--- title: "Exécuter des notebooks Jupyter sur Data Platform" description: "Notebooks est une intégration native de Jupyter Notebooks sur Data Platform" url: https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/dpe-notebooks lang: fr lastUpdated: 2026-09-14 --- > For AI agents: the complete documentation index is available at https://docs.ovhcloud.com/fr/llms.txt, the full documentation bundle is available at https://docs.ovhcloud.com/fr/llms-full.txt. # Exécuter des notebooks Jupyter sur Data Platform ## Objectif Notebooks est une intégration native de [Jupyter Notebooks](https://jupyter.org/) sur Data Platform. Livrés avec des paquets préchargés pour la data science, ils vous permettent d'effectuer des analyses statistiques interactives et des visualisations de données en dehors du temps réel. Les notebooks sont fortement connectés au reste de votre Projet, ce qui permet de lire/écrire des données dans le Lakehouse Manager grâce à [notre SDK](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/landing-page-developers-python-sdk.md) ou de convertir le code de votre notebook en une action [Data Processing Engine](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/landing-page-dpe.md). ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/jupyterlab.png) ## Créer un Notebook Pour créer une instance de notebook, rendez-vous dans la section **Notebook** du [Data Processing Engine](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/landing-page-dpe.md). ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/main-page.png) Pour commencer, cliquez sur **New notebook** en haut à droite. ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/create1.png) Vous devez choisir une [image de conteneur](https://jupyter-docker-stacks.readthedocs.io/en/latest/using/selecting.html) pour votre environnement Jupyter, c'est-à-dire l'ensemble des paquets et dépendances que vous souhaitez avoir pour votre nouveau notebook. Data Platform propose deux images prêtes à l'emploi qui contiennent les bibliothèques les plus populaires pour l'analyse de données et la data science. - **Base Notebook :** Fournit un environnement Python 3.13 vierge sans paquet scientifique préinstallé, idéal pour une configuration minimale où vous installez vos propres paquets spécifiques. - **PySpark Notebook :** Conçu pour les tâches de data science et de big data, incluant Python 3.13, des bibliothèques populaires (pandas, numpy, scikit-learn, etc.), Apache Spark, et des utilitaires supplémentaires. - **Data Science Notebook :** Inclut Python 3.13 avec des bibliothèques populaires d'analyse de données, de visualisation et de machine learning préinstallées (pandas, numpy, matplotlib, scikit-learn, etc.), idéal pour les workflows de data science courants. - **Tensorflow Notebook :** S'appuie sur le Data Science Notebook en ajoutant TensorFlow et les dépendances de deep learning, prêt pour le développement de modèles d'IA et de réseaux de neurones. Choisissez le notebook qui correspond le mieux aux besoins de votre projet. Une fois votre sélection effectuée, votre notebook sera prêt à être utilisé. :::info Si vous débutez dans la création de notebooks, nous vous recommandons de commencer par un **Base notebook**. Cela fournit une installation Python propre et légère avec un minimum de dépendances, vous permettant d'installer uniquement les paquets spécifiques dont vous avez besoin. ::: ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/create2.png) Vous pouvez ensuite configurer davantage votre notebook avant sa création. Une fois que vous appuyez sur **Create**, le serveur du notebook sera initialisé avec son environnement spécifique et des ressources de calcul dédiées. ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/create3.png) 1. **Champ Notebook Name** – Saisissez le nom du nouveau notebook. 2. **Add Dependencies** – Cliquez sur ce bouton pour ajouter des dépendances supplémentaires pour le notebook. 3. **Sélection de la taille d'instance** – Choisissez la taille d'instance requise (DPU) pour le notebook. 4. **Bouton Create** – Cliquez ici pour créer le nouveau notebook après avoir renseigné les détails. ## Dépendances du Notebook L'image de votre notebook est déjà livrée avec certains paquets par défaut, que vous pouvez consulter dans la description de l'image dans le marketplace. ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/scipy-notebook.png) Vous pouvez spécifier des dépendances supplémentaires en cliquant sur le bouton **Add** dans le panneau _Dependencies_. ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/add-dep1.png) Choisissez simplement le type de dépendance et saisissez le nom du paquet à installer sur le serveur. ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/add-dep2.png) Vous pouvez ajouter plusieurs paquets à la fois en appuyant sur _Enter_ à chaque fois, comme des tags. ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/add-dep3.png) ### Types de dépendances Il existe deux types de dépendances : - **Dépendances Python :** Vous pouvez installer n'importe quel paquet, comme pandas ou numpy. - **Dépendances Data Platform :** Vous pouvez choisir parmi une liste de paquets disponibles gérés par la Data Platform. Vous ne pouvez utiliser qu'un seul type de dépendance par instance de notebook. Mélanger les deux types au sein du même notebook n'est pas autorisé. :::warning **Important :** Si vous tentez d'ajouter ou de modifier des dépendances alors qu'un notebook est en cours d'exécution, ces changements ne prendront pas effet immédiatement. Vous devez redémarrer le notebook pour que les nouvelles dépendances soient appliquées. Pour redémarrer, cliquez sur le bouton 'Stop' pour arrêter l'instance du notebook, puis cliquez sur 'Start' pour la relancer avec les dépendances mises à jour. Tout travail non sauvegardé peut être perdu pendant ce processus de redémarrage, veillez donc à sauvegarder votre travail au préalable. ::: :::info Si vous devez installer une dépendance pendant que votre notebook est en cours d'exécution, vous pouvez le faire directement depuis le terminal au sein de l'environnement JupyterLab. Cependant, ces installations sont temporaires et ne persisteront pas si le notebook est arrêté puis redémarré. Pour des ajouts de dépendances permanents, utilisez toujours le panneau "Add Dependencies" et redémarrez votre notebook. ::: ## Ouvrir un Notebook Les instances de notebook sont **automatiquement activées** lorsque vous les ouvrez. L'instance de notebook consommera [tous les DPU assignés](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/manage-pricing.md#unit%C3%A9s-de-facturation) pendant toute la durée où elle est active. ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/turn-on.png) Vous pouvez désactiver manuellement un notebook en cliquant sur le bouton _Stop_ lorsqu'il est actif. ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/turn-off.png) Pour ouvrir un notebook, **double-cliquez** dessus ou appuyez sur le bouton illustré ci-dessous. Cela ouvrira le notebook dans une nouvelle fenêtre JupyterLab. ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/open.png) Le démarrage d'un notebook peut prendre entre **3 et 5 minutes**, et jusqu'à **10 minutes** la première fois. L'interface [JupyterLab](https://jupyterlab.readthedocs.io/en/stable/) vous permet de travailler sur vos notebooks avec toutes les fonctionnalités proposées par Jupyter, comme le fait d'avoir plusieurs fichiers _.ipynb_ ouverts en même temps, des raccourcis clavier, des options de téléchargement et d'export, et bien plus encore. Chaque notebook est également livré avec la [Data Platform Extension](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/dpe-notebooks-data-platform-extension.md) : un panneau latéral permettant de parcourir vos datasets et buckets, d'exécuter des requêtes SQL en lecture seule, de créer des notebooks prêts à l'emploi connectés à vos propres données, et d'[exporter un notebook en tant qu'action personnalisée](#exporter-un-notebook-en-tant-quaction-personnalisée). L'environnement de notebook [marimo](https://marimo.io/) est également préinstallé dans toutes les images. :::info Utilisez le SDK Data Platform pour interagir facilement avec le reste de votre Projet, typiquement pour **importer/traiter/exporter des données** depuis et vers vos [tables du Lakehouse Manager](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/lakehouse-manager-tables.md). ::: ![notebooks](/images/public-cloud/data-platform/product/dpe/notebooks/picts/jupyterlab.png) ## Exporter un notebook en tant qu'action personnalisée Une fois que le code de votre notebook est prêt à être exécuté comme tâche, la [Data Platform Extension](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/dpe-notebooks-data-platform-extension.md#exporter-un-notebook-en-tant-quaction-personnalis%C3%A9e) peut le transformer en [Custom action](https://docs.ovhcloud.com/fr/guides/public-cloud/data-platform/dpe-actions-custom.md) sans quitter JupyterLab : l'action est créée à partir du code de votre notebook, et les **pip installs** trouvés dans votre notebook sont automatiquement convertis en dépendances de l'action. Consultez la page de l'extension pour le flux complet. ## Aller plus loin Si vous avez besoin d'une formation ou d'une assistance technique pour la mise en oeuvre de nos solutions, contactez votre commercial ou cliquez sur [ce lien](https://www.ovhcloud.com/fr/professional-services/) pour obtenir un devis et demander une analyse personnalisée de votre projet à nos experts de l’équipe Professional Services. Posez vos questions, faites-nous part de vos commentaires et interagissez directement avec l’équipe qui développe la Data Platform sur le [canal Discord](https://discord.gg/ovhcloud) dédié. Si vous avez besoin d'une assistance concernant vos services OVHcloud, créez une demande depuis notre [centre d'aide](https://help.ovhcloud.com/csm?id=csm_get_help). Rejoignez notre [communauté d'utilisateurs](https://community.ovhcloud.com/).