Ce guide s’inspire largement de Jack Fields et de son article sur la configuration de VS Code pour le développement Python. Va jeter un œil à son article pour plus de détails.

​
Prérequis

Avant de commencer, assure-toi d’avoir :
  • Python installé (3.8 ou ultérieur recommandé)
  • Git pour le contrôle de version
  • Cursor installé et à jour avec la dernière version

​
Extensions essentielles

Les extensions suivantes configurent Cursor pour être prêt pour un développement Python complet. Elles te fournissent la coloration syntaxique, le linting, le débogage et les tests unitaires.

Python

Prise en charge principale du langage par Microsoft

Cursor Pyright

Serveur de langage Python ultra-rapide

Python Debugger

Capacités de débogage étendues

Ruff

Linter et formateur pour Python

​
Outils Python avancés

Même si les extensions ci-dessus ont longtemps été les plus populaires pour le développement Python dans Cursor, on a aussi ajouté d’autres extensions qui peuvent t’aider à tirer le meilleur parti de ton workflow Python.

​
uv - Gestionnaire d’environnements Python

uv est un gestionnaire de paquets Python moderne qui permet de créer et de gérer des environnements virtuels, et peut remplacer pip comme gestionnaire de paquets par défaut. Pour installer uv, exécute la commande suivante dans ton terminal : 
pip install uv

​
ruff - Linter et formateur Python

Ruff est un linter et formateur Python moderne qui permet de détecter les erreurs de programmation, d’appliquer les conventions de code et de suggérer des refactorisations. Il peut être utilisé aux côtés de Black pour le formatage du code. Pour installer Ruff, exécute la commande suivante dans ton terminal : 
pip install ruff

​
Configuration de Cursor

​
1. Interpréteur Python

Configure ton interpréteur Python dans Cursor :
  1. Ouvre la palette de commandes (Cmd/Ctrl + Shift + P)
  2. Recherche “Python: Select Interpreter”
  3. Choisis ton interpréteur Python (ou ton environnement virtuel si tu en utilises un)

​
2. Formatage du code

Mets en place le formatage automatique du code avec Black :
Black est un formateur de code qui met automatiquement en forme ton code pour respecter un style cohérent. Il ne nécessite aucune configuration et est largement adopté dans la communauté Python.
Pour installer Black, exécute la commande suivante dans ton terminal : 
pip install black
Ensuite, configure Cursor pour utiliser Black pour le formatage du code en ajoutant ce qui suit à ton fichier settings.json : 
{
  "python.formatting.provider": "black",
  "editor.formatOnSave": true,
  "python.formatting.blackArgs": ["--line-length", "88"]
}

​
3. Linting

Tu peux utiliser Pylint pour détecter les erreurs de programmation, faire respecter les conventions de code et suggérer des refactorings. Pour installer Pylint, exécute la commande suivante dans ton terminal : 
pip install pylint

{
  "python.linting.enabled": true,
  "python.linting.pylintEnabled": true,
  "python.linting.lintOnSave": true
}

​
4. Vérification des types

En plus du linting, tu peux utiliser MyPy pour vérifier les erreurs de typage. Pour installer MyPy, exécute la commande suivante dans ton terminal : 
pip install mypy

{
  "python.linting.mypyEnabled": true
}

​
Débogage

Cursor offre de puissantes fonctionnalités de débogage pour Python :
  1. Place des points d’arrêt en cliquant dans la marge
  2. Utilise le panneau Debug (Cmd/Ctrl + Shift + D)
  3. Configure launch.json pour des configurations de débogage personnalisées

Complétion par tabulation

Des suggestions de code intelligentes qui comprennent ce que tu fais

Chat

Explore et comprends le code grâce à des conversations naturelles

Agent

Confie des tâches de développement complexes à l’IA

Contexte

Intègre du contexte depuis des systèmes tiers

Imports automatiques

Importe automatiquement des modules pendant que tu codes

Revue IA

Cursor passe ton code en revue en continu avec l’IA

​
Compatibilité avec les frameworks

Cursor fonctionne sans accroc avec les principaux frameworks Python :
  • Frameworks web : Django, Flask, FastAPI
  • Data science : Jupyter, NumPy, Pandas
  • Machine learning : TensorFlow, PyTorch, scikit-learn
  • Tests : pytest, unittest
  • API : requests, aiohttp
  • Bases de données : SQLAlchemy, psycopg2