PyData Paris 2025

1. Une édition « socle » : performance et interopérabilité avant tout

Le programme (3 keynotes, 45 talks sur trois salles, deux sessions de lightning talks) est dominé par l'infrastructure de l'écosystème plutôt que par les applications. La keynote de clôture du jour 1 (Ralf Gommers) en donne la grille de lecture : quand une bibliothèque est mûre, il ne reste guère de grandes fonctionnalités à ajouter, on gagne sur l'utilisabilité et la performance. Trois chantiers se répondent d'un talk à l'autre : l'array API standard (Colley, Gommers), le free-threading de Python 3.14 (Gommers, et en toile de fond le talk CRDT de David Brochart), et l'écosystème Apache Arrow (Frim, talks Parquet et Sparrow, Polars chez Fabbiani). Markus Löning, seul participant dont on a lu le compte-rendu, retient précisément ces sujets : array API, free-threading, CRDT, transport optimal, Quarto.

2. L'open source comme communauté à soigner

Les deux keynotes « communauté » et le panel business dessinent un même constat : un projet tient par ses gens. Alenka Frim plaide pour des projets où l'on peut apprendre sans peur, où la documentation est reconnue comme un travail qualifié ; Anita Graser insiste sur la maintenance ingrate (migration Qt5 vers Qt6 de QGIS) et sur les rencontres en personne, qui rendent ensuite la communication asynchrone possible. Gommers généralise : chaque grand chantier a demandé un individu obstiné, une large communauté et du financement, aucun ne se faisant « le vendredi soir ». La journée de sprints du 2 octobre (scikit-learn, skrub, skore, QGIS et JupyterGIS, JupyterLite et Pyodide, array-api-extra, Streamlit) et l'Arrow Summit organisé le même jour prolongent cette logique.

3. Financer l'open source : deux modèles et une question de souveraineté

Le panel Open-source Business oppose :probabl., entreprise financée (dont par l'État français) avec une équipe open source et une équipe produit à deux vitesses, et QuantStack, qui a grandi sans levée de fonds grâce aux contrats clients. Sylvain Corlay pointe la limite du financement par les clients : ils paient leurs besoins, rarement ceux de la communauté, l'accessibilité de Jupyter en étant l'exemple. Yann Lechelle élargit à une politique industrielle de l'ouverture et à la souveraineté numérique européenne. Les interviews backstage publiées ensuite (Hopsworks présenté comme une réponse européenne en matière d'IA souveraine, CFM sur l'usage industriel de scikit-learn) prolongent ce thème, avec un biais évident : ce sont des résumés rédigés par l'organisation.

4. L'IA générative, vue sous l'angle de la fiabilité et de ses effets de bord

L'IA générative est présente, mais rarement célébrée. Emanuele Fabbiani ouvre son talk Polars en s'excusant ironiquement de ne pas parler de GenAI, rappelant que les données qui comptent dans l'industrie restent tabulaires. Les talks qui l'abordent le font de façon défensive : fiabiliser l'extraction de documents (El Mawass et Erdelyi : sortie structurée, retries ciblés, validation humaine), comprendre l'effondrement des modèles nourris de leurs propres sorties (Zuccoli), surveiller la qualité des jeux de code pour l'entraînement (CodeCommons, non transcrit). Côté mainteneurs, deux signaux convergent : les issues causées par des LLM qui lisent la mauvaise version de la doc (Graser) et les contributions générées par des agents qui alourdissent la charge (évoquées pendant le panel).

5. Du notebook à la production, sans surdimensionner

Plusieurs talks défendent des outils légers et des pratiques d'ingénierie appliquées à la data science : TDD et method chaining avec pelage (Tiran-Cappello), lockfiles standardisés par la PEP 751 (Albers), conformité pensée comme réduction de risques avec SBOM et scanners (Korn), skrub pour des pipelines tabulaires sans fuite de données (Cappuzzo), modèles exécutés dans le navigateur avec ONNX et WebAssembly (Clement), Polars plutôt que Spark. Le cas de l'Insee (torchFastText) illustre la contrainte réelle de beaucoup d'organisations publiques : inférence sur CPU en moins de 200 ms, ce qui exclut les gros modèles et pousse vers des architectures légères maîtrisées.

6. Tensions et points de débat

• Narwhals contre protocoles d'échange : une question en salle conteste l'ajout d'une bibliothèque de plus à maintenir ; Alenka Frim répond que les deux approches coexistent et que l'usage tranchera.
• Free-threading : le gain est réel, mais Gommers reconnaît qu'il va faire apparaître des bugs de concurrence chez des mainteneurs qui n'ont ni le temps ni l'expertise pour les traiter.
• Financement : tension assumée entre ce que paient les clients et ce dont la communauté a besoin (Corlay), et entre vitesse produit et temps long de l'open source (Lechelle).
• Évaluation des LLM : un benchmark automatique peut afficher 0 % là où l'expert accepte tout ; la validation manuelle reste l'étalon, mais elle coûte cher (El Mawass).
• Seule critique de participant lue : le talk de Grisel est jugé utile comme introduction, mais l'interface scikit-learn pour les intervalles de prédiction lui paraît incomplète (Löning).

7. Limites du corpus

Cette synthèse repose presque entièrement sur les transcripts de 14 vidéos et sur le programme. Les retours d'audience se limitent à un billet de blog et à deux posts Mastodon (dont un de speaker et un de sponsor) ; aucun post LinkedIn n'a été lu. La perception de la salle, l'ambiance, la fréquentation et les talks les plus appréciés restent donc inconnus, et les 30 autres vidéos de la playlist n'ont pas été exploitées.