Kaggle : comment débuter en data science avec des projets concrets ?

Kaggle est une plateforme gratuite de data science et de machine learning qui permet de trouver des jeux de données, d’exécuter du code Python ou R dans son navigateur et de participer à des compétitions d’intelligence artificielle. Elle propose aussi des cours et des projets réalisés par sa communauté.

Pas besoin d’installer un logiciel ni de posséder un ordinateur puissant pour commencer. Vous pouvez récupérer des données, ouvrir un notebook et entraîner votre premier modèle directement en ligne. Voici comment passer de la découverte de Kaggle à un projet concret, avec l’exemple du Titanic.

Qu’est-ce que Kaggle et à quoi sert cette plateforme ?

Fondée en 2010, Kaggle a rejoint Google en 2017 tout en conservant sa propre identité. En octobre 2026, la plateforme affiche plus de 34 millions de membres, 760 000 jeux de données publics et 1,9 million de notebooks publics.

Son intérêt tient à la réunion de plusieurs outils dans un même environnement. Un étudiant y trouve des données pour son mémoire. Un développeur teste un algorithme sans configurer son ordinateur. Un professionnel découvre comment d’autres personnes résolvent un problème de classification ou d’analyse de données.

Le menu principal donne accès à Datasets, Code, Competitions, Models, Discussions et Learn. Les quatre premiers usages à connaître sont les suivants :

Rubrique	Ce qu’on y fait
Datasets	Trouver et télécharger des jeux de données.
Code	Créer, exécuter et partager des notebooks.
Competitions	Résoudre des défis et comparer ses prédictions.
Learn	Suivre des cours gratuits de programmation et de data science.

Kaggle accueille aussi des modèles d’IA et un forum de discussion. Vous n’avez pas besoin de tout explorer immédiatement. Commencez par les données et les notebooks : c’est là que vous apprendrez à manipuler vos premiers fichiers.

Créer son compte et découvrir l’interface

L’inscription se fait avec un compte Google ou une adresse e-mail classique. Gmail n’est donc pas obligatoire. Une fois connecté, vous retrouvez les différentes rubriques dans le menu principal.

Si vous envisagez d’utiliser un GPU, rendez-vous dans les paramètres du compte et cherchez « Phone Verification ». En 2020, l’équipe de Kaggle indiquait qu’elle était nécessaire pour utiliser cette ressource. Autant la réaliser dès le départ si vous prévoyez des calculs exigeants.

Quelques règles encadrent l’inscription : Kaggle est interdit aux moins de 13 ans, les utilisateurs de 13 à 16 ans doivent disposer d’un accord parental vérifiable et chaque personne ne peut posséder qu’un seul compte. Les mineurs ont également besoin d’une autorisation parentale pour participer aux compétitions.

Kaggle Datasets : trouver et exploiter des jeux de données

Un dataset est un ensemble de données organisé pour être analysé. Il peut contenir des chiffres, du texte, des images ou des observations scientifiques. Sur Kaggle, ces fichiers sont publiés par les membres et accompagnés de descriptions, de licences et parfois de notebooks montrant comment les utiliser.

Imaginons un étudiant en master à Rabat qui prépare un mémoire sur l’évolution des résultats du football international. Dans Datasets, il recherche « international football results » et découvre un jeu recensant plus de 49 000 matchs, de 1872 à 2026. Le fichier pèse environ 1 Mo : il peut commencer son analyse sans constituer lui-même toute la base.

Comment choisir et télécharger un dataset ?

Dans la rubrique Datasets, saisissez un sujet en anglais. Les résultats sont triés par défaut selon le critère « Hotness », mais vous pouvez aussi privilégier les votes, la nouveauté, les mises à jour ou la note « Usability ».

Les filtres permettent d’affiner la recherche selon la taille, le format CSV, JSON ou SQLite, les licences et les tags. La note Usability, calculée sur 10, reflète notamment la documentation, les métadonnées et les fichiers disponibles. Kaggle n’en publie pas la formule exacte.

Pour récupérer un jeu, ouvrez sa fiche puis utilisez le bouton de téléchargement. Vous obtenez une archive contenant ses fichiers. Un CSV peut ensuite être ouvert dans Excel, Power BI ou Python.

Vérifiez toujours la licence avant de réutiliser les données. Certains jeux sont publiés sous CC0, d’autres sous Creative Commons, GNU, ODC ou une licence particulière. Leur présence sur Kaggle n’autorise pas automatiquement une exploitation commerciale.

Apprendre grâce aux notebooks des autres

Avant de créer une analyse, regardez les notebooks associés au dataset. Vous y trouverez souvent des méthodes de nettoyage et des visualisations, parfois un modèle déjà au point.

