1 pièce(s) jointe(s)
Python 3.13 ajoute un compilateur JIT qui pourrait améliorer les performances du langage d'environ 9 %
Le plan de travail pour la future version 3.13 de Python a été dévoilé, et vise la réduction d'au moins 50 % du temps passé dans l'interpréteur ainsi qu'une meilleure gestion de la mémoire
Les développeurs Mark Shannon et Michael Droettboom viennent d'annoncer leur plan de travail pour Python 3.13. Ce plan comprend notamment des travaux sur la gestion de la mémoire, sur l'activation des sous-interprètes à partir de Python et sur la réduction du temps passé dans l'interpréteur.
Citation:
Vue d'ensemble
Le plan pour la 3.13 est similaire aux premiers plans pour la 3.12.
La grande différence est que nous avons maintenant terminé le travail de base dont nous avons besoin :
- La surveillance à faible impact (PEP 669) est implémentée.
- Le compilateur de bytecode est en bien meilleur état.
- Le générateur d'interprètes fonctionne.
- Les expériences sur la machine à registres sont terminées.
- Nous disposons d'une approche viable pour créer un générateur de code machine facile à maintenir, à faible surcharge et basé sur le copy-and-patch.
Nous prévoyons trois travaux parallélisables pour la version 3.13 :
- L'optimiseur Tier 2
- Activation des sous-interprètes à partir du code Python (PEP 554).
- Gestion de la mémoire
L'optimiseur Tier 2
Voir
Optimiseur Tier 2 pour une explication de ce qu'est l'optimiseur de niveau 2.
Le plan de travail est à peu près le suivant :
- Faire fonctionner l'interpréteur de niveau 2
- Générer des superblocs (de mauvaise qualité)
- Mise en œuvre d'une gestion de base des superblocs
- En parallèle :
- Ajouter le support de la désoptimisation aux superblocs
- Améliorer le code de création des superblocs
- Mise en œuvre du spécialisateur
- Implémentation de l'évaluateur partiel
- Implémentation du générateur de code machine copy-and-patch
- Intégration build-time
- Génération de code de niveau 2
Notre objectif pour la version 3.13 est de réduire d'au moins 50 % le temps passé dans l'interpréteur.
Plan détaillé.
Plan détaillé pour copy-and-patch.
Activation des sous-interprètes à partir de Python
Contrairement aux autres tâches, qui sont principalement axées sur les performances d'un seul thread, ce travail s'appuie sur le travail GIL par interprète qui a été livré dans Python 3.12 pour permettre aux programmeurs Python de tirer parti d'un meilleur parallélisme dans les sous-interprètes à partir du code Python (sans avoir besoin d'écrire une extension C).
Un projet de
PEP 554 existe déjà pour ce travail. La première étape consistera à le mettre à jour et à demander une approbation rapide, afin que nous puissions changer de cap si nécessaire.
Plan détaillé.
Meilleure gestion de la mémoire
Les
données de profilage montrent qu'un temps assez important est consacré à la gestion de la mémoire et au cycle GC. Cette fraction ne fera qu'augmenter au fur et à mesure que nous accélérerons le reste de la VM.
Contrairement aux tâches précédentes, nous sommes moins sûrs des solutions appropriées, c'est pourquoi il faut d'abord poursuivre la recherche et l'expérimentation. Nous prévoyons d'en faire un projet secondaire basé sur ce que nous avons appris du travail de niveau 2 ci-dessus.
Nous voulons
- Réduire le nombre d'allocations en améliorant les structures de données. Nous espérons également que l'évaluation partielle réduira le nombre d'objets temporaires, mais cela fait partie du champ d'application de l'optimiseur de niveau 2, et non de la gestion de la mémoire.
- Passer moins de temps à faire des GC de cycle. Cela peut être aussi simple que de faire moins de collections, ou aussi complexe que d'implémenter un nouveau chercheur de cycle incrémental.
Source : GitHub
Et vous ?
:fleche: Qu'en pensez-vous ?
:fleche: Quelles fonctionnalités attendez-vous de cette future version de Python ?
