mêlent Python et d'autres langages (R, SQL, JavaScript), vous gardez le même outil.

Trois étapes suffisent pour démarrer :

1. Installez la dernière version de Python depuis python.org. Sous Windows, pensez à cocher la case « Add Python to PATH » pendant l'installation.
2. Installez VS Code depuis code.visualstudio.com.
3. Au premier lancement, installez l'extension Python de Microsoft (nous y revenons juste après). Elle apporte tout le nécessaire pour exécuter et déboguer du Python.

Pour vérifier que Python est bien installé, ouvrez un terminal dans VS Code (menu Terminal > Nouveau terminal, ou le raccourci Ctrl + Maj + ²) et tapez :

python --version      # sous Mac ou Linux, essayez python3 --version

Premier réflexe à prendre : ouvrez toujours un dossier de projet (menu Fichier > Ouvrir le dossier), et non un fichier isolé. C'est ce qui permet à VS Code de détecter votre environnement, d'appliquer les réglages du projet et de retrouver vos fichiers. Travailler dans un dossier change tout.

C'est le point que beaucoup ratent. Vous n'avez pas besoin de bricoler la variable PATH pour dire à VS Code quel Python utiliser. Tout se fait par une commande dédiée.

Ouvrez la palette de commandes avec Ctrl + Maj + P (ou Cmd + Maj + P sur Mac), tapez « Python: Select Interpreter » et choisissez l'interpréteur voulu. VS Code retient ce choix pour votre projet et l'affiche en bas de la fenêtre.

Encore mieux, prenez l'habitude de créer un environnement isolé par projet. C'est sans doute la meilleure habitude à adopter en Python : chaque projet a ses propres dépendances, dans ses propres versions, sans jamais polluer les autres. Dans la palette, lancez « Python: Create Environment », puis choisissez Venv (environnement standard, créé dans un dossier .venv à la racine du projet) ou Conda si vous utilisez Anaconda. VS Code crée l'environnement et le sélectionne automatiquement. Pour aller plus loin, vous pouvez gérer vos environnements avec uv, l'outil moderne et très rapide que VS Code sait détecter.

Avec Anaconda, ne touchez pas non plus au PATH (c'est même déconseillé par Anaconda). Lancez simplement « Python: Select Interpreter » et choisissez l'interpréteur conda dans la liste. VS Code s'occupe du reste.

Écrire et exécuter son premier script

Créez un fichier, enregistrez le avec l'extension .py, et écrivez par exemple :

print("Bonjour depuis VS Code !")

Pour l'exécuter, le plus simple est de cliquer sur le bouton Run (le petit triangle en haut à droite de l'éditeur). VS Code ouvre un terminal et lance votre script. Vous pouvez aussi faire un clic droit dans le fichier puis « Run Python File in Terminal », ou lancer la commande à la main :

python mon_fichier.py

Et voici un conseil qui fait grandir vite : dès que votre code se complique, oubliez les print() à répétition et passez au débogueur. Posez un point d'arrêt en cliquant à gauche d'un numéro de ligne, appuyez sur F5, et déroulez votre code pas à pas en observant la valeur de chaque variable. On comprend souvent un bug en quelques secondes là où l'on aurait passé de longues minutes à semer des print().

La force de VS Code, ce sont ses extensions. En voici une sélection à jour pour Python et la data science :

Bonne nouvelle : en installant l'extension Python, vous obtenez automatiquement Pylance et le débogueur. Vous n'avez donc qu'une seule extension à chercher pour démarrer.

Un mot d'expérience, à contre-courant : résistez à la tentation d'empiler les extensions. Une vingtaine d'extensions ralentissent l'éditeur et finissent par se marcher dessus (deux formateurs qui se disputent vos fichiers, par exemple). Mieux vaut une poignée d'outils bien choisis, comme ceux du tableau ci-dessus, que vous maîtrisez vraiment.

