Modularité et mise au point

Un module regroupe des fonctions, classes ou constantes destinées à un même rôle. Dans notre exemple, mesures.py contient les calculs, programme.py organise leur utilisation, et tests.py vérifie les résultats. Le nom du fichier sans .py sert au moment de l’import. Une bibliothèque rassemble des éléments réutilisables ; certaines bibliothèques sont fournies avec Python, d’autres doivent être ajoutées dans un environnement adapté.

Une API, ou interface de programmation, décrit ce qu’un programme peut appeler : noms disponibles, paramètres, valeurs de retour, erreurs possibles et règles d’utilisation. Elle ne se limite pas à un service accessible sur Internet. Une fonction de calcul dans un module local possède déjà une interface. Le client doit connaître ce contrat, sans dépendre de chaque détail du calcul interne.

Pour moyenne(valeurs), spécifions une liste non vide de nombres finis, une valeur numérique renvoyée, et aucune modification de la liste reçue. Les nombres représentent des mesures dans une même unité. La moyenne est la somme divisée par le nombre d’éléments. Sans précondition ou gestion explicite du vide, une division par zéro rendrait l’interface ambiguë.

Dans programme.py, import mesures permet d’écrire mesures.moyenne([8, 12]). La forme from mesures import moyenne autorise ensuite moyenne([8, 12]), mais rend l’origine du nom moins visible. Évite import étoile, qui introduit de nombreux noms et peut masquer ceux déjà définis. Un fichier local nommé math.py peut aussi cacher le module standard math : le choix des noms compte.

Avant d’utiliser une bibliothèque, cherche la signature et les hypothèses de la fonction. Vérifie le type attendu, l’unité, la convention de résultat, les exceptions et l’effet éventuel sur les entrées. Un exemple de documentation montre une utilisation, mais ne remplace pas les règles générales. Note aussi la version lorsque le comportement dépend de l’environnement.

La bibliothèque standard math fournit isclose pour comparer approximativement des nombres. Dans un petit contrôle numérique, math.isclose(obtenu, attendu, rel_tol=1e-9, abs_tol=1e-12) signifie que l’on accepte une différence suffisamment petite selon ces tolérances. Près de zéro, la tolérance absolue joue un rôle décisif. Les tolérances doivent correspondre à la précision attendue ; les agrandir jusqu’à obtenir un test vert viderait ce test de son sens.

Une docstring est une chaîne placée au début d’une fonction, d’une classe ou d’un module. Elle doit décrire le service rendu, les entrées admises, le résultat et les effets utiles à connaître. Un commentaire interne explique plutôt une décision d’implémentation. Répéter mot pour mot une instruction évidente n’aide pas à comprendre le contrat.

Voici une réalisation de moyenne. Le contrat exclut les listes vides et les valeurs non numériques ; ValueError rend néanmoins explicite le cas vide rencontré par erreur. La fonction lit la liste sans la trier ni la modifier. La somme en flottants peut subir des arrondis ; elle n’est pas présentée comme un calcul décimal exact.

Python
def moyenne(valeurs):
  """Moyenne de nombres finis, sans modifier la liste."""
  if len(valeurs) == 0:
    raise ValueError("liste vide")
  return sum(valeurs) / len(valeurs)

Un test associe une entrée, un résultat attendu établi indépendamment et une comparaison avec le résultat observé. Un jeu de tests utile comprend des cas ordinaires, des limites et des cas qui distinguent plusieurs implémentations plausibles. Aucun ensemble fini de tests ne prouve à lui seul la correction pour toutes les entrées d’un domaine infini.

Pour moyenne, la liste [8, 12] doit donner 10, une liste singleton [-4] doit donner −4, et [0, 0] doit donner zéro. Le cas vide doit provoquer ValueError dans cette réalisation. Pour vérifier l’absence d’effet de bord, conserve une copie avant l’appel et compare ensuite la liste originale à cette copie. Un résultat numérique correct peut cacher une mutation indésirable.

Les assertions permettent un contrôle simple : assert moyenne([8, 12]) == 10 vérifie ici une égalité exacte avec des nombres faciles à représenter. Pour d’autres résultats flottants, utilise une comparaison approchée justifiée. Les assertions peuvent être désactivées dans certains modes d’exécution ; elles servent aux vérifications de développement et ne remplacent pas une validation nécessaire des données reçues.

La mise au point commence par un cas reproductible aussi petit que possible. Distingue erreur de syntaxe, exception à l’exécution et résultat faux sans exception. Lis la trace de l’exception jusqu’à la ligne concernée ; elle indique où l’erreur devient visible, pas nécessairement où sa cause a été introduite. Une valeur incorrecte peut provenir d’un appel précédent.

Plusieurs familles d’erreurs reviennent souvent. Une chaîne utilisée comme nombre provoque une incompatibilité de types dans une addition. Une liste de longueur n possède les indices de zéro à n − 1 ; utiliser l’indice n déborde. Une condition qui oublie l’égalité à une borne laisse un cas mal classé. Deux variables de noms trop voisins favorisent une confusion. Une liste partagée entre deux noms peut être modifiée par un effet de bord.

Avec des flottants, 0.1 + 0.2 n’est pas exactement égal à 0.3 dans le calcul binaire usuel. Ce n’est pas une preuve que toutes les comparaisons numériques doivent être approximatives : les indices et les comptes entiers gardent des comparaisons exactes. Identifie la nature des données avant de choisir le contrôle.

Python
def premier_positif(valeurs):
  for valeur in valeurs:
    if valeur > 0:
      return valeur
  return None

Une fois la correction obtenue, rejoue aussi les tests des fonctions qui utilisent le module. Un test unitaire isole un calcul ; un test d’intégration vérifie que plusieurs parties coopèrent. Un import réussi ne prouve donc pas le fonctionnement du programme complet. La compatibilité se juge sur le contrat réellement consommé.

La gestion de versions aide à expliquer et annuler un changement. Enregistre une modification cohérente avec un message clair et la raison du correctif. Elle ne remplace ni le choix des tests ni la documentation. Les dépendances circulaires compliquent les imports et peuvent provoquer des erreurs d’initialisation ; elles ne provoquent pas systématiquement une erreur dans toute situation Python. Une structure simple des dépendances reste plus facile à raisonner.