Installations : tout ce que vous installez dans le cours

Dans cette leçon#

Cette leçon se compose de quelques chapitres courts, dans le même ordre que les diapositives :

1. Chapitre 1 — les outils du cours : ce que fait chaque outil
2. Chapitre 2 — les étapes d’installation, une par une
3. Chapitre 3 — vérifier que tout est installé, et ce que nous installerons plus tard dans le cours

Chapitre 1 : Les outils du cours#

Qu’allons-nous apprendre ?#

Dans cette leçon, nous allons découvrir le cours et notre façon d’y travailler, puis mettre en place l’environnement de développement — l’ensemble des outils que nous utiliserons pour écrire et exécuter du code tout au long du cours. À la fin de la leçon, tous les outils seront installés sur votre ordinateur, et vous saurez à quoi sert chacun d’eux :

• VS Code — l’endroit où l’on écrit le code.
• Python — le programme qui exécute le code que nous avons écrit.
• Git — l’outil qui conserve l’historique du code.
• Docker — exécute des programmes prêts à l’emploi, comme une base de données, dans une « boîte » isolée.
• Le terminal — une fenêtre où l’on donne à l’ordinateur des commandes écrites.

Pourquoi en avons-nous besoin ?#

Avant de construire une maison, on apporte les outils sur le chantier et on vérifie qu’ils fonctionnent. En programmation, c’est pareil : s’il manque un outil ou s’il est mal installé, chaque leçon suivante bloquera sur des problèmes d’installation au lieu de porter sur la matière elle-même.

Dans le monde réel, le premier jour d’un développeur dans une nouvelle entreprise ressemble exactement à cela : on reçoit un ordinateur, on installe un éditeur de code, un langage de programmation, Git et Docker, et on vérifie qu’on peut lancer le projet. C’est une compétence dont vous aurez besoin dans chaque emploi.

Comment le cours est construit#

• Le cours est découpé en thèmes, dans l’ordre où ils sont enseignés et exactement dans l’ordre des présentations : installations, l’ordinateur et le système d’exploitation, les réseaux, Python, Git, la POO, le backend et les bases de données.
• Chaque thème est découpé en leçons. Chaque leçon est autonome et a toujours la même structure : ce que nous allons apprendre → pourquoi nous en avons besoin → explication à partir des bases → syntaxe → exemple → analyse ligne par ligne → un autre exemple → erreur courante → exercices → résumé. Les thèmes théoriques (l’ordinateur et le système d’exploitation, les réseaux) n’ont pas de code — leurs exercices sont des questions de compréhension.
• À la fin de chaque leçon, il y a 5 exercices — les mêmes que dans le fichier d’exercices de la présentation. Les solutions sont masquées et ne s’ouvrent qu’au clic, pour que vous essayiez d’abord seul.
• En haut et en bas de chaque leçon se trouve un bouton Marquer comme terminé, et chaque page affiche votre progression globale dans le cours.

Explication à partir des bases#

Qu’est-ce que le code, et qui le comprend ?#

Le code est un texte écrit selon les règles précises d’un langage de programmation. L’ordinateur lui-même ne « comprend » pas le texte — il ne comprend que des instructions binaires très simples (nous en parlerons dans la leçon sur les composants de l’ordinateur). Il nous faut donc un intermédiaire : un programme qui lit notre code et le traduit en actions que l’ordinateur exécute.

Python — l’interpréteur#

Python est à la fois le nom du langage et le nom du programme qui l’exécute. Ce programme s’appelle un interpréteur — il lit notre fichier ligne par ligne et exécute chaque ligne.

