PyCharm

PyCharm 2026.3 : Python 3.15, FastAPI, Air

Soumis par francoistonic le
Image
PyCharm

JetBrains annonce la version 2026.3 de PyCharm, son IDE Python. Pour l'éditeur, les nouveautés majeures sont :

  • JetBrains Air dans PyCharm pour utiliser les agents
  • Prise en charge des espaces de travail : Chaque sous-projet dispose de sa propre console et de son terminal Python s'exécutant dans son propre environnement, ce qui signifie que le code que vous exécutez utilise bien les dépendances de ce sous-projet.
  • Python 3.15 : PyCharm prend désormais en charge la syntaxe d'importation différée introduite par Python 3.15. Cette fonctionnnalité diffère le chargement d'un module jusqu'à sa première utilisation, ce qui permet d'accélérer considérablement le démarrage des applications et des scripts ayant des dépendances significatives.
  • Support de FastAPI
  • refonte du widget interpréter : La nouvelle version du widget Python interpreterdans la barre d'état est conçue autour des outils qui gèrent vos environnements, tels qu'uv, Poetry, Hatch et conda. Elle détecte ceux qui sont installés sur votre machine et donne la liste des environnements que chacun gère pour votre projet.
  • prise en charge de Pydantic

 

Site : https://www.jetbrains.com/fr-fr/pycharm/whatsnew/

PyCharm 2026.2 aime aussi Rust

Soumis par francoistonic le
IDE

PyCharm 2026.2 est disponible quelques semaines. Une des principales nouveautés est le plug-on Rust. Attention : il est actuellement en bêta. Ce plug-in ajoute nativement la programmation Rust à l'IDE : pour coder, naviguer dans un projet contenant du Rust et faire du debug natif. Le tout directement dans un projet Python ! Comme l'explique JetBrains, ce plugin permet de travailler avec des modules Rust dans un projet Python :

- Naviguez facilement entre Python et Rust grâce à une navigation bidirectionnelle- Recompilez automatiquement les extensions Rust pendant le développement, à chaque exécution ou test de l'application Python.- Déboguez les extensions Rust compilées nativement, en parallèle de vos flux de travail de débogage Python habituels.Sur l'IDE, le plugin est réservée à la version Pro.Pour installer Rust, il faut :- dans l'IDE aller dans les plugins- dans la marketplace, chercher Rust plugin- cliquer sur installer- redémarrer l'IDEEn plus du plugin, il faut installer la toolchain Rust. et la librairie standard. Vidéo de présentation :[video:https://youtu.be/-v7MQM41QB8?si=8Ucc0khsQMQ-pDxt autoplay:0]

PyCharm : les nouveautés de la version 2026.2

Soumis par francoistonic le
IDE
Image

JetBrains annonce PyCharm 2026.2. Peu de nouveautés, il s'agit super d'une version pour avoir un code plus précis.

1 / support de SQLAlchemy 2.0

La v2 doit corriger les faux positifs générés par l'outil. 

2 / complétion de code et auto-import

Auto-import est maintenant plus fluide dans son utilisation. Si un module est déjà importé, l'IDE proposait d'ajouter une seconde importation au lieu d'utilisation l'import déjà existante. Désormais cette situation est mieux gérée. Jusqu'à présent, il fallait saisir manuellement les chemins d'un patching par string. Maintenant, mock.patch() est supporté par la complétion. PyCharm vérifie maintenant les f-string et l'outil signale les erreurs de formatage d'un type qui n'implémente pas __format__

Cette version apporte une meilleure compréhension de Python et générer moins de faux positifs qui font perdre du temps aux développeurs. 

Annonce : https://blog.jetbrains.com/pycharm/2026/08/what-s-fixed-and-improved-in-pycharm-2026-2/

PyCharm : comment détecter des objets avec TensorFlow ?

Soumis par francoistonic le
IDE

Le blog PyCharm publie un tutoriel intéressant sur la manière de créer une application pour détecter en direct des objets en utilisant PyCharm et TensorFlow sur Reachy Mini, un robot open source compact. PyCharm sert à coder et à build, puis l'application est envoyée sur le robot. Le projet se découpe en deux parties :

Le projet se découpage en deux parties :

  • Partie 1 : un notebook tourne sur un laptop avec la webcam active, pas de robot nécessaire. Il permet de tester le pipeline de détection et de s'assurer que tout se passe bien.

  • Partie 2 : le robot intègre le même modèle. La détection se fait par les caméras de la tête, et un tableau de bord live sur une page web permet de voir le flux et la détection. 

Typiquement, TensorFlow va capter les frames de l'image depuis la caméra puis les convertir en tenseur TensorFlow. De là, il fait de l'inférence sur un modèle pré-entraîné. Puis, après traitement et analyse, il affiche en temps réel la détection.

