La cinquième enquête annuelle auprès des développeurs Django, réalisée par la Django Software Foundation en collaboration avec PyCharm, présente un état des tendances de la communauté du framework en 2026. Le rapport s’appuie sur les réponses d’environ 3 500 développeurs issus de plus de 40 pays, des étudiants débutants aux professionnels possédant plusieurs décennies d’expérience. La principale conclusion est que les développeurs changent d’outils et de méthodes de travail bien plus rapidement qu’ils ne changent de framework.
PostgreSQL a conservé sa position de base de données préférée de 76 % à 79 % des participants pendant cinq années consécutives, tandis que le moteur de templates de Django reste utilisé par environ 80 % d’entre eux. Quelques mois après le lancement de Django 6.0, 43 % ont déclaré l’utiliser déjà, tandis qu’environ la moitié des développeurs effectuent la mise à niveau à chaque version stable. Ces chiffres ne signifient pas que Django n’évolue pas, mais indiquent que son architecture fondamentale fournit une base stable pour expérimenter de nouveaux outils autour d’elle.
L’intelligence artificielle est présente, mais son mode d’utilisation n’est pas encore fixé
L’intelligence artificielle est devenue une composante habituelle du développement d’applications Django. Seuls 10 % des participants ont déclaré ne pas utiliser régulièrement d’outils d’IA pour programmer, tandis que 58 % des utilisateurs y ont recours quotidiennement et 27 % plusieurs fois par semaine. Toutefois, l’enquête ne fait apparaître aucun outil ou interface dominant ; les usages se répartissent à peu près entre le navigateur, l’environnement de développement et la ligne de commande.
Claude Code arrive en tête avec 35 %, suivi de ChatGPT avec 33 % et de GitHub Copilot avec 23 %. Cependant, l’usage le plus courant reste la conversation et la demande de conseils : 56 % des utilisateurs de l’IA ont déclaré l’utiliser uniquement de cette manière. En outre, 59 % demandent à l’outil de générer le code avant d’appliquer eux-mêmes les modifications, et 44 % l’autorisent à modifier les fichiers ou à exécuter des commandes à la demande, contre seulement 27 % qui l’utilisent pour accomplir de manière autonome des tâches comportant plusieurs étapes.
En pratique, cela décrit le déplacement de l’agent à l’intérieur de l’environnement de développement plutôt que son remplacement. L’environnement de développement reste l’endroit où le développeur comprend la base de code, examine les modifications et décide de ce qui entre dans le projet. Cette prudence se reflète également dans l’apprentissage : la documentation officielle de Django arrive en tête des sources d’apprentissage avec 67 %, mais les outils d’intelligence artificielle occupent la deuxième place avec 51 %, devant YouTube, la lecture du code source et Stack Overflow.
Les outils Python tendent vers davantage de consolidation
Des outils relativement récents se distinguent dans la gestion des environnements et la qualité du code. uv, sorti en février 2024, est utilisé par 43 % des participants, derrière venv avec 63 % et devant Docker avec 31 %. Dans le domaine de l’analyse et du formatage, Ruff est devenu l’outil le plus utilisé avec 43 %, devant les vérifications intégrées à l’environnement de développement avec 27 %, Black avec 25 %, pre-commit avec 20 % et Flake8 avec 17 %.
cela ne signifie pas que les outils plus anciens disparaissent, mais que des outils plus récents commencent à couvrir des fonctions qui nécessitaient auparavant un ensemble distinct d’outils. Pour les équipes, cela peut signifier des parcours de configuration moins dispersés, mais l’enquête ne démontre pas à elle seule que le passage à ces outils a entraîné une réduction de la complexité ou du coût de maintenance.
Les types et les tests : adoption accélérée et consensus moindre
Les annotations de type sont devenues une pratique courante : 57 % des développeurs les utilisent et 26 % supplémentaires prévoient de les adopter. L’outil de vérification des types ne bénéficie toutefois pas d’un consensus comparable. Parmi les utilisateurs d’annotations de type, 40 % s’appuient sur le vérificateur intégré à l’environnement de développement, suivis de mypy avec 32 %, de Ruff avec 29 % et de Pyright/Pylance avec 22 %. ty d’Astral apparaît à 12 % et Pyrefly de Meta à 4 %.
Cette question gagne en importance à mesure que le rôle des agents dans l’écriture du code s’étend. pytest est utilisé par 45 % des participants, unittest par 43 % et pytest-django par 34 %. De plus, 51 % utilisent GitHub Actions et 26 % GitLab CI/CD. Ces outils fournissent la base d’un cycle dans lequel l’agent peut modifier le code, exécuter les tests et réagir aux erreurs avant de présenter le résultat au développeur. Toutefois, 19 % des participants n’écrivent aucun test automatisé, ce qui signifie que la délégation d’une plus grande partie du travail aux systèmes automatisés ne s’accompagne pas, chez tous, d’une barrière de validation équivalente.
Deux voies pour construire les applications
72 % des participants utilisent des templates rendus côté serveur, tandis que 53 % utilisent Django pour des applications reposant uniquement sur des API, et 46 % l’utilisent derrière une application monopage ou une interface JavaScript distincte. Lorsqu’ils doivent définir l’approche principale, la moitié des développeurs construisent des applications rendues côté serveur, tandis que 44 % s’appuient principalement sur Django pour les API ou les interfaces frontales séparées.
Les chiffres relatifs à JavaScript illustrent cette division : la part de React est restée presque stable, passant de 37 % en 2021 à 38 % dans l’enquête actuelle. En revanche, jQuery a reculé de 37 % à 23 % et Vue de 28 % à 17 %, tandis que htmx est passée de seulement 5 % à 34 %. Selon l’interprétation du rapport, htmx ne prend pas la part de React ; elle renouvelle plutôt le segment des applications rendues côté serveur, où jQuery était fortement présente.
Pourquoi cette tendance est-elle importante ?
Les résultats de l’enquête montrent que la valeur actuelle de Django ne tient pas au fait qu’il serait le framework le plus récent, mais à sa capacité à intégrer d’importants changements d’outils et de méthodes de travail sans imposer une reconstruction complète de l’application. Une équipe peut essayer un nouvel agent, adopter uv et Ruff, ajouter htmx ou adopter un autre vérificateur de types tout en conservant les modèles, le panneau d’administration et l’authentification comme base familière.
La tendance conservatrice apparaît également dans le déploiement : 54 % des participants livrent leurs applications sous forme de monolithes et 44 % hébergent eux-mêmes leur infrastructure. Par ailleurs, 33 % utilisent les fonctionnalités asynchrones de Django, tandis que 40 % prévoient de les adopter, ce qui indique une évolution progressive et optionnelle plutôt qu’une réécriture globale.
La conclusion éditoriale n’est pas que l’intelligence artificielle remplacera l’environnement de développement ou qu’un seul outil remportera la course aux outils Python. Les données démontrent la diffusion de l’usage et de l’expérimentation, mais ne démontrent ni une supériorité en production ni une amélioration de la qualité. Pour les équipes, la question pratique la plus importante est plutôt de savoir dans quelle mesure leurs tests et leurs pipelines CI/CD sont prêts à vérifier les modifications produites par les agents, en particulier chez la proportion de développeurs qui n’utilise pas de tests automatisés.