Au cours de la dernière décennie, Python a été l'enfant gâté du monde de la programmation: les universités l'enseignent comme la première langue, les géants technologiques l'utilisent en science des données et des milliers de développeurs le choisissent pour leur simplicité. Il est devenu synonyme d'accessibilité et de productivité.
Mais dans les salles de conférences, dans les référentiels de Github et dans les forums des développeurs, des questions de plus en plus inconfortables résonnent: Python est-il toujours le meilleur pari sur l'avenir? Ou sommes-nous confrontés au début d'un déclin silencieux? Ceci est la théorie détenue par Devrim Ozcay, ingénieur logiciel à Huawei.
Mirage de croissance
Les statistiques semblent écrasantes: les classements Python Heads tels que l'index Tiobe ou les listes de projets dans GitHub. Cependant, dit Ozcay, en regardant attentivement, nous découvrons qu'une grande partie de cette « popularité » correspond aux débutants qui l'utilisent pendant un ou deux ans, puis l'abandonnent. Le résultat: une énorme communauté, mais avec peu de poids de développeurs expérimentés. C'est comme un stade plein de fans qui entrent et sortent sans former une équipe solide sur le terrain.
Le fantôme de la performance (et l'ombre de Rust)
Ceux qui travaillent avec Python le savent: la langue est confortable, mais assez lente par rapport aux alternatives modernes. La nouveauté est la façon dont les développeurs réagissent à ce problème: écrire des parties critiques dans la rouille, une langue plus rapide et sûre.
Il ne s'agit plus seulement d'extensions en C (comme par le passé), mais des bibliothèques Python réécrites presque complètement en rouille. Des exemples tels que les polaires (alternative aux pandas), Pydantic V2 (validation des données) ou Granian (serveur Web ASGI) montrent une tendance claire: même dans la communauté Python elle-même, il cherche à échapper à ses limites.
Trop facile d'être bon?
Python Marketing a toujours choisi de mettre en évidence sa facilité d'utilisation. Cela a attiré des milliers de nouveaux programmeurs, mais a en même temps généré un paradoxe: un grand nombre d'utilisateurs n'approfondissent pas les fondamentaux tels que la gestion de la mémoire ou l'optimisation.
Le résultat est une spirale: peu de code efficace → plus de consommation matérielle → moins de motivation à s'améliorer. Pendant ce temps, ceux qui cherchent à construire des systèmes de haute performance optent pour des langues qui exigent de manière plus approfondie ce qui se passe sous le capot.
Un lieu secondaire dans les entreprises
Bien que de nombreuses grandes entreprises utilisent Python, leur rôle est généralement périphérique: scripts d'automatisation, analyse des données, prototypes rapides. Pour les systèmes centraux où la fiabilité et l'importation de vitesse, des langues telles que Java, C # ou GO prévalent. Cela renforce la perception de Python comme un outil utile, mais incapable d'aspirer au cœur technologique des organisations.
Trompeur
Python est connu comme « la langue de l'IA » depuis longtemps. Cependant, la vérité est que dans des bibliothèques telles que Tensorflow, Pytorch ou Numpy (qui sont celles qui lui ont donné cette renommée), le travail acharné le fait C, C ++ et Cuda. Python agit simplement comme une interface, une sorte de « volant » qui dirige un moteur construit dans d'autres langues.
Au fur et à mesure que les modèles d'IA se déroulent sur les téléphones mobiles ou les systèmes intégrés, où chaque cycle CPU compte, cette couche supplémentaire devient un ballast. Et de nombreuses entreprises connaissent déjà (ici aussi) avec Rust, Go ou même TypeScript pour des pipelines IA plus efficaces.
Une fondation en nombre rouge
La Python Software Foundation (PSF) est l'organisation qui finance le développement central, maintient le référentiel PYPI et coordonne la communauté. Cependant, leurs derniers rapports financiers montrent des pertes millionnaires et la nécessité de suspendre les programmes de soutien. En 2024, ils devaient même demander aux entreprises de pouvoir organiser PyCon, la conférence la plus importante de l'écosystème. Le fait que l'institution responsable de l'infrastructure linguistique soit au bord de l'insolvabilité génère une nervosité compréhensible.
Talon d'Achille: durabilité
Une bonne partie de l'écosystème Python est maintenue grâce aux travaux volontaires et aux dons. Les bibliothèques critiques dépendent d'une ou deux personnes, ce qui laisse la communauté vulnérable à l'usure ou à l'abandon de ces agents. La fragilité financière du PSF n'est que la pointe de l'iceberg: la durabilité à long terme est en jeu.
De nouvelles versions qui ne décollent pas
Un autre signe inquiétant est la faible adoption des versions les plus récentes que la fondation susmentionnée lance: seulement 15% des développeurs utilisent Python 3.13. Cela contraste avec des langues telles que Go ou JavaScript, où les équipes de développement se mettent à jour en quelques mois. Le résultat est un écosystème fragmenté, avec une majorité de projets stagnants dans les anciennes versions, ce qui entrave l'innovation et la sécurité.
Outils qui désespérent
La gestion des environnements et des packages virtuels reste l'un des plus grands maux de tête pour la communauté: des outils tels que PIP, Conda ou Poetry se concurrennent et génèrent généralement des conflits. Pendant ce temps, d'autres écosystèmes offrent des expériences plus simples: rouille avec leur position, accompagnez ses modules intégrés ou JavaScript avec NPM et YARN. La réponse dans Python est généralement « utiliser Docker » … mais ce n'est pas une solution, mais un patch.
Un avenir écrit dans d'autres langues?
Personne (ni Ozcay) ne pense que Python disparaîtra demain. Comme cela s'est produit avec COBOL, il reste probablement présent dans les universités, les scripts hérités et les projets de science des données. Mais de plus en plus d'indications suggèrent que leur rôle de langue de l'avenir est en question, et que les énergies innovantes semblent évoluer vers d'autres horizons: rouille pour leur sécurité et leurs performances, opter pour leur simplicité dans les systèmes distribués, dactylographiés pour leur popularité sur le Web, ou même de nouveaux acteurs comme Kotlin et Zig.
