Streamlit

À quoi ça sert

Quand tu fais de la data ou de l'IA, tu veux souvent montrer ton travail : un graphique, les prédictions de ton modèle, un explorateur de jeu de données. Faire un site web complet pour ça, c'est lourd. Faire un notebook, c'est pas partageable au grand public.

Streamlit te permet d'écrire un simple script Python qui devient automatiquement une appli web : sliders, boutons, graphiques, formulaires. Pas une ligne de HTML à écrire.

Un exemple d'usage

Tu as entraîné un modèle de classification d'images. Tu veux que ton prof / ton équipe puisse uploader une image et voir la prédiction, sans rien installer. Avec Streamlit, ça tient en quelques lignes :

import streamlit as st

st.title("Démo de mon modèle")
fichier = st.file_uploader("Choisis une image")

if fichier:
    st.image(fichier)
    st.success("Prédiction : chat 🐱")

Tu lances streamlit run app.py et hop, une page web s'ouvre dans ton navigateur avec un titre, un uploader et un retour visuel.

How-to : installer et utiliser Streamlit

1. Créer un environnement et installer Streamlit

   Avec UV (recommandé, voir la fiche UV) :

   bash Copier

   uv init demo-streamlit
   cd demo-streamlit
   uv add streamlit

   Ou avec pip classique :

   bash Copier

   python3 -m venv .venv
   source .venv/bin/activate
   pip install streamlit

   Vérifie l'installation avec la démo officielle :

   bash Copier

   uv run streamlit hello

2. Écrire ta première app

   Crée un fichier app.py :

   python Copier

   import streamlit as st
   import pandas as pd
   import numpy as np
   
   st.set_page_config(page_title="Mon dashboard", page_icon="📊")
   
   st.title("📊 Mon premier dashboard")
   st.write("Bienvenue ! Joue avec les contrôles à gauche.")
   
   # Sidebar avec des contrôles
   st.sidebar.header("Paramètres")
   n_points = st.sidebar.slider("Nombre de points", 10, 500, 100)
   couleur = st.sidebar.selectbox("Série", ["A", "B", "C"])
   
   # Données aléatoires
   df = pd.DataFrame(
       np.random.randn(n_points, 3),
       columns=["A", "B", "C"]
   )
   
   st.subheader(f"Courbe — série {couleur}")
   st.line_chart(df[couleur])
   
   with st.expander("Voir les données brutes"):
       st.dataframe(df)

3. Lancer l'application

   bash Copier

   uv run streamlit run app.py

   Ton navigateur s'ouvre sur http://localhost:8501. À chaque sauvegarde du fichier, Streamlit propose un rechargement automatique.

   Astuce — auto-reload

   Dans le menu en haut à droite de l'app, choisis Settings → Run on save pour que la page se recharge automatiquement à chaque modification.

4. Configurer VS Code

   1. Installe l'extension Python de Microsoft.
   2. Sélectionne le bon interpréteur (Python: Select Interpreter → ./.venv/bin/python).
   3. Pour lancer Streamlit avec le bouton « play » de VS Code, crée .vscode/launch.json :
   json Copier

   {
       "version": "0.2.0",
       "configurations": [
           {
               "name": "Streamlit",
               "type": "python",
               "request": "launch",
               "module": "streamlit",
               "args": ["run", "app.py"]
           }
       ]
   }

5. Aller plus loin : cache et état

   Streamtlit ré-exécute le script entier à chaque interaction. Pour éviter de recharger un gros fichier ou de relancer un modèle à chaque clic, utilise le cache :

   python Copier

   @st.cache_data
   def charger_donnees(chemin):
       return pd.read_csv(chemin)
   
   @st.cache_resource
   def charger_modele():
       import joblib
       return joblib.load("model.pkl")

   cache_data pour les DataFrames, JSON, etc. cache_resource pour les objets non-sérialisables (modèles, connexions).

Aide-mémoire des composants

# Texte
st.title(...)         st.header(...)        st.write(...)
st.markdown(...)      st.code(...)          st.latex(...)

# Inputs
st.text_input(...)    st.number_input(...)
st.slider(...)        st.selectbox(...)     st.checkbox(...)
st.button(...)        st.file_uploader(...)

# Affichage data
st.dataframe(df)     st.table(df)         st.metric(...)
st.line_chart(df)    st.bar_chart(df)     st.map(df)

# Layout
st.columns(...)       st.tabs(...)          st.expander(...)
st.sidebar.xxx(...)   # dans la barre latérale

# Feedback
st.success(...)       st.error(...)         st.warning(...)
st.spinner(...)       st.progress(...)

Pour aller plus loin

• Documentation officielle : docs.streamlit.io
• Galerie d'exemples : streamlit.io/gallery
• Déploiement gratuit : Streamlit Community Cloud