Tout professionnel de la donnée a déjà vécu cette scène frustrante : vous avez passé des jours à peaufiner un pipeline d'extraction de données ou un notebook d'analyse prédictive sur votre ordinateur portable. Fier de votre travail, vous le transmettez à votre collègue ou sur le serveur de calcul... et là, patatras :
« Ça plante à la ligne 12 ! Tu as installé quelle version de NumPy ? Et comment tu as configuré les pilotes ODBC pour SQL Server ? Attends, chez moi sous macOS, cette bibliothèque C ne compile pas... »
La réponse classique — et tristement célèbre — est immédiate : « Pourtant, ça marche sur ma machine ! ».
Dans le monde de la Data, où les dépendances logicielles (versions de Python, bibliothèques C++, pilotes de bases de données, architectures GPU CUDA) sont particulièrement fragiles et complexes, Docker apporte la solution définitive.
🎯 Les Objectifs Pédagogiques#
À l'issue de ce module pratique pensé pour les métiers de l'Analytics et de la Data, vous serez capable de :
- Comprendre la mécanique de la conteneurisation et ce qui la distingue radicalement d'une machine virtuelle traditionnelle.
- Installer et configurer un environnement Docker robuste sur Windows (avec WSL 2), Linux ou macOS.
- Rédiger un
Dockerfileoptimisé pour la Data : mise en cache des dépendancespip, choix d'images de base légères (slim) et intégration de pilotes tiers. - Instancier et piloter des conteneurs : mapping de ports pour vos outils web (JupyterLab, Streamlit, Metabase), gestion des volumes persistants pour vos jeux de données et injection de secrets via variables d'environnement.
- Orchestrer une Stack Data complète en local avec Docker Compose (par exemple : base relationnelle PostgreSQL + outil de BI Metabase + environnement d'analyse JupyterLab).
📚 Ne confondez pas : Machine Virtuelle (VM) vs Conteneur Docker#
Avant de manipuler vos premières commandes, levons une confusion fréquente : un conteneur n'est pas une machine virtuelle miniature.
┌─────────────────────────────────┐ ┌─────────────────────────────────┐
│ MACHINE VIRTUELLE (VM) │ │ CONTENEUR DOCKER │
├─────────────────────────────────┤ ├─────────────────────────────────┤
│ App Data (Code + Libs) │ │ App Data (Code + Libs) │
├─────────────────────────────────┤ ├─────────────────────────────────┤
│ OS Invité Complet (Ubuntu 2 Go) │ │ ─── (Aucun OS Invité !) ─────── │
├─────────────────────────────────┤ ├─────────────────────────────────┤
│ Hyperviseur (Type 2 ou 1) │ │ Moteur Docker (Daemon) │
├─────────────────────────────────┤ ├─────────────────────────────────┤
│ Système Hôte (Windows/macOS) │ │ Système Hôte (Noyau Linux partagé│
├─────────────────────────────────┤ ├─────────────────────────────────┤
│ Matériel (CPU, RAM, Disque) │ │ Matériel (CPU, RAM, Disque) │
└─────────────────────────────────┘ └─────────────────────────────────┘
| Critère | Machine Virtuelle (VM) | Conteneur Docker |
|---|---|---|
| Isolation | Matérielle complète (émulation de CPU, RAM, BIOS) | Logique au niveau de l'espace utilisateur (Namespaces & Cgroups) |
| Poids disque | Très lourd (souvent 10 à 50 Go par VM avec son OS) | Très léger (de 50 Mo à quelques centaines de Mo) |
| Démarrage | Lent (plusieurs dizaines de secondes à plusieurs minutes) | Quasi-instantané (quelques millisecondes à 2 secondes) |
| Consommation RAM | Mémoire allouée d'office et immobilisée | Mémoire allouée dynamiquement selon le besoin réel |
🧩 La Sainte Trinité de Docker : Dockerfile, Image et Conteneur#
Pour naviguer sereinement dans l'écosystème Docker, gardez en mémoire cette analogie culinaire simple :
┌──────────────────────┐ ┌──────────────────────┐ ┌──────────────────────┐
│ 1. DOCKERFILE │ build │ 2. IMAGE │ run │ 3. CONTENEUR │
│ La Recette de Cuisine│ ──────► │ L'Assiette Surgelée │ ──────► │ Le Plat Chaud Dégusté│
│ (Fichier texte brut) │ │ (Modèle figé/immuable│ │ (Instance vivante) │
└──────────────────────┘ └──────────────────────┘ └──────────────────────┘
- Le
Dockerfile: C'est le fichier texte contenant la liste pas-à-pas des instructions d'assemblage (quelle version de Python utiliser, quelles librairies installer viapip, quels fichiers copier). - L'Image Docker : C'est le livrable compilé, figé et immuable issu du
Dockerfile. Elle regroupe le système de fichiers, le code et toutes les dépendances. Vous pouvez la stocker sur un registre comme Docker Hub. - Le Conteneur : C'est une instance active de votre image. Vous pouvez démarrer 1, 5 ou 20 conteneurs identiques à partir de la même image sur des ports réseau différents.