Configurer VS Code une fois pour toutes

Plutôt que de reconfigurer l'éditeur à chaque fois, posez vos réglages dans un fichier .vscode/settings.json à la racine du projet. Gros avantage : ce fichier se partage avec toute l'équipe via Git, donc tout le monde travaille avec la même configuration. Voici une base solide et confortable :

{
  "[python]": {
    "editor.formatOnSave": true,
    "editor.defaultFormatter": "charliermarsh.ruff",
    "editor.codeActionsOnSave": {
      "source.organizeImports": "explicit",
      "source.fixAll": "explicit"
    }
  },
  "python.analysis.typeCheckingMode": "basic",
  "python.terminal.activateEnvironment": true,
  "editor.rulers": [88]
}

Ce que cela vous apporte concrètement : votre code est formaté automatiquement à chaque sauvegarde et vos imports rangés, sans y penser, ce qui vous laisse vous concentrer sur la logique plutôt que sur la mise en forme. Le réglage typeCheckingMode active une vérification de types légère qui attrape de nombreuses erreurs avant même l'exécution. Et le repère visuel à 88 caractères (la largeur par défaut de Ruff et Black) vous aide à garder des lignes lisibles. Laissez les outils s'occuper du style : c'est une habitude qui paie tous les jours.

Travailler avec des notebooks Jupyter

Grâce à l'extension Jupyter, vous pouvez ouvrir, créer et exécuter des notebooks .ipynb directement dans VS Code, sans passer par le navigateur. Vous profitez du confort de l'éditeur tout en gardant la souplesse des notebooks pour l'exploration.

Voici une astuce que beaucoup de data scientists adoptent et ne quittent plus : dans un simple fichier .py, ajoutez un commentaire # %% pour définir une cellule. VS Code affiche alors un bouton « Run Cell », et votre script s'exécute morceau par morceau dans une fenêtre interactive, exactement comme un notebook.

# %%
import pandas as pd
df = pd.read_csv("donnees.csv")

# %%
df.describe()

L'intérêt : vous gardez la commodité du notebook pour explorer, mais votre travail reste un fichier .py propre, bien plus agréable à versionner avec Git qu'un .ipynb (dont les différences sont illisibles dans un historique). Le meilleur des deux mondes.

Coder plus vite avec l'IA

C'est la grande évolution depuis la première version de cet article. GitHub Copilot est désormais intégré gratuitement à VS Code : il suffit de se connecter avec un compte GitHub pour profiter d'un quota mensuel gratuit de complétions et de messages de chat. Copilot complète votre code au fil de la frappe, explique une portion de code, génère une fonction à partir d'une consigne en langage naturel, ou aide à corriger un bug, le tout sans quitter l'éditeur.

Un conseil que nous donnons systématiquement aux débutants : apprenez d'abord à écrire et à comprendre votre code, puis activez l'IA comme accélérateur. C'est un assistant remarquable, mais il propose parfois du code faux avec aplomb. Relisez toujours ce qu'il génère, surtout au début. D'autres assistants existent (Codeium, Gemini Code Assist), mais Copilot reste le plus simple pour commencer dans VS Code.

Quelques raccourcis qui changent la vie

On gagne énormément de temps en pilotant VS Code au clavier. Si vous ne deviez en retenir qu'une poignée :

• Ctrl + Maj + P : la palette de commandes, qui donne accès à absolument tout.
• Ctrl + P : ouvrir un fichier en tapant son nom.
• Ctrl + ` : afficher ou masquer le terminal.
• F12 : aller à la définition d'une fonction ; F2 : la renommer partout d'un coup.
• Ctrl + . : proposer une correction rapide sur une erreur soulignée.
• Alt + clic : poser plusieurs curseurs pour éditer plusieurs lignes en même temps.

Prenez le réflexe de la palette de commandes : tant que vous connaissez le nom d'une action, vous n'avez pas besoin de retenir son raccourci.

Ne versionnez pas n'importe quoi

Dernier réflexe, et non des moindres : ajoutez un fichier .gitignore à votre projet pour ne pas envoyer dans Git ce qui n'a rien à y faire (votre environnement, les caches, vos données). Un minimum utile pour un projet Python :

.venv/
__pycache__/
.ipynb_checkpoints/
*.csv

Cela garde votre dépôt léger, propre et facile à partager.