2025 est une année charnière pour Python. Entre les gains de performance de Python 3.13, l'essor des LLMs dans le workflow dev et la montée de nouveaux outils, il y a beaucoup de bruit. Voici ce qui vaut vraiment votre attention — et ce qui peut attendre.


Python 3.13 : les gains sont réels, mais pas là où on l'attendait


Le JIT expérimental (activé via --enable-experimental-jit) montre des gains de 10-25% sur les workloads CPU-bound. Pour Django, l'impact en production reste modeste — le goulot d'étranglement reste I/O. Là où ça aide vraiment : les migrations de données complexes et les scripts de traitement batch.


À faire maintenant : mettre à jour votre CI pour tester sur Python 3.13.


Django 5.x : les nouveautés qui changent le quotidien


  • Async views mature : sync_to_async et async_to_sync sont stables
  • Generated columns : colonnes calculées au niveau BDD, plus besoin de @property pour certains cas
  • Composite primary keys (5.2) : enfin possible pour les tables d'association complexes


uv : arrêtez d'utiliser pip


uv, développé par l'équipe Astral (ceux de ruff), remplace pip + venv + pip-tools en un seul outil écrit en Rust. Installation 10-100x plus rapide, lockfile intégré.


# Remplace : python -m venv .venv && pip install -r requirements.txt
uv sync

# Remplace : pip install django
uv add django


J'ai migré tous mes projets. Le gain en CI/CD est immédiat (30s d'install ? 3s).


Pydantic v2 + FastAPI : sérieusement concurrents de DRF


Pydantic v2 (réécrit en Rust) est 5-50x plus rapide que v1. Pour les nouveaux projets API-first sans rendu HTML, FastAPI + Pydantic v2 + SQLModel est une alternative sérieuse à DRF. Je ne migre pas mes projets Django existants, mais je ne démarrerais pas un nouveau projet API-only sur DRF en 2025.


LLMs dans le workflow : la valeur est réelle, l'hype aussi


GitHub Copilot, Cursor, Claude Code — j'utilise ces outils tous les jours. Le gain de productivité est réel sur la génération de tests, la documentation et le boilerplate.


  • Ce que je délègue aux LLMs : tests unitaires, migrations simples, refactoring mécanique, documentation
  • Ce que je ne délègue pas : choix d'architecture, sécurité, modèles de données, revue des edge cases


Ce que je surveille pour la suite


  • Polars : remplacement de Pandas, 10-100x plus rapide pour la manipulation de données
  • htmx 2.0 : simplifie les interactions frontend sans framework JS
  • Temporal : workflow as code, concurrent de Celery sur certains usecases


Mon verdict sur 2025


L'outillage Python n'a jamais été aussi bon. uv + ruff + Python 3.13 + Django 5.x est une stack solide et moderne. Adoptez uv dès maintenant. Le reste peut s'évaluer projet par projet.