Voir aussi
:fleche: Python 3.12.0b1, la première des quatre versions bêta de la 3.12, a été publiée, et apporte de nouvelles fonctionnalités ainsi que des corrections de bogues
:fleche: Une nouvelle version alpha de Python 3.12, plus rapide et plus légère, est désormais disponible, et apporte plusieurs améliorations au niveau du multitraitement et de la gestion des erreurs
:fleche: Python 3.11 est disponible et s'accompagne d'une amélioration de la vitesse, de meilleures gestions des erreurs, du type self ainsi que des notes d'exception
Python 3.13 ajoute un compilateur JIT qui pourrait améliorer les performances du langage d'environ 9 %
Python 3.13 ajoute un compilateur JIT qui pourrait améliorer les performances du langage d'environ 9 %
mais l'annonce suscite des réactions mitigées
Python 3.13, la prochaine mouture du langage de programmation, devrait être livrée avec un compilateur JIT (Just in Time). Cet ajout, réalisé à la fin de l'année dernière par le développeur principal de CPython, Brandt Bucher, constitue une modification substantielle de l'interpréteur CPython. Les premiers benchmarks montrent une amélioration des performances de 2 à 9 %. Bien que cela puisse sembler modeste, cela jette les bases d'optimisations plus importantes à l'avenir. Cette mise à jour du langage ne vise pas seulement à obtenir des gains de performance immédiats, mais aussi à jeter les bases de futures avancées dans l'efficacité de Python.
Python 3.13 devrait être livré avec un compilateur JIT de type "copy-and-patch"
Un compilateur JIT est un compilateur qui compile le code au moment de de l'exécution. Cela signifie que le code n'est pas compilé avant d'être exécuté, mais qu'il est compilé au fur et à mesure des besoins. Les compilateurs JIT sont souvent utilisés pour les langages interprétés - comme Perl, Ruby, PHP et JavaScript - car ils peuvent améliorer les performances du langage. Ces langages sont largement utilisés dans le développement Web, l'écriture de scripts et les tâches d'automatisation en raison de leur facilité d'utilisation et de leur processus de développement rapide. Python, qui est un langage interprété, ne disposait pas d'un compilateur JIT jusqu'ici.
En décembre 2023, Brandt Bucher a soumis une demande de fusion proposant d'ajouter un compilateur JIT à Python. Si cette proposition est acceptée, il s'agira de l'un des grands changements apportés à l'interpréteur CPython depuis l'interpréteur adaptatif spécialisé ajouté à Python 3.11. (Cet ajout a été réalisé par Mark Shannon et Brandt Bucher.) Le comportement d'un compilateur JIT diffère de celui d'un compilateur AOT (Ahead of Time) - comme le compilateur GNU C (GCC) ou Rustc de Rust. Ce dernier génère le code machine une fois et le distribue en tant qu'exécutable binaire. Le compilateur JIT proposée pour Python 3.13 est de type "copy-and-patch".
La compilation de type "copy-and-patch" est une technique de compilation simple destinée à la compilation juste à temps. Elle utilise la correspondance de motifs pour faire correspondre des modèles prégénérés à des parties d'un arbre syntaxique abstrait ou d'un flux de bytecode et émet un code précrit correspondant qui est ensuite collé pour insérer des adresses de mémoire, des adresses de registre, des constantes et d'autres paramètres afin de produire un code exécutable. Le code qui ne correspond pas aux modèles peut être soit interprété de manière normale, soit créé pour appeler directement le code de l'interpréteur.
En d'autres termes, un JIT de type "copy-and-patch" consiste à copier les instructions pour chaque commande et à remplir les blancs pour les arguments du bytecode. Le compilateur JIT de type "copy-and-patch" aurait été choisi pour sa simplicité et son efficacité par rapport à un compilateur JIT complet. Il évite la complexité et les ressources nécessaires à la compilation des bytecodes de haut niveau dans un langage intermédiaire, puis dans le code machine. Cette approche est particulièrement bénéfique pour le langage Python, qui fonctionne sur différentes architectures de CPU. Le "copy-and-patch" est une technique de compilation très jeune.
Le concept du "copy-and-patch" a été décrit pour la première fois par Fredrik Kjolstad et Haoran Xu dans un article datant de 2021. Une implémentation du "copy-and-patch" basée sur le bytecode est utilisée pour le compilateur JIT de Python 3.13. Selon un billet de blogue sur le sujet, les premiers benchmarks ont révélé que cette technique améliore les performances de 2 à 9 %. Bien que cela puisse sembler modeste, cela jette les bases d'optimisations plus importantes à l'avenir. Cette mise à jour ne vise pas seulement à obtenir des gains de performance immédiats, mais aussi à jeter les bases de futures avancées dans l'efficacité de Python.