VS Code — l’éditeur de code#

VS Code (Visual Studio Code) est un éditeur de code — un programme pour écrire du texte, spécialement adapté au code. On pourrait aussi écrire du code dans le Bloc-notes, mais VS Code vous apporte :

• La coloration syntaxique — différents mots du code reçoivent des couleurs différentes, ce qui rend les erreurs faciles à repérer.
• L’autocomplétion — propose des noms de fonctions et de variables pendant que vous tapez.
• Un terminal intégré — vous pouvez exécuter le code sans quitter l’éditeur.
• Un débogueur — un outil pour arrêter le code au milieu et vérifier ce qui s’y passe (nous l’apprendrons dans le thème Python).

Il est important de comprendre : VS Code n’exécute pas le code tout seul. Quand vous cliquez sur « Run », il demande simplement à Python d’exécuter le fichier. C’est pourquoi il faut installer les deux.

Git — la machine à remonter le temps de votre code#

Git est un outil de contrôle de version. Il enregistre des « instantanés » du code au fil du temps, ce qui permet de revenir à une version antérieure, de voir ce qui a changé et quand, et de travailler en équipe sur le même code. Nous l’apprendrons en détail dans le thème Git. Aujourd’hui, nous l’installons seulement.

Docker — des programmes prêts à l’emploi dans une boîte#

Plus tard dans le cours, nous travaillerons avec une base de données — un programme qui gère et stocke des informations (MySQL). L’installer directement sur l’ordinateur est un long processus, différent sur chaque système d’exploitation. Docker résout ce problème : il exécute des programmes prêts à l’emploi dans un conteneur — une « boîte » isolée qui contient déjà tout ce dont le programme a besoin. Avec une seule commande, et exactement la même pour tout le monde. Aujourd’hui, nous l’installons seulement, et nous l’utiliserons quand nous arriverons aux bases de données.

Le terminal — parler à l’ordinateur par écrit#

La plupart du temps, nous utilisons l’ordinateur avec la souris : clic sur des icônes, glisser-déposer de fichiers. Le terminal (aussi appelé ligne de commande) est une autre façon de faire : vous tapez une commande sous forme de texte, vous appuyez sur Entrée, et l’ordinateur l’exécute et répond par du texte.

Pourquoi travailler ainsi ? Parce que de nombreux outils de développement (Python, Git, les serveurs) fonctionnent principalement par commandes. Sous Windows, le terminal exécute généralement PowerShell, et sous Mac/Linux, Bash ou Zsh. Nous verrons les différences dans le thème sur l’ordinateur et le système d’exploitation.

Documentation officielle#

• Using Python on Windows
• VS Code — Getting Started with Python
• Pro Git — About Version Control
• Docker — What is a container?

Chapitre 2 : Les étapes d’installation#

Qu’allons-nous apprendre ?#

Nous installons les quatre outils dans l’ordre : Python, VS Code, Git et Docker. Téléchargez chaque outil uniquement depuis son site officiel (les liens sont ci-dessous), et sur la plupart des écrans gardez les options par défaut. Après chaque installation, vérifiez que l’outil fonctionne — et seulement ensuite passez au suivant.

1. Python

1. Allez sur python.org/downloads et téléchargez la dernière version (3.12 ou plus récente).
2. Sous Windows — très important : sur le premier écran de l’installateur, cochez Add python.exe to PATH. Sans cela, le terminal ne trouvera pas Python (nous expliquerons ce qu’est PATH dans le thème sur l’ordinateur et le système d’exploitation).
3. Cliquez sur Install Now et attendez la fin.

2. VS Code

1. Téléchargez-le depuis code.visualstudio.com et installez-le avec les options par défaut.
2. Sous Windows, cochez aussi Add to PATH et Open with Code pendant l’installation.
3. Ouvrez VS Code → l’onglet Extensions (l’icône des carrés sur le côté) → cherchez Python (de Microsoft) → Install.
4. (Vous pouvez le faire maintenant aussi, et c’est obligatoire dans le thème des bases de données) l’extension Database Client (de Weijan Chen) — une interface pour visualiser la base de données et exécuter du SQL.

3. Git

1. Téléchargez-le depuis git-scm.com/downloads et installez-le avec les options par défaut.
2. Sur Mac, vous pouvez aussi exécuter xcode-select --install dans le terminal.

