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

​
Prérequis

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

​
Extensions essentielles

Les extensions suivantes configurent Cursor pour offrir un environnement 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 avancées

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 pour t’aider à tirer le maximum de ton workflow Python.

​
uv - Gestionnaire d’environnements Python

uv est un gestionnaire de paquets Python moderne qui permet de créer et 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 des erreurs de programmation, d’appliquer les conventions de code et de suggérer des refactorings. Il peut être utilisé avec 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. Cherche « 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 qui aligne automatiquement ton code sur un style cohérent. Il ne nécessite aucune configuration et est largement adopté par 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

On peut utiliser PyLint pour détecter les erreurs de programmation, faire respecter les conventions de code et suggérer des refactorisations. 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, on peut utiliser MyPy pour détecter les erreurs de type. 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 gouttière
  2. Utilise le panneau Débogage (Cmd/Ctrl + Shift + D)
  3. Configure launch.json pour des configurations de débogage personnalisées

Tab Completion

Des suggestions de code intelligentes qui comprennent ce que tu fais

Chat

Explore et comprends le code grâce à des conversations naturelles

Agent

Gère des tâches de développement complexes avec l’aide de l’IA

Context

Récupère du contexte depuis des systèmes tiers

Auto-Imports

Importe automatiquement les modules pendant que tu codes

AI Review

Cursor passe ton code en revue en continu grâce à l’IA

​
Prise en charge des frameworks

Cursor s’intègre parfaitement aux 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