Python et IA : environnement virtuel et bac à sable

Pourquoi Python est le langage de l'IA#

Python s'est imposé dans l'intelligence artificielle et la science des données pour trois raisons : une syntaxe lisible, un écosystème de bibliothèques sans équivalent — pour les tableaux de données, le calcul, l'apprentissage automatique, la lecture de documents — et une communauté immense. Les grands modèles de langage écrivent eux-mêmes du Python avec aisance, ce qui en fait aussi le langage naturel des agents IA qui exécutent du code.

Ce dernier point change la manière de l'utiliser. Un modèle ne sait pas additionner dix mille lignes de façon fiable ; il sait écrire le programme qui le fait. Lui confier le calcul par du code est la meilleure parade contre les erreurs et les oublis sur gros volume.

L'environnement virtuel Python#

Le problème qu'il résout#

Un projet Python s'appuie sur des bibliothèques, chacune dans une version précise. Deux projets sur le même poste peuvent exiger deux versions incompatibles de la même bibliothèque. Installées « pour tout le système », elles se marchent dessus, et une mise à jour pour l'un casse l'autre.

Un environnement virtuel est un dossier qui contient son propre interpréteur Python et ses propres bibliothèques, séparés de ceux du système et des autres projets.

Créer un environnement virtuel Python#

Le module venv est fourni avec Python. Depuis le dossier du projet :

python -m venv .venv

Puis on l'active, ce qui fait de ce dossier l'interpréteur par défaut de la session :

# Windows (PowerShell)
.venv\Scripts\Activate.ps1

# macOS et Linux
source .venv/bin/activate

On installe ensuite les bibliothèques du projet, qui ne vont que dans cet environnement :

python -m pip install pandas openpyxl

Et l'on fige la liste exacte, pour pouvoir reconstruire le même environnement ailleurs :

python -m pip freeze > requirements.txt
python -m pip install -r requirements.txt

Les bonnes pratiques#

• Un environnement par projet, créé dans le dossier du projet et exclu du gestionnaire de versions.
• python -m pip plutôt que pip : on est sûr d'installer dans l'interpréteur qu'on croit utiliser, et pas dans celui qu'un autre programme a placé en premier dans le chemin.
• Des versions figées dans un fichier de dépendances, pour que le poste du collègue et le serveur exécutent la même chose.
• Des dépendances vérifiées : une bibliothèque installée est du code exécuté avec vos droits ; on la prend sur la source officielle, et l'on surveille ses failles connues.

Un environnement virtuel n'est pas un bac à sable#

C'est la confusion la plus répandue, et la plus dangereuse quand une IA écrit le code.

Un programme lancé dans un environnement virtuel peut lire vos documents, effacer un dossier ou envoyer des données sur internet exactement comme n'importe quel programme. L'environnement virtuel règle un problème de dépendances, pas de sécurité.

Quand une IA exécute du code : le bac à sable#

Un agent IA qui exécute du Python écrit un code que personne n'a relu avant son exécution. Il peut se tromper — supprimer le mauvais fichier, boucler indéfiniment — ou avoir été manipulé par un texte qu'il a lu. Un bac à sable Python encadre cette exécution :

• Pas de réseau : le code ne peut rien envoyer à l'extérieur, ni rien télécharger.
• Un dossier de travail limité : il ne voit que les fichiers qu'on lui a confiés pour la tâche.
• Des bibliothèques choisies : celles dont la tâche a besoin, préinstallées.
• Un processus séparé : une erreur ou un plantage n'emporte pas l'application.

Ce qu'un bac à sable permet#

Dans ce cadre, l'agent peut faire en quelques secondes ce qui prendrait une heure à la main, et le faire sur toutes les lignes :

• rapprocher deux exports de plusieurs milliers de lignes ;
• calculer des totaux, des écarts, des moyennes par période ;
• nettoyer un fichier : doublons, formats de dates, colonnes à fusionner ;
• produire un classeur Excel mis en forme ou un graphique ;
• vérifier la cohérence d'une série de documents.

Python et IA en entreprise : par où commencer#

1. Repérer les tâches de volume : celles qui consistent à passer sur toutes les lignes d'un fichier.
2. Commencer en lecture : faire produire un résultat et le comparer au travail fait à la main.
3. Garder le code : un programme qui a donné le bon résultat se relit et se rejoue.
4. Ne jamais exécuter un code d'IA hors d'un cadre confiné sur un poste qui porte des données sensibles.

Python dans AIKeep#

AIKeep embarque son propre Python : il n'utilise ni ne modifie aucun Python déjà installé sur le poste, et ne demande rien à installer. Quand une tâche porte sur un volume, l'agent écrit du code Python et l'exécute dans un environnement confiné, sans accès au réseau, avec les fichiers de la tâche — c'est ainsi qu'il complète un classeur ou parcourt un export entier sans en sauter une ligne.