4. Docker

1. Téléchargez Docker Desktop depuis docker.com/products/docker-desktop et installez-le avec les options par défaut.
2. Sous Windows : Docker Desktop a besoin de WSL 2 (une couche Windows pour exécuter Linux). Si l’installateur demande de l’installer ou de le mettre à jour — acceptez ; il faut parfois redémarrer l’ordinateur.
3. Ouvrez Docker Desktop et attendez la fin du démarrage (le coin affiche Engine running). Les commandes docker ne fonctionnent que tant qu’il est ouvert.

5. Le terminal

• Windows : le terminal est déjà installé. Cherchez Terminal ou PowerShell dans le menu Démarrer.
• Mac : l’application Terminal (recherche avec Cmd + Space).
• Dans VS Code : le menu Terminal → New Terminal (ou Ctrl + `). C’est le terminal que nous utiliserons pendant la majeure partie du cours.

Documentation officielle#

• Python Downloads
• Visual Studio Code on Windows
• Pro Git — Installing Git
• Install Docker Desktop on Windows
• Install WSL

Chapitre 3 : Vérification, et ce qui s’installe plus tard#

Syntaxe#

La « syntaxe » du jour, ce sont les commandes de vérification. Après chaque installation, vérifiez que l’outil est installé avec l’option --version, qui affiche simplement la version de l’outil :

python --version
git --version
code --version
docker --version

La structure de chaque commande :

<program name>  <flag>
     python     --version

• Nom du programme — quel programme lancer.
• Option (flag) — un mot qui commence par -- (ou -) et modifie ce que fait le programme. --version dit : « ne fais rien d’autre qu’afficher ta version ».

Premier exemple de code#

Ouvrez un terminal et lancez la première commande de vérification :

python --version

Résultat attendu :

Python 3.12.4

Votre numéro peut être différent — l’important est qu’il commence par Python 3.

Analyse du code ligne par ligne#

python --version

Et ce qui apparaît dans la sortie :

Un autre exemple#

Vérifiez maintenant tout l’environnement d’un coup — quatre commandes, l’une après l’autre :

python --version
git --version
code --version
docker --version

Résultat attendu :

Python 3.12.4
git version 2.45.1.windows.1
1.93.1
38c31bc77e0dd6ae88a4e9cc93428cc27a56ba40
x64
Docker version 27.3.1, build ce12230

• git version ... — Git est installé.
• Docker version ... — Docker est installé. (Vos numéros peuvent être différents.)
• code --version affiche trois lignes : la version de VS Code, l’identifiant de build (une longue chaîne) et le type de processeur (x64 ou arm64). Les trois lignes sont normales.

Erreur courante#

L’erreur : installer Python sous Windows sans cocher Add python.exe to PATH, puis lancer :

python --version

et obtenir :

python : The term 'python' is not recognized as the name of a cmdlet, function,
script file, or operable program.

ou parfois le Microsoft Store s’ouvre à la place.

Pourquoi cela arrive-t-il ? Le terminal ne cherche les programmes que dans les dossiers listés dans une liste appelée PATH. Si Python n’y a pas été ajouté — pour le terminal, il n’existe pas, même s’il est installé sur le disque.

La correction :

1. Relancez l’installateur de Python → Modify → Next → cochez Add Python to environment variables → Install.
2. Fermez le terminal et rouvrez-le.
3. Une alternative sous Windows : la commande py --version (le Python Launcher) fonctionne généralement même sans PATH.

