Le langage de programmation Julia ne cesse de gagner en adoption au sein de la communauté scientifique. Sur 2020, il enregistre une augmentation de 87 % de ses téléchargements. En comparaison à l’année 2019, c’est un gap haussier de 10 points de pourcentage. Quels facteurs expliquent cet intérêt de plus en plus croissant pour le langage de programmation pressenti pour remplacer C/C++ et Python dans la filière de la programmation et du calcul scientifique ? Quelles sont ses tares ? Julia est de plus en plus mis sur la balance avec Python. Le premier rejoint le second sur le plan de la simplicité. Toutefois, Julia est pensé dès le début pour offrir des performances de loin supérieures à celles de Python. Sur cet axe, le langage est comparé avec C/C++ et au langage Rust de Mozilla.
La toute première tâche dans tout processus d’analyse de données consiste à lire des données. Cela doit être fait avec célérité et efficacité afin de pouvoir se consacrer à la tâche de traitement des données. Dans de nombreux secteurs et domaines, le format de fichier CSV est le format le plus utilisé pour le stockage et le partage des données tabulaires. Le chargement rapide et robuste des CSV est crucial, et il doit être bien adapté à une grande variété de tailles, de types et de formes de fichiers. Une étude parue au quatrième trimestre de l’année précédente illustre le fait que Julia est capable de lire les fichiers CSV dix à vingt fois plus vite que les langages Python et R. Attention, l’atteinte de ces cimes en matière de performance peut requérir de l’utilisateur du langage de posséder l’expertise nécessaire pour effectuer des optimisations.
Bien qu'il soit possible d'accélérer des programmes R ou Python en procédant à une réécriture de certaines parties en un autre langage, Julia propose une excellente performance par défaut sans artéfact. De plus, le langage s’appuie sur une syntaxe plaisante pour les mathématiques, très proche des notations habituelles. Par exemple, un produit matriciel s'écrit avec * en Julia, mais avec %*% en R ou @ en Python (uniquement depuis la version 3.6). Enfin, Julia permet le parallélisme facile, tant sur les différents cœurs d'une machine (c’est plus difficile en Python compte tenu de la syntaxe), R proposant le même genre de facilités, que sur plusieurs machines. En effet, Julia propose des abstractions alors que R et Python se contentent de bibliothèques comme MPI. Le langage reste néanmoins sous le feu des critiques pour des aspects comme l’importance des temps de compilation et le manque de maturité des paquets logiciels. Julia est un langage dont les premières versions remontent à 2012, ce qui est susceptible de faire office de justificatif pour diverses autres tares parmi lesquelles le peu de paquets disponibles par rapport à R ou Python, ce, même s'il est possible assez facilement d'utiliser les bibliothèques pour d'autres langages.
Une enquête menée auprès des utilisateurs de Julia en juin dernier donne un aperçu de la communauté des utilisateurs de Julia et de nombre de ses préférences et pratiques en matière de fonctionnalités. Elle est basée sur 2565 interviews. À date, la plupart des utilisateurs (60 %) travaillent dans le milieu universitaire, mais il y a une volonté croissante d'étendre Julia dans l'industrie. Dans l'industrie, les plus grands segments d'utilisateurs sont les professionnels du logiciel/des technologies de l'information (12 %) et l'ingénierie (11 %).
Sources : julialang.org, juliacomputing.com
Et vous ?
Êtes-vous développeur Julia ? Pourquoi avez-vous opté pour ce langage ? Julia, R ou Python : de quel bord êtes-vous pour la programmation en sciences des données ? Quel autre langage pour le calcul scientifique préféreriez-vous à Julia ? Pour quelles raisons ? Voir aussi :
Sortie de Julia 1.0 et 0.7, le langage de programmation scientifique atteint sa première version stable après six ans de développement public Après Redmonk, c'est au tour de l'Index TIOBE de mettre Python dans le top 3 des langages les plus populaires, Julia gagne également en notoriété RedMonk janvier 2018 : Go semble déjà essoufflé et Swift rattrape Objective-C alors que Kotlin est en pleine ascension dans le classement Index TIOBE : C sacré langage de programmation de l'année 2017, Python enregistre encore la plus forte progression annuelle sur PYPL TypeScript entre dans le top 20 des langages les plus populaires, d'après le classement Redmonk de juin 2017 
Envoyé par Uther
. Et pour moi, me passer de valeurs globales, cela ne me demande aucun effort. Car c'est une pratique courante en programmation orienté-objet. Et pour un langage comme C++, je les mets toutes dans une structure (struct) ou un objet. C'est aussi une des caractéristiques d'un bon langage, il nous conditionne à adopter de bonnes pratiques.