1) Pourquoi des environnements ?

Un environnement isole un projet : il possède sa propre version de Python et ses bibliothèques. Cela évite les conflits entre projets (versions différentes de Flask, Django, NumPy, etc.).

2) venv – l’outil intégré à Python

• Inclus nativement (Python ≥ 3.3), léger et simple.
• Ne gère pas l’installation/choix de la version de Python : il réutilise celle du système.

# Créer un environnement local "env"
python3 -m venv env

# Activer (macOS/Linux)
source env/bin/activate

# Activer (Windows PowerShell)
env\Scripts\Activate.ps1

# Désactiver
deactivate

À privilégier pour les projets SLAM classiques (APIs, web, scripts).

3) conda – environments + gestionnaire de paquets

• Vient avec (Mini)conda/Anaconda. Gère la version de Python et les paquets.
• Adapté aux stacks lourdes (IA, data science, OpenCV, PyTorch…).

# Créer un env nommé "proj39" avec Python 3.9
conda create --name proj39 python=3.9

# Activer / quitter
conda activate proj39
conda deactivate

# Installer un paquet
conda install flask
# (ou pip si besoin)
pip install flask

# Supprimer l'environnement
conda remove --name proj39 --all

4) Comparatif rapide

5) Bonnes pratiques (examen 👇)

• Un environnement par projet pour éviter les conflits.
• Exporter les dépendances :

  # venv / pip
  pip freeze > requirements.txt
  pip install -r requirements.txt
  
  # conda
  conda env export -n monenv > environment.yml
  conda env create -f environment.yml -n monenv2

• Ne jamais versionner l’environnement : ajouter au .gitignore :

  # venv
  env/
  venv/
  
  # conda
  *.conda
  *.lock
  .conda/