Installer scikit-learn sur macOS : guide pas à pas

scikit-learn est l’une des bibliothèques Python les plus utilisées pour le machine learning (classification, régression, clustering, etc.). Sur macOS, l’installation est généralement simple, à condition d’utiliser un environnement Python propre.

Cet article explique pas à pas comment installer scikit-learn sur Mac, même si tu débutes en Python.

1) Vérifier que Python est installé

macOS inclut parfois Python, mais il vaut mieux vérifier la version. Ouvre le Terminal et tape : 


python3 --version

Tu devrais voir quelque chose comme : 


Python 3.10.x

? scikit-learn nécessite Python 3.8 ou plus récent.

Si Python n’est pas installé ou trop ancien, installe-le via python.org ou via Homebrew.

2) (Recommandé) Créer un environnement virtuel

Un environnement virtuel permet d’installer des bibliothèques sans casser le Python du système. C’est une bonne pratique essentielle. 


python3 -m venv venv

Puis active-le : 


source venv/bin/activate

Tu verras généralement (venv) au début de la ligne du terminal.

3) Mettre pip à jour

Avant d’installer scikit-learn, mets à jour pip : 


pip install --upgrade pip

4) Installer scikit-learn avec pip

Une fois l’environnement activé : 


pip install scikit-learn

pip va automatiquement installer :

  • scikit-learn
  • numpy
  • scipy
  • joblib
  • threadpoolctl

Ces dépendances sont nécessaires au bon fonctionnement de la librairie.

5) Vérifier que l’installation fonctionne

Lance Python : 


python

Puis tape : 


import sklearn
print(sklearn.__version__)

Si aucun message d’erreur n’apparaît, scikit-learn est correctement installé.

6) Alternative : installer avec Conda (Anaconda / Miniconda)

Si tu utilises Anaconda ou Miniconda, l’installation est encore plus simple : 


conda install scikit-learn

Avantages de Conda :

  • gestion automatique des dépendances natives (C/C++),
  • moins de problèmes de compilation,
  • souvent recommandé pour la data science.

7) Problèmes courants et solutions

7.1 Erreurs de compilation

Si pip essaie de compiler des dépendances et échoue, assure-toi que les outils de développement sont installés : 


xcode-select --install

7.2 Mauvais pip / mauvais Python

Si l’import échoue après installation :

  • vérifie que pip et python pointent vers le même environnement,
  • utilise pip3 si nécessaire,
  • réactive l’environnement virtuel.

7.3 Mac Apple Silicon (M1 / M2 / M3)

scikit-learn est entièrement compatible avec Apple Silicon. En cas de souci, privilégie :

  • Python récent (3.10+),
  • pip à jour,
  • ou Conda.

8) Installation minimale pour commencer

Pour débuter rapidement en machine learning : 


pip install numpy pandas scikit-learn matplotlib

Cela couvre la majorité des besoins de base.

Conclusion

Installer scikit-learn sur macOS est simple si tu respectes quelques règles :

  • utiliser Python 3 récent,
  • travailler dans un environnement virtuel,
  • installer via pip ou conda.

Une fois installé, tu peux commencer à explorer les algorithmes de machine learning les plus utilisés (régression, classification, clustering) directement en Python.