Pour ce projet, il faut : 

Python 3.12 minimum

PyCharm + Jupyter Notebook

Reachy Mini

Avoir les bases d'usage de TensorFlow

Le LLM utilisé est SSD MobileNet V2 (hub TensorFlow) qui est entraîné sur Open Images V4. Il faut importer le modèle et installer les dépendances. Ensuite, il faut coder la détection et l'affichage des cadres de détection. 

def detect_objects(frame_bgr, min_score=0.5, max_detections=10):rgb = frame_bgr[:, :, ::-1]img_tensor = tf.image.convert_image_dtype(rgb, tf.float32)[tf.newaxis, ...]results = detector.signatures['default'](img_tensor)boxes = np.array(results["detection_boxes"])scores = np.array(results["detection_scores"])class_labels = np.array(results["detection_class_entities"])if boxes.ndim > 2:boxes = boxes[0]if scores.ndim > 1:scores = scores[0]if class_labels.ndim > 1:class_labels = class_labels[0]scores = np.atleast_1d(scores)indices = [i for i, score in enumerate(scores) if score >= min_score][:max_detections]detections = []for idx in indices:ymin, xmin, ymax, xmax = boxes[idx]label = class_labels[idx].decode('utf-8') if isinstance(class_labels[idx], bytes) else str(class_labels[idx])detections.append({"box": [ymin, xmin, ymax, xmax],"score": float(scores[idx]),"label": label})return detectionsdef draw_detections(frame_bgr, detections):h, w = frame_bgr.shape[:2]annotated = frame_bgr.copy()for det in detections:ymin, xmin, ymax, xmax = det["box"]x1, y1 = int(xmin * w), int(ymin * h)x2, y2 = int(xmax * w), int(ymax * h)color = (0, 255, 0)cv2.rectangle(annotated, (x1, y1), (x2, y2), color, 2)label = f"{det['label']} {det['score']:.0%}"font_scale, thickness = 0.6, 2(tw, th), _ = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, font_scale, thickness)cv2.rectangle(annotated, (x1, y1 - th - 8), (x1 + tw + 4, y1), color, -1)cv2.putText(annotated, label, (x1 + 2, y1 - 4),cv2.FONT_HERSHEY_SIMPLEX, font_scale, (0, 0, 0), thickness)return annotated

La détection s'appuie sur OpenCV qui est parfait pour ce genre d'usage. 

La partie robot consiste à créer le build et préparer le déploiement dans le dossier reachy_mini_object_detector/. L'installation de l'app se fera par un pip install.

Tutoriel complet : https://blog.jetbrains.com/pycharm/2026/05/build-a-live-object-detection-app-for-reachy-mini-with-tensorflow-and-pycharm/

Et la vidéo :

[video:https://youtu.be/F8uUIerl-XY?si=csudqoT_bhoczzHu autoplay:0]

PyCharm 2026.1.1 : simplifier la configuration d'un monorepo Python

Soumis par francoistonic le
IDE

JetBrains veut simplifier la configuration d'un monorepo Python sous son IDE PyCharm. C'est maintenant chose faite avec la version 2026.1.1. Pour ce faire, cette version doit :

- détection automatique et configuration de votre workspace uv

- un seul environnement virtuel pour votre workspace

- installation automatique de la bonne version de Python directement dans uv

- configuration de l'interprêteur

La preuve en vidéo :

[video:https://youtu.be/h_LiJjP65Jo?si=JXogEFPoQTam0r91 autoplay:0]

PyCharm 2026.1 : quelles nouveautés ?

Soumis par francoistonic le
IDE

JetBrains distribue PyCharm 2026.1, l'outil de développement Python. Cette version est ambitieuse, dixit l'éditeur, car elle doit repenser la manière de builder, de faire du debug et de supporter les grands projets Python. Par défaut, l'IDE supporte debugpy comme debugger backend et annonce aussi l'intégration du standard Debug Adapter Protocol. L'objectif est d'être aligné sur l'écosystème Python. 

Il s'agit aussi de réduire l'impact du debugger sur le fonctionnement de l'IDE et de rendre le monitoring plus léger. debugpy doit aussi simplifier l'attachement à des process pour lier le remote et le local. L'IDE utilise désormais uv comme interpréteur distant. 

Comme pour les autres IDE, PyCharm intègre des outils web jusqu'à présent réservés aux versions payantes. 

Autre alignement, le support de l'ACP Registry pour les agents IA, Codex est intégré nativement. 

Annonce : https://blog.jetbrains.com/pycharm/2026/03/what-s-new-in-pycharm-2026-1/

PyCharm et PhpStorm en version 2025.3

Soumis par francoistonic le

JetBrains continue à mettre à jour ses IDE. PyCharm et PhpStorm passent en 2025.3.

PhpStorm

Les principales nouveautés sont les agents par défaut, le support Laraval out of the box, support de PHP 8.5, des améliorations sur les génériques et le thème Islands par défaut. Le support de PHP 8.5 permet de supporter les évolutions du langage. Sur Laravel, le plugin Laravel Idea est installé par défaut. Cette version supporte aussi Pest 4.

Note de version : https://blog.jetbrains.com/phpstorm/2025/12/phpstorm-2025-3-is-now-out/

PyCharm 

Cette version confirme l'unification des versions. Ainsi, on dispose d'une seule distribution qui active les fonctionnalités selon la souscription choisie. Bonne nouvelle, les notebooks Jupyter sont pleinement supportés en développement distant. uv est désormais par défaut pour les nouveautés projets. On dispose aussi de nouveaux outils LSP intégrant le support de Ruff, ty, Pyright et Pyrefly.