Ce que nous installerons plus tard dans le cours#

Les quatre outils sont installés dès le premier jour. Pendant le cours, nous ajouterons quelques autres éléments — chacun exactement dans le thème qui en a besoin. Inutile de les installer maintenant ; ils sont listés ici pour que vous ayez une liste complète de tout ce qui s’installe dans le cours :

Les commandes elles-mêmes — juste pour que vous les reconnaissiez. Nous les exécuterons en arrivant à chaque thème, avec une explication complète :

# Git topic: one-time identity
git config --global user.name "Dana Cohen"
git config --global user.email "dana@example.com"

# Backend topic: inside a venv
pip install "fastapi[standard]"

# Databases topic: driver + MySQL image
pip install mysql-connector-python
docker pull mysql:8.4

• pip — le gestionnaire de paquets de Python. Il télécharge des bibliothèques depuis Internet et les installe, comme une boutique d’applications pour le code.
• docker pull — télécharge à l’avance l’image MySQL (le modèle à partir duquel Docker crée un conteneur). Dans le thème des bases de données, docker run la téléchargera tout seul si elle manque — mais si vous avez le temps et une bonne connexion, vous pouvez la télécharger maintenant.

Résumé#

• L’environnement de développement = cinq outils : VS Code (écrire), Python (exécuter), Git (conserver l’historique), Docker (exécuter des programmes prêts à l’emploi, comme une base de données), le terminal (donner des commandes).
• Python est un interpréteur — il lit notre code et l’exécute ligne par ligne. VS Code lui demande seulement de l’exécuter.
• Sous Windows, cochez Add python.exe to PATH en installant Python, et Docker Desktop a besoin de WSL 2.
• Vérifiez l’installation de chaque outil avec --version.
• Une erreur « not recognized » signifie généralement que l’outil n’est pas listé dans PATH, ou que le terminal a été ouvert avant l’installation.
• Plus tard dans le cours, nous ajouterons : un compte GitHub et git config (Git), venv et FastAPI (backend), MySQL dans Docker, Database Client et le pilote (bases de données).

Documentation officielle#

• Python — Installing Python Modules
• Pro Git — First-Time Git Setup
• Docker Hub — MySQL official image
• FastAPI — Virtual Environments

Exercices#

Questions de compréhension sur le contenu de la leçon — sans code.

Exercice 1: Cinq outils — cinq rôles#

Associez chaque outil à son rôle :

Les rôles : (a) conserve l’historique de chaque modification du code, (b) lit le code et l’exécute, (c) un endroit où l’on donne à l’ordinateur des commandes écrites, (d) l’endroit où l’on écrit le code, (e) exécute des programmes prêts à l’emploi — comme une base de données — dans un conteneur.

Exercice 2: « The term ‘python’ is not recognized »#

Un étudiant a installé Python, a ouvert le terminal qui était déjà ouvert auparavant, a tapé python --version et a obtenu le message :

python : The term 'python' is not recognized as the name of a cmdlet...

1. Que dit ce message ?
2. Donnez deux causes possibles du problème, et ce qu’il faut faire dans chaque cas.

Exercice 3: « failed to connect to the docker API »#

Un étudiant a installé Docker Desktop. La commande docker --version fonctionne et affiche une version, mais la commande docker ps échoue :

failed to connect to the docker API

1. Comment une commande Docker peut-elle fonctionner et l’autre non ?
2. Que faut-il faire pour corriger cela ?
3. Quel composant supplémentaire doit être installé sous Windows pour que Docker Desktop fonctionne ?

Exercice 4: Qu’installe-t-on, et quand ?#

Pour chaque élément de la liste, écrivez quand il s’installe dans le cours : (a) le premier jour, (b) dans le thème Git, (c) dans le thème backend, (d) dans le thème bases de données.

Exercice 5: Lire la sortie des vérifications#

Un étudiant a lancé les quatre commandes de vérification et a obtenu :

Python 3.12.4
git version 2.45.1.windows.1
1.93.1
38c31bc77e0dd6ae88a4e9cc93428cc27a56ba40
x64
docker : The term 'docker' is not recognized as the name of a cmdlet...

1. Quels outils sont installés et fonctionnent ?
2. code --version a affiché trois lignes. Que représente chaque ligne ?
3. Quel est le problème à la dernière ligne, et que faut-il faire ?