Pour automatiser une tâche répétitive avec Python, décrivez d'abord la tâche manuelle étape par étape, puis écrivez un script qui lit les données d'entrée, applique les mêmes règles que vous et produit le résultat (fichier rangé, tableau consolidé, e-mail envoyé). Testez-le sur une copie, ajoutez un journal de ce qu'il fait, et planifiez son lancement avec le Planificateur de tâches de Windows ou cron sur macOS et Linux. Les tâches les plus faciles à automatiser sont celles qui suivent toujours les mêmes règles.
Quelles tâches valent la peine d'être automatisées ?
Une bonne candidate revient souvent, suit des règles stables et manipule des fichiers ou des données structurées. Si vous devez juger au cas par cas, gardez la main ou automatisez seulement la partie mécanique.
| Tâche | Outils Python | Difficulté |
|---|---|---|
| Renommer, classer ou archiver des fichiers | pathlib, shutil (bibliothèque standard) | Facile |
| Fusionner des exports CSV | csv (standard) ou pandas | Facile |
| Lire ou remplir des classeurs Excel .xlsx | openpyxl, pandas | Moyenne |
| Envoyer un e-mail de compte rendu | smtplib, email (standard) | Moyenne |
| Récupérer des données d'un service qui propose une API | requests | Moyenne |
| Piloter un navigateur sur un site sans API | Selenium | Plus difficile et fragile |
Commencez par la bibliothèque standard : elle est installée avec Python, donc votre script tournera sur un autre poste sans installation supplémentaire. Pour les bibliothèques externes, passez par pip et un environnement virtuel.
La méthode en cinq étapes
- Écrivez la procédure manuelle, clic par clic. Si vous n'arrivez pas à l'écrire, le script ne saura pas la faire non plus.
- Identifiez les entrées (dossier, fichier, API) et la sortie attendue. Notez les cas particuliers : fichier vide, nom en double, colonne manquante.
- Écrivez le script sur une copie des données, avec un mode « simulation » qui affiche ce qu'il ferait sans rien modifier.
- Ajoutez un journal : ce qui a été traité, ce qui a été ignoré et pourquoi.
- Planifiez l'exécution seulement quand le script a tourné plusieurs fois sans surprise.
Exemple 1 : classer automatiquement un dossier de téléchargements
La tâche manuelle : trier les fichiers par type dans des sous-dossiers PDF, Images, Tableurs. Le script ci-dessous fait la même chose avec pathlib et shutil. La variable SIMULATION permet de vérifier le résultat avant de déplacer quoi que ce soit.
from pathlib import Path
import shutil
DOSSIER = Path.home() / "Downloads"
CLASSEMENT = {
".pdf": "PDF",
".jpg": "Images", ".jpeg": "Images", ".png": "Images",
".xlsx": "Tableurs", ".csv": "Tableurs",
}
SIMULATION = True # passer à False une fois le résultat vérifié
for fichier in DOSSIER.iterdir():
if not fichier.is_file():
continue
sous_dossier = CLASSEMENT.get(fichier.suffix.lower())
if sous_dossier is None:
continue
cible = DOSSIER / sous_dossier
if (cible / fichier.name).exists():
print(f"Ignoré, déjà présent : {fichier.name}")
continue
print(f"{fichier.name} vers {sous_dossier}")
if not SIMULATION:
cible.mkdir(exist_ok=True)
shutil.move(str(fichier), str(cible / fichier.name))
Deux détails comptent. Le test d'existence évite d'écraser un fichier du même nom. Et suffix.lower() traite « .PDF » comme « .pdf ». Pour aller plus loin sur la lecture et l'écriture de contenu, voyez notre guide pour ouvrir, lire et écrire des fichiers texte avec Python.
Exemple 2 : fusionner des exports CSV chaque semaine
Cas fréquent : un export par agence ou par mois, à recoller dans un seul fichier avant de faire un tableau croisé. Le module csv suffit si tous les fichiers ont les mêmes colonnes.
import csv
from pathlib import Path
entree = Path("exports")
lignes = []
for f in sorted(entree.glob("*.csv")):
with open(f, newline="", encoding="utf-8") as src:
for ligne in csv.DictReader(src):
ligne["source"] = f.stem
lignes.append(ligne)
if lignes:
with open("consolidation.csv", "w", newline="", encoding="utf-8") as dst:
w = csv.DictWriter(dst, fieldnames=lignes[0].keys())
w.writeheader()
w.writerows(lignes)
print(f"{len(lignes)} lignes consolidées")
La colonne « source » garde la trace du fichier d'origine, ce qui sauve du temps quand un chiffre semble faux. Le paramètre newline="" est celui que recommande la documentation de Python pour éviter les lignes vides parasites sous Windows. Dès qu'il faut filtrer, regrouper ou calculer, passez à pandas : notre article sur l'analyse de données avec pandas montre comment.
Lancer le script sans y penser
Un script d'automatisation n'apporte vraiment quelque chose que s'il tourne seul. Sous Windows, le Planificateur de tâches lance un programme selon un déclencheur : une heure fixe, une planification quotidienne ou hebdomadaire, l'ouverture de session ou le démarrage. Créez une tâche qui exécute python (ou py) avec le chemin complet de votre script en argument.
Sous macOS et Linux, cron fait le même travail. Une ligne comme 0 8 * * 1 /usr/bin/python3 /chemin/vers/script.py lance le script chaque lundi à 8 h. Utilisez toujours des chemins absolus : la tâche planifiée ne démarre pas dans le dossier où vous testiez.
Les erreurs qui font tomber un script automatique
Un script lancé à la main plante sous vos yeux. Un script planifié plante en silence. D'où l'intérêt d'entourer les parties fragiles (ouverture de fichier, conversion de nombre, appel réseau) d'un bloc try / except et d'écrire l'erreur dans un fichier journal. La méthode est détaillée dans notre article sur la gestion des erreurs et exceptions en Python.
Autres pièges courants : écrire un mot de passe en clair dans le script (préférez une variable d'environnement), travailler directement sur les fichiers d'origine sans sauvegarde, ou automatiser un site web par des clics simulés alors qu'il propose une API ou un export. L'automatisation d'un navigateur casse à chaque changement de page, et certains sites l'interdisent dans leurs conditions d'utilisation.
Python ou outil no-code ?
Python est très à l'aise avec les fichiers locaux, les traitements de données et les règles métier précises. Pour relier des applications en ligne entre elles (formulaire, CRM, messagerie), un outil comme n8n ou Make est souvent plus rapide à mettre en place et plus simple à maintenir par une équipe qui ne code pas. Les deux approches se combinent bien : un workflow no-code peut déclencher un script Python pour la partie calcul.
Prochaine étape
Choisissez une tâche que vous faites chaque semaine, écrivez sa procédure en cinq lignes, puis adaptez l'un des deux exemples en mode simulation. Pour être accompagné, la formation Python en présentiel orientée automatisation prépare la certification TOSA et est éligible au CPF. Si vous préférez connecter vos outils sans coder, regardez la formation à distance Automatisation n8n et Make.