Comme les autres IDE, les agents Junie et Claude Agent sont disponibles. Autre unification de l'éditeur : le thème Islands par défaut sur PyCharm et nouveau écran Welcome.

Note de version : https://blog.jetbrains.com/pycharm/2025/12/pycharm-2025-3-unified-ide-jupyter-notebooks-in-remote-development-uv-as-default-and-more/

Python : 10 astuces pour rendre son code Python plus performant

Soumis par francoistonic le

PyCharm publie une série d'astuces et de conseils pour améliroer les performances de son code Python. 

1 / comment vérifier efficacement les éléments d'un collection ? Une liste se révèle assez lente, Set sera plus performant

2 / copier de grandes listes ou des arrays coûtent en temps d'exécution et en mémoire. Quand c'est possible, modifiez les objets directement là où s trouvent l'objet sans les dupliquer, les copier

3 / utiliser _slots_ pour une meilleure efficacité mémoire

4 / utiliser les fonctions math plutôt que les opérateurs. Le gain est relativement faible sur chaque traitement mais à la longue c'est plutôt intéressant

5 / la pré-allocation mémoire quand on connait la taille mémoire est plutôt performante

6 / éviter de gérer les exceptions dans les boucles dites hot loops

7 / utiliser des fonctions locales pour le code logique répétitif, une fonction globale est plus coûteuse en exécution

8 / privilégier itertools pour les opérations combinatoires et non des boucles

9 / sur les listes triées, bisect est bien plus performant que la boucle

10 / éviter les appels de fonctions répérétés dans les boucles. En effet, un appel de la même fonction x fois à l'intérieur d'un boucle consomme du temps et de la mémoire. Pour améliorer cela, vous pouvez sortir ces appels de la boucle et passer par cached

Tous les détails et les exemples de codes : https://blog.jetbrains.com/pycharm/2025/11/10-smart-performance-hacks-for-faster-python-code/

JetBrains distribue les nouvelles versions de PyCharm et de PhpStorm

Soumis par francoistonic le
IDE

PyCharm 2025.1 est une mise à jour majeure. L'éditeur annonce l'unification des différentes éditions en combinant les versions Community et Professional en une seule édition. Cela va simplifier la gamme incluant le support de Jupyter. Les fonctions de base sont gratuites, les fonctions avancées seront accessibles avec une souscription Pro. 

Cette version propose aussi Junie, un agent de codage créé par JetBrains. Il est disponible via JetBrains AI. Il peut écrire, corriger et tester du code. L'éditeur mise sur l'IA dans les différents IDE dont PyCharm. Pour faire tourner les projets de machine learning, nous pouvons maintenant utiliser Cadence, une infrastructure hardware en mode cloud et tout est fait pour simplifier son usage. Pour la manipulation des données, PyCharm introduit Data Wrangler. Pour la gestion des projets Python, l'outil introduit le support de Hatch. Il peut migrer automatiquement les configurations, créer des environnements isolés, etc. 

Côté PHP, PhpStorm 2025.1 est disponible. L'outil améliore les annotations, la complétation du code. Côté debug, l'outil simplifie la configuration de Xdebug. Par exemple si Xdebug n'est pas installé, PhpStorm s'en occupe... La version 2025.1 peut maintenant découvrir elle-même le chemin de son Worpress et l'ajouter automatiquement dans les paramètres. A noter aussi des évolutions sur le support de Vue et Nuxt. 

PyCharm 2024.3.3 : uv package, Flame graph, quick-fix

Soumis par francoistonic le
IDE

PyCharm arrive en version 2024.3.2. Une des principales nouveautés est le support des packages uv. uv est un gestionnaire de paquets très rapide écrit en Python. Les points forts sont :

- beaucoup plusieurs rapide que pip

- installations et gestions des versions de Python et des apps

- installation possible par curl ou pip 

- support de Linux, macOS et Windows

Pour en savoir plus sur uv : https://docs.astral.sh/uv/pip/environments/

L'autre nouveauté est la visualisation des graphiques Flame, dans la version professionnelle de PyCharm. "Vous pouvez désormais rapidement savoir où votre code passe la majeure partie de son temps d'exécution. Les graphiques Flame affichent l'arborescence des appels de l'application, ce qui vous permet de vérifier la durée de chaque appel dans l'intégralité de l'instantané ou dans le parent direct de l'appel. Vous pouvez même définir un seuil, rechercher des méthodes spécifiques et zoomer sur le graphique pour vous concentrer dessus.". Pratique non ? Les graphs Flame ne sont pas une nouveauté mais son support est bien meilleur dans la 2024.3.2. 

Enfin, Quick-fix est là pour résoudre l'absence d'un package et l'installer depuis PyPi. L'idée est simple : si vous avez un package non disponible dans le répertoire par défaut Conda, PyCharm va voir l'erreur et pouvoir installation les paquets manquants depuis PyPi. 

Annonce la version : https://blog.jetbrains.com/pycharm/2025/01/pycharm-2024-3-2/