L'ajout d'un compilateur JIT à Python suscite des réactions mitigées sur la toile
L'impact réel du compilateur JIT de Python sera déterminé par les optimisations futures qu'il permettra d'effectuer. Certains utilisateurs du langage sont ravis par cet ajout et affirment que cela ouvre la voie à de nouvelles possibilités à l'avenir et aidera à combler certaines lacunes. Cependant, certains critiques trouvent que cet ajout ne constitue pas un apport significatif au langage et que les ressources consacrées à ce développement pouvaient servir à soutenir des projets comme PyPy. D'autres estiment que Python sans JIT est déjà assez rapide dans la plupart des cas et que cet ajout semble destiné aux cas d'utilisation de calcul haute performance.
« Je pense que Python sans JIT est déjà assez rapide dans la plupart des cas. Je ne fais pas de science des données », note un critique. Un autre a écrit : « je ne vois tout simplement pas comment un compilateur JIT va faire une si grande différence. Nous avons déjà PyPy pour ceux qui ont besoin de performances purement Python et Numba pour certains types de besoins numériques ». On peut lire également : « CPython n'était-il pas censé rester très simple dans sa base de code, l'optimisation lourde étant laissée à d'autres implémentations ? J'aimerais que l'argent puisse être dépensé pour PyPy, résoudre les problèmes et le rendre plus performant ».
L'on peut relever quelques raisons pour lesquelles Python n'avait pas un compilateur JIT. Tout d'abord, Python est conçu pour être un langage portable. Cela signifie qu'il est conçu pour fonctionner sur une variété de plateformes différentes, dont Windows, Mac et Linux. Les compilateurs JIT peuvent être spécifiques à une plateforme, ce qui peut rendre difficile le portage d'un langage utilisant un compilateur JIT sur une nouvelle plateforme. Ensuite, Python est conçu pour être facile à apprendre et à utiliser. Les compilateurs JIT peuvent ajouter de la complexité à un langage, ce qui peut rendre son apprentissage et son utilisation beaucoup plus difficiles.
Enfin, Python est déjà un langage "très rapide". Même sans compilateur JIT, Python est souvent plus rapide que d'autres langages interprétés, tels que JavaScript. Bien que Python ne dispose pas d'un compilateur JIT, il existe un certain nombre de moyens d'améliorer les performances du code Python. L'une d'entre elles consiste à utiliser un accélérateur Python - comme PyPy et Nuitka. Les accélérateurs Python sont des compilateurs qui compilent le code Python en code machine natif. Cela peut améliorer considérablement les performances du code Python. Un autre moyen d'améliorer les performances du code Python est d'utiliser un profileur.
Un profileur est un outil qui vous permet d'analyser l'exécution d'un programme afin d'identifier les parties du code qui consomment le plus de ressources en matière de temps CPU, de mémoire, ou d'autres métriques de performance. En d'autres termes, il vous aide à identifier les parties de votre code qui sont lentes. Une fois que vous avez identifié ces parties, vous pouvez les optimiser pour améliorer les performances. Enfin, vous pouvez aussi améliorer les performances du code Python en utilisant un bon EDI. Un bon EDI peut vous aider à écrire un code efficace et peut également vous aider à identifier et à résoudre les problèmes de performance.
Et vous ?
:fleche: Quel est votre avis sur le sujet ?
:fleche: Que pensez-vous de l'ajout d'un compilateur JIT de type "copy-and-patch" à Python ?
:fleche: Était-il nécessaire ? En quoi l'ajout d'un compilateur JIT pourrait-il impacter l'avenir de Python ?
:fleche: Que pensez-vous des avis selon lesquels les ressources auraient pu être consacrées à d'autres projets ?
