Jetbrains Datalore

Que comprend JetBrains Datalore ?

Cahiers Jupyter – Modifiez et exécutez des fichiers .ipynb natifs.
Kernels multilingues – Python, SQL, R, Scala et Kotlin.
Cellules SQL – Interrogez des bases de données connectées directement depuis les notebooks.
Rapports interactifs – Publiez des notebooks sous forme de rapports interactifs partageables.
Fonctionnalités principales – Cinq langages de notebook avec collaboration en temps réel.
Important – Plateforme basée sur un navigateur ; pas d’application de bureau hors ligne.

Quels sont les principaux avantages de JetBrains Datalore ?

Datalore est la plateforme collaborative de science des données de JetBrains, compatible avec Jupyter, qui permet de rédiger, d’exécuter et de partager des notebooks dans le cloud ou en mode auto-hébergé sur site. Elle combine une assistance au codage de niveau PyCharm avec des machines CPU et GPU gérées, des requêtes natives vers les bases de données et la publication de rapports en un clic.

Collaboration en temps réel – Plusieurs utilisateurs peuvent modifier un même notebook simultanément.
Ressources de calcul gérées – Exécutez du code sur des CPU et des GPU dans le cloud.
Datalore AI – Génère et corrige du code Python, SQL et R.
Connectivité aux bases de données – Des cellules SQL natives interrogent les sources connectées.
PyCharm Code Insight – Suggestions d’autocomplétion, refactorisations et corrections rapides pendant la programmation.
Option d’auto-hébergement – L’hébergement sur site permet de conserver les données sur votre infrastructure.

Que fait JetBrains Datalore ?

Datalore est une plateforme cloud et auto-hébergable permettant de travailler avec des notebooks Jupyter en Python, SQL, R, Scala et Kotlin. Elle exécute votre code sur des machines CPU et GPU gérées par JetBrains, de sorte que le traitement intensif des données ou l’entraînement des modèles ne dépendent pas de votre ordinateur portable local. Les cellules SQL natives vous permettent d’interroger une base de données connectée et de transférer directement le résultat dans un DataFrame pandas au sein du même notebook. Vous pouvez ensuite publier le notebook sous forme de rapport interactif ou d’application de données et le partager via un lien, les cellules de code étant masquées aux utilisateurs.

À qui s’adresse-t-il le mieux JetBrains Datalore ?

Datalore convient aux équipes de données qui souhaitent disposer d’un environnement de notebooks partagé, plutôt que de voir chaque analyste gérer une installation Jupyter locale distincte. Comme les espaces de travail regroupent les notebooks, les données et les environnements, cela élimine les problèmes de incompatibilité de versions qui surviennent lorsque les collègues installent les paquets individuellement. Le gestionnaire de paquets intégré fixe les dépendances afin qu’un notebook s’ouvre à nouveau avec le même environnement, ce qui est essentiel pour assurer la reproductibilité des analyses lors des transferts de tâches. Les équipes soumises à des exigences strictes en matière de résidence des données peuvent exécuter la même plateforme via l’édition « On-Premises » sur leurs propres serveurs.

En quoi les formules Datalore Cloud Free, Cloud et On-Premises diffèrent-elles ?

Les trois éditions partagent le même éditeur de notebooks, mais se distinguent par leurs capacités de calcul, leurs fonctionnalités d’IA et leurs droits de partage. L’édition Cloud Free permet d’exécuter jusqu’à deux notebooks en parallèle, de partager des notebooks et des espaces de travail avec un accès en lecture seule, et n’inclut pas l’IA Datalore, l’historique des versions ni les machines équipées de GPU. La formule payante «Cloud» ajoute l’IA Datalore, le mode réactif, un nombre illimité de notebooks parallèles et planifiés, l’historique des versions, ainsi que l’accès à de puissantes machines CPU et GPU. La formule «On-Premises» (anciennement appelée «Enterprise») débloque toutes les fonctionnalités et ajoute une interface d’administration ainsi que l’authentification unique (SSO), vous permettant d’héberger l’intégralité de la plateforme sur votre propre infrastructure.

Quelles sont les fonctionnalités manquantes dans la formule Datalore Cloud Free ?

Avec Cloud Free, le partage des carnets et des espaces de travail est en lecture seule ; les collaborateurs ne peuvent donc pas modifier vos carnets tant que vous n’avez pas souscrit à une formule Cloud payante. La formule gratuite exclut également Datalore AI, l’historique des versions, le mode réactif, les exécutions programmées et les machines GPU, et vous limite à deux carnets s’exécutant en parallèle. Aucune édition ne propose d’application de bureau hors ligne : Datalore s’exécute toujours dans le navigateur, même en cas d’auto-hébergement via On-Premises. Si votre équipe a besoin d’une collaboration avec modification des fichiers ou d’une génération de code assistée par IA, la formule Cloud Free ne sera pas suffisante.

Quels langages, bases de données et formats de fichiers Datalore prend-il en charge ?

Les notebooks Datalore prennent en charge Python, SQL, R, Scala et Kotlin, et lisent et écrivent des fichiers .ipynb standard pour assurer la portabilité avec Jupyter. Les cellules SQL natives se connectent à des bases de données telles que PostgreSQL, MySQL, Microsoft SQL Server, Snowflake, BigQuery et Redshift, les résultats des requêtes étant directement transférés dans pandas. Vous pouvez monter un espace de stockage cloud tel qu’Amazon S3 et associer des dépôts Git à un notebook afin d’installer des paquets personnalisés compatibles avec pip. La visualisation fonctionne avec matplotlib, plotly, altair, seaborn et lets-plot, en plus des graphiques intégrés de type ligne, histogramme, zone et corrélation.

Que doivent vérifier les utilisateurs avant de choisir JetBrains Datalore ?

Vérifiez si vous avez besoin de la collaboration avec édition, de Datalore AI ou du calcul sur GPU, car ces trois fonctionnalités nécessitent le forfait Cloud payant plutôt que la version Cloud Free. Si votre organisation doit conserver ses données au sein de son propre réseau, optez pour l’édition On-Premises, qui prend également en charge l’authentification unique (SSO) via SAML, Okta ou Azure AD. Vérifiez que les bases de données utilisées par votre équipe figurent dans la liste des connecteurs natifs de Datalore, car chaque connexion est configurée par espace de travail. Enfin, n’oubliez pas que la plateforme est accessible via un navigateur ; elle ne remplace donc pas un IDE de bureau local tel que PyCharm.

Foire aux questions sur JetBrains Datalore

JetBrains Datalore est-il compatible avec les notebooks Jupyter existants ?

Oui. Datalore importe et exporte les fichiers .ipynb standard et propose un mode de calcul Jupyter ; les notebooks existants s’ouvrent donc sans conversion. Avec la formule Cloud payante, vous pouvez également basculer un notebook en mode « Reactive » pour une réexécution automatique des cellules en fonction des dépendances.

Datalore garantit-il la confidentialité et la conformité des données ?

Le service cloud de Datalore est conforme au RGPD et certifié SOC 2 Type II. Pour un contrôle plus strict, l’édition sur site héberge les notebooks et les données entièrement sur votre propre infrastructure et prend en charge l’authentification unique (SSO) via SAML, Okta et Azure AD.

Datalore peut-il se connecter à des dépôts Git ?

Oui. Vous pouvez associer une branche Git à un notebook pour installer un paquet personnalisé compatible avec pip, et le contenu de l’espace de travail peut être synchronisé avec des dépôts Git pour des sauvegardes versionnées et la collaboration avec les équipes d’ingénierie.