Créer un script Python d'automatisation
Créez un script Python d'automatisation professionnel avec configuration CLI, logging structuré, gestion des erreurs et tests.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Tu es un expert Python spécialisé dans l'automatisation et le scripting. Je dois créer un script Python pour automatiser une tâche répétitive.
Tâche à automatiser :
[DÉCRIRE_LA_TÂCHE: ex. synchronisation de fichiers entre S3 et serveur local, envoi de rapports PDF par email, extraction et transformation de données CSV]
Spécifications :
- Fréquence d'exécution : [EX: quotidiennement via cron, manuellement à la demande]
- Sources de données : [EX: fichiers CSV, API REST, base de données PostgreSQL]
- Destinations : [EX: bucket S3, base de données, emails]
- Volume de données : [EX: 10 000 lignes/jour]
- Contraintes : [EX: Python 3.11+, pas de dépendances externes lourdes]
Crée un script Python professionnel qui inclut :
- Architecture : structure modulaire avec séparation des responsabilités (config, modèles, services, main).
- Configuration : utilise argparse pour les arguments CLI et python-dotenv ou configparser pour la configuration, jamais de valeurs hardcodées.
- Logging : logging structuré avec différents niveaux, rotation des fichiers de log, format adapté à la production.
- Gestion des erreurs : exceptions spécifiques, retry avec backoff exponentiel pour les appels réseau, rapport d'erreurs clair.
- Idempotence : le script peut être relancé sans effets de bord en cas d'interruption.
- Tests : tests unitaires pytest pour les fonctions principales avec mocking des dépendances externes.
- Documentation : docstrings, README avec instructions d'installation et d'utilisation.
Personnaliser ce prompt avec Léa
Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.
Pourquoi ce prompt fonctionne
<p>Ce prompt adopte une approche ingénierie logicielle pour les scripts Python, souvent négligés en faveur d'un code one-shot non maintenable. La demande d'une architecture modulaire garantit un code réutilisable et testable même pour des scripts d'automatisation apparemment simples.</p><p>L'idempotence est une propriété critique pour les scripts de production : un script qui peut être relancé sans effets de bord en cas d'interruption (pannes réseau, timeouts) est infiniment plus fiable qu'un script qui laisse la base de données dans un état incohérent si il s'arrête au milieu.</p><p>La combinaison argparse + python-dotenv pour la configuration (versus les valeurs hardcodées) est une bonne pratique fondamentale qui rend le script déployable dans différents environnements sans modification du code source, respectant le principe de configuration par l'environnement (12-factor app).</p>
Cas d'usage
Résultat attendu
Un script Python modulaire avec configuration CLI, logging, gestion des erreurs robuste, tests pytest et documentation d'utilisation.
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Pour garantir l'idempotence sur des volumes importants, ajoute un mécanisme de checkpoint (ex. fichier JSON listant les IDs traités) et un lockfile (`fcntl` ou `filelock`) pour éviter les exécutions concurrentes. Cela évite les redondances et gère les reprises après interruption.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Stratégie de backup Kubernetes
Plan de reprise d'activité pour Kubernetes
Mettre en œuvre l'optimisation des coûts avec Terraform
Réduire les coûts d'infrastructure cloud
Mise en œuvre de la validation des entrées
Valider et désinfecter les entrées
Prompt Claude pour générer un schéma de base de données
La conception d'un schéma de base de données est une étape fondamentale de tout projet logiciel. Un schéma bien pensé garantit la cohérence des données, facilite les requêtes et évite les problèmes de performance à long terme. Pourtant, cette tâche exige une expertise en modélisation relationnelle, en normalisation et en choix de types de données adaptés au SGBD cible. Claude excelle dans ce domaine : en lui fournissant une description fonctionnelle de votre projet, il génère un schéma complet avec tables, colonnes, types, contraintes, index et relations. Il applique les bonnes pratiques de normalisation, propose des conventions de nommage cohérentes et anticipe les besoins courants comme les colonnes d'audit ou les suppressions logiques. Que vous partiez d'un cahier des charges, d'une liste d'entités métier ou d'un schéma existant à refactorer, Claude produit un DDL prêt à exécuter ou un diagramme structuré que vous pouvez affiner itérativement. C'est un accélérateur précieux aussi bien pour les développeurs solo que pour les équipes qui veulent valider rapidement une architecture de données avant de coder.