Voir aussi
:fleche: Le plan de travail pour la future version 3.13 de Python a été dévoilé et vise la réduction d'au moins 50 % du temps passé dans l'interpréteur ainsi qu'une meilleure gestion de la mémoire
:fleche: PyPy quitte Mercurial pour GitHub et affirme que "l'open source est devenu synonyme de GitHub", le projet s'attend à une meilleure visibilité et à plus d'engagements avec ce changement
:fleche: Popularité des langages sur GitHub : Python, Go et JavaScript en progression, tandis que Java et C++ sont en légère baisse mais restent dans le Top 5, d'après GitHut 2.0
2 pièce(s) jointe(s)
Python 3.13 est disponible : la première édition sans GIL de Python s'accompagne d'un compilateurJIT
Python 3.13 est disponible : la première édition sans GIL de Python s'accompagne d'un compilateur Just-In-Time (JIT) expérimental,
d'une amélioration du typage et de la gestion d'erreurs
Python 3.13 vient d'être publié. La dernière version stable du langage de programmation Python s'accompagne d'un mélange de changements au niveau du langage, de l'implémentation et de la bibliothèque standard. Les changements les plus importants comprennent un nouvel interpréteur interactif, un support expérimental pour l'exécution en mode libre, et un compilateur Just-In-Time (JIT). La première édition sans GIL de Python est proposée avec l'amélioration des erreurs et du typage. locals() a maintenant une sémantique définie pour changer le mapping retourné et les paramètres de type supportent maintenant les valeurs par défaut.
Les modifications apportées à la bibliothèque comprennent la suppression des API et des modules obsolètes, ainsi que les améliorations habituelles en matière de convivialité et de correction. Plusieurs modules de la bibliothèque standard ont été supprimés à la suite de leur dépréciation dans Python 3.11.
Un REPL Amélioré
L’une des fonctionnalités les plus attendues de Python 3.13 est l’amélioration du REPL (Read-Eval-Print Loop). Ce nouvel interpréteur interactif offre une édition multi-lignes, un support des couleurs, et des messages d’erreur colorisés. Ces améliorations rendent le débogage et l’expérimentation de code beaucoup plus intuitifs et agréables. Les développeurs peuvent désormais visualiser les erreurs de manière plus claire et corriger leur code plus rapidement, ce qui améliore considérablement la productivité.
Le REPL de Python 3.13 a été amélioré pour le rendre moins lourd et plus proche d'un véritable éditeur :
- La couleur est désormais activée par défaut pour les sorties vers la console. Cette amélioration permet d'obtenir des messages d'erreur plus riches, par exemple.
- Vous pouvez ouvrir le navigateur d'aide interactif pydoc en appuyant sur F1.
- Vous pouvez parcourir l'historique de la ligne de commande avec F2.
- Vous pouvez coller de gros blocs de code plus facilement en appuyant sur F3 pour activer un mode spécial de collage de blocs.
- Vous pouvez simplement taper exit ou quit, au lieu de exit()ou quit(), pour quitter le REPL.
Notez que ces améliorations ne sont actuellement disponibles que sous Linux et macOS. Elles ne sont pas disponibles sous Microsoft Windows, même en cas d'utilisation du nouvel hôte de la console Windows Terminal.
Amélioration des messages d'erreur
Les traces d'erreurs dans Python sont devenues plus précises et plus détaillées au cours des deux dernières versions. Python 3.13 poursuit cette trajectoire.
- Si vous tentez d'importer quelque chose qui porte le même nom que le module actuellement en contexte, Python fournira une erreur détaillée à cet effet, et vous encouragera à renommer le module actuel. Il s'agit d'une source très fréquente de bogues, et pas seulement pour les débutants. C'est une erreur courante de nommer un module d'après un élément de la bibliothèque standard.
- Si vous passez à une fonction un argument de mot-clé incorrect, l'erreur suggérera quelques arguments corrects possibles, basés sur ce qui est disponible dans la fonction appelée.
- Là où c'est possible, les messages d'erreur utilisent désormais la couleur dans les tracebacks pour les rendre plus faciles à lire. Un traceback est un module Python que vous pouvez utiliser pour remonter à la source d'une erreur . Il signale les appels de fonction effectués à un point spécifique de votre code.
Exécution sans GIL
Python 3.13 introduit également une option expérimentale pour exécuter Python sans le GIL (Global Interpreter Lock). Cette fonctionnalité permet une exécution plus concurrente des threads, ce qui est particulièrement bénéfique pour les applications multi-threadées. Le GIL a longtemps été un obstacle à la performance des applications Python multi-threadées, et cette nouvelle option pourrait représenter une avancée majeure. Bien que cette option soit encore en phase expérimentale, elle ouvre la voie à des performances accrues pour les applications Python, en particulier dans les domaines de l’intelligence artificielle et du traitement de données massives.
« Le free threading est une tentative de supprimer le Global Interpreter Lock de CPython, qui a traditionnellement été le plus grand obstacle à l'obtention d'un parallélisme basé sur les threads lors de l'exécution de tâches liées au processeur », a expliqué Bartosz Zaczyński. « En bref, le GIL n'autorise qu'un seul fil d'exécution à la fois, quel que soit le nombre de cœurs dont est équipé votre processeur. Cela empêche Python d'exploiter efficacement la puissance de calcul disponible ».