🛠️ Pourquoi Docker est une arme secrète pour le Data Guy ?#
En tant que professionnel de l'analyse et de l'ingénierie des données, Docker débloque des cas d'usage quotidiens :
1. Tester de nouvelles technologies en 30 secondes sans rien polluer#
Vous souhaitez tester la dernière version de PostgreSQL 17 ou explorer un nouveau moteur de dashboard comme Metabase ? Plus besoin d'installer des exécutables lourds qui polluent votre système d'exploitation avec des services en tâche de fond. Une simple commande suffit :
docker run --name mon-postgres -e POSTGRES_PASSWORD=secret -p 5432:5432 -d postgres:17
2. Garantir la reproductibilité absolue des calculs#
Si vous entraînez un modèle de Machine Learning avec Scikit-learn ou PyTorch, empaqueter votre code et vos bibliothèques dans une image Docker certifie que le modèle produira exactement les mêmes prédictions sur le cloud AWS, sur la machine d'un data analyst ou sur un cluster Kubernetes.
3. Partager des environnements de travail prêts à l'emploi#
Plutôt que d'écrire un document d'installation de 10 pages pour accueillir un nouveau membre dans l'équipe data, fournissez-lui un fichier docker-compose.yml. En tapant docker compose up, il disposera instantanément de JupyterLab avec tous les packages data préinstallés (Pandas, DuckDB, Polars, Plotly) reliés à la base de données de test.
🧭 Feuille de Route du Module#
Notre parcours d'apprentissage se décline en deux grandes étapes pratiques :
Étape 1 : Les Fondations & Les Images#
- Installer Docker : Installer et configurer Docker Desktop sur Windows (WSL 2), Linux (Ubuntu) et macOS avec une allocation mémoire adaptée aux traitements de données volumineux.
- Créer une image Docker : Maîtriser les instructions clés du
Dockerfile(FROM,WORKDIR,COPY,RUN,CMD), les images Python légères (slim) et la mise en cache des layers. - Déployer un conteneur : Démarrer, nommer, mapper les ports et gérer le cycle de vie d'un conteneur en tâche de fond.
Étape 2 : Gestion Avancée & Data Stack#
- Interagir avec un conteneur : Exécuter des scripts en direct avec
docker exec, transférer des jeux de données avecdocker cpet surveiller la mémoire consommée avecdocker stats. - Docker Compose pour la Data : Orchestrer une stack analytique complète en local (PostgreSQL + pgAdmin/Metabase + JupyterLab).
- Publier sur Docker Hub : Tagger et versionner vos images de pipelines data sur des registres privés ou publics.
- Aller plus loin : Docker Cheat Sheet spécial Data, QCM d'auto-évaluation et ponts vers Kubernetes et le Cloud.
Prêt à en finir avec les problèmes d'environnement et à passer au niveau supérieur de l'ingénierie de données ? Rendez-vous dès la prochaine leçon pour installer Docker sur votre poste de travail !
Commentaires