Historiquement, le GIL de Python a empêché une véritable exécution concurrente des threads, a estimé Stanley Seibert, directeur principal de l'innovation communautaire chez Anaconda. Toutefois, la nouvelle fonctionnalité expérimentale de Python 3.13 permet l'exécution simultanée de code Python pur. Cette fonction vise à mieux utiliser les processeurs multicœurs sans sacrifier les performances d'un seul thread. Elle sera désactivée par défaut dans cette version en raison de sa nature expérimentale. Cette fonctionnalité a été développée par les ingénieurs de Meta et approuvée par le comité de pilotage de Python. Anaconda travaille sur des paquets de test pour que la communauté puisse essayer cette fonctionnalité, a déclaré Seibert.
Les débuts du JIT (encore au stade expérimental)
Un compilateur JIT est un compilateur qui compile le code au moment de de l'exécution. Cela signifie que le code n'est pas compilé avant d'être exécuté, mais qu'il est compilé au fur et à mesure des besoins. Les compilateurs JIT sont souvent utilisés pour les langages interprétés - comme Perl, Ruby, PHP et JavaScript - car ils peuvent améliorer les performances du langage. Ces langages sont largement utilisés dans le développement Web, l'écriture de scripts et les tâches d'automatisation en raison de leur facilité d'utilisation et de leur processus de développement rapide. Python, qui est un langage interprété, ne disposait pas d'un compilateur JIT jusqu'ici.
Python 3.11 a introduit l'interpréteur adaptatif spécialisé. Lorsque l'interpréteur détecte que certaines opérations impliquent de manière prévisible les mêmes types, ces opérations sont « spécialisées ». Le bytecode générique utilisé pour ce code est remplacé par du bytecode spécifique à l'utilisation de ces types, ce qui permet d'augmenter la vitesse de 10 à 25 % pour ces parties du code.
Python 3.12 a apporté davantage de spécialisations et d'autres améliorations à l'interpréteur.
À son tour, Python 3.13 ajoute de nouveaux éléments au JIT qui génère du code machine réel au moment de l'exécution, au lieu d'un simple bytecode spécialisé. L'accélération qui en résulte n'est pas encore très importante mais elle ouvre la voie à de futures optimisations qui n'étaient pas possibles auparavant.
Pour l'instant, le JIT est considérée comme expérimentale (elle n'est pas activée par défaut, et ne peut l'être qu'en compilant CPython à partir des sources avec certains drapeaux). Si, avec le temps, il apporte un gain de performance significatif et n'impose pas un grand fardeau de gestion à l'équipe CPython ou aux utilisateurs de Python dans leur ensemble, il deviendra une option de construction entièrement supportée. L'activation ou non de cette option pour les versions officielles dépendra toujours des gestionnaires des builds CPython d'une plateforme donnée.
Citation:
Envoyé par Python
Lorsque CPython est configuré et construit en utilisant l'option --enable-experimental-jit, un compilateur JIT est ajouté, ce qui peut accélérer certains programmes Python. Sous Windows, utilisez PCbuild/build.bat --experimental-jit pour activer le JIT ou --experimental-jit-interpreter pour activer l'interpréteur Tier 2. Les exigences de construction et d'autres informations sont contenues dans Tools/jit/README.md.
L'option --enable-experimental-jit prend ces valeurs (optionnelles), et prend par défaut la valeur yes si --enable-experimental-jit est présent sans la valeur optionnelle.
Les deux fonctionnalités phares de cette version sont expérimentales
Le nouveau compilateur expérimental JIT de Python 3.13 utilise un algorithme assez récent appelé « copy-and-patch », explique Bartosz Zaczyński : « L'idée de base de cette technique de compilation se résume à trouver un modèle approprié avec un code machine précompilé pour le processeur cible et à le remplir avec les informations manquantes, telles que les adresses mémoire des variables ».
Zaczyński a ajouté que le plan à long terme est d'améliorer le JIT de Python au point qu'il fasse une différence notable dans les performances d'exécution du code sans prendre beaucoup de mémoire supplémentaire.
Brad Shimmin, analyste chez Omdia, a qualifié le compilateur JIT « d'énorme affaire », car il met Python sur un pied d'égalité avec des langages JIT réputés et axés sur l'entreprise, comme Java : « Plus que cela, cette implémentation JIT introduit une amélioration des performances par rapport aux architectures JIT traditionnelles ». Plutôt que de faire passer le code par un langage intermédiaire avant de créer le code machine, ce qui peut être assez lent, l'implémentation de Python 13.3 utilise une approche de type « copy-and-patch » qui ne nécessite pas l'exécution de l'ensemble de la JIT au sein du runtime Python.
Andrew Cornwall, analyste chez Forrester Research, reconnaît que les deux changements les plus importants apportés au moteur d'exécution de Python 3.13 sont expérimentaux, « de sorte que les utilisateurs quotidiens de CPython ne verront pas encore beaucoup de différence ». Cependant, Python pose les bases d'un code plus rapide fonctionnant sur plusieurs processeurs.
« Un compilateur JIT devrait permettre à CPython de fonctionner plus rapidement pour tout le monde une fois activé, mais Python est conservateur et le laisse désactivé par défaut pour le moment », a déclaré Cornwall. Cependant, « la possibilité de désactiver le verrouillage global de l'interpréteur pourrait être plus perturbante, en permettant aux bibliothèques Python de tirer parti d'un plus grand nombre de cœurs si les bibliothèques peuvent prendre en charge le multithreading. Ceux qui développent des bibliothèques C devront étudier les effets de la désactivation du GIL. Cependant, pour les utilisateurs quotidiens, ces changements sont plus éloignés - ils sont dans un binaire séparé de python3.13t pour l'instant ».
Autres améliorations notables
En outre, Python 3.13 dispose d'une implémentation incrémentale du collecteur mémoire qui réduit les longues pauses lors du nettoyage de la mémoire allouée. Notons également que la prise en charge de Wasm est passée d'emscripten à WASI.
Voici quelques améliorations dont nous pouvons parler :
- Support Typing Amélioré : Python 3.13 introduit de nouvelles annotations pour les paramètres de type et les éléments en lecture seule. Ces améliorations facilitent l’écriture de code plus sûr et plus lisible, en permettant aux développeurs de spécifier plus précisément les types de données attendus.
- Nettoyage de la bibliothèque standard : conformément à la PEP 594, de nombreux modules obsolètes ont été supprimés de la bibliothèque standard. Ce nettoyage permet de réduire la taille de la bibliothèque et de se concentrer sur les modules les plus utilisés et les plus pertinents.
- Support Étendu des Plateformes : WASI (WebAssembly System Interface) est désormais une plateforme de niveau 2, tandis qu’Android et iOS sont promus au niveau 3. Cela signifie que Python est de plus en plus adapté pour le développement sur des plateformes mobiles et web, ouvrant de nouvelles possibilités pour les développeurs.
Conclusion
Python 3.13 marque une étape importante dans l’évolution de ce langage de programmation populaire. Avec ces nouvelles fonctionnalités, les développeurs disposent d’outils encore plus puissants pour créer des applications robustes et performantes. Ces innovations montrent que Python continue de s’adapter aux besoins des développeurs modernes, tout en conservant sa simplicité et sa flexibilité.
Source : documentation Python
Et vous ?
:fleche: L’option sans GIL pourrait-elle changer la manière dont vous développez vos applications Python ? Quels types de projets en bénéficieraient le plus ?
:fleche: Pensez-vous que l’introduction du JIT pourrait rendre Python compétitif avec des langages comme Java ou C++ en termes de performances ? Pourquoi ou pourquoi pas ?
:fleche: Comment voyez-vous l’évolution de Python avec ces nouvelles fonctionnalités ? Quelles autres innovations attendez-vous dans les futures versions ?
:fleche: Le nettoyage de la bibliothèque standard vous semble-t-il une bonne initiative ? Y a-t-il des modules que vous regrettez de voir disparaître ?
:fleche: Avec l’amélioration du support des plateformes comme WASI, Android et iOS, envisagez-vous d’utiliser Python pour des projets sur ces plateformes ? Quels types de projets ?
:fleche: Les améliorations du support typing vous incitent-elles à utiliser davantage les annotations de type dans vos projets ? Pourquoi ou pourquoi pas ?
:fleche: Comment comparez-vous le nouveau REPL amélioré avec d’autres outils de développement interactifs que vous utilisez ? Quels avantages ou inconvénients voyez-vous ?