Un débutant ouvre par exemple un notebook public consacré au jeu Iris, clique sur « Copy & Edit », puis exécute sa propre copie en deux minutes. Il peut ensuite modifier une variable et observer le résultat. Cette méthode évite de commencer devant une page blanche.

Programmer en Python dans un notebook

Les notebooks sont des documents interactifs composés de cellules de code et de texte. Ils permettent d’écrire un programme, de l’exécuter par étapes et d’afficher les résultats dans la même page.

Pour en créer un, ouvrez Code puis « New Notebook », ou utilisez le bouton « Create ». Kaggle prépare une première cellule important les bibliothèques NumPy et Pandas et affichant les fichiers disponibles dans /kaggle/input/.

Pour ajouter vos données, cliquez sur « Add Input », recherchez le dataset souhaité, puis sur « + ». Les fichiers deviennent accessibles dans le dossier /kaggle/input/.

La combinaison Maj + Entrée exécute une cellule. La première exécution prend un peu plus de temps, car la session doit démarrer. Respectez ensuite l’ordre des cellules : si vous utilisez une variable avant de l’avoir définie, Python affiche une erreur du type « name … is not defined ».

Vous pouvez conserver le notebook en privé, le partager avec des collaborateurs ou le publier. « Save Version » enregistre votre travail, que vous retrouverez dans « Your Work ». Les fichiers produits dans /kaggle/working/ peuvent être conservés jusqu’à 20 Go ; les autres fichiers temporaires disparaissent à la fin de la session.

Un détail de vocabulaire : Kaggle appelait autrefois ces notebooks des « kernels ». Si vous rencontrez l’expression « Kaggle kernel » dans un ancien tutoriel, elle désigne cet environnement de programmation.

GPU gratuit : quand faut-il l’activer ?

Un développeur veut entraîner un modèle capable de reconnaître des fruits sur des photographies. Il trouve le dataset Fruits-360, qui contient 190 876 images, mais son ordinateur ne possède pas de carte graphique adaptée à ce travail.

Dans son notebook, il active un accélérateur GPU. Kaggle met gratuitement à disposition une NVIDIA Tesla P100 ou deux NVIDIA T4, avec un quota allant jusqu’à 30 heures par semaine, parfois davantage selon la demande. Une attente est possible lorsque les ressources sont très sollicitées.

Les sessions CPU et GPU durent au maximum 12 heures. Des TPU v3-8 sont également proposés, avec 20 heures hebdomadaires et des sessions limitées à 9 heures.

Attention toutefois : un GPU ne rend pas automatiquement tous les programmes plus rapides. Il est surtout intéressant pour des bibliothèques comme TensorFlow ou PyTorch. Pour une analyse Pandas ou un modèle classique scikit-learn, gardez le CPU. Pensez aussi à arrêter votre session lorsque vous avez terminé.

Kaggle ou Google Colab : lequel choisir ?

Les deux services exécutent du code dans le navigateur, sans installation. Leur différence tient surtout à leur environnement de travail : Kaggle privilégie les données partagées et les compétitions, tandis que Google Colab s’intègre davantage à Google Drive.

Critère	Kaggle	Google Colab
Accès	Compte Google ou e-mail	Compte Google
Installation	Aucune	Aucune
Stockage des notebooks	Espace Kaggle, Your Work	Google Drive
Données	Datasets et compétitions intégrés	Notebooks dans Drive, ouverture depuis GitHub
GPU gratuit	Modèles et quotas publiés	Disponibilité variable, modèles non garantis
Durée des sessions gratuites	12 h maximum en CPU/GPU	12 h maximum selon disponibilité
Tarifs	Aucune offre payante	Gratuit ; Pro à 9,99 $/mois, Pro+ à 49,99 $/mois (octobre 2026)
Communauté	Votes, notebooks publics, forum et compétitions	Partage et collaboration autour des notebooks

Pour analyser des données publiques ou participer à des concours, Kaggle est le choix naturel. Pour des projets organisés autour de Drive, Colab est plus pratique. Rien n’empêche d’utiliser les deux.

Kaggle Competitions : apprendre en relevant des défis

Une compétition Kaggle propose un problème, des données et une méthode d’évaluation. Les participants construisent un modèle, produisent des prédictions et les soumettent pour obtenir un score.

Les catégories « Getting Started » et « Playground » sont adaptées à l’entraînement. Les compétitions « Featured » proposent des défis plus ambitieux, parfois dotés de récompenses financières. Il existe également des concours scientifiques « Research », des compétitions communautaires et des hackathons.

Le déroulement est assez simple : vous acceptez les règles dans l’onglet Rules, récupérez les données, entraînez votre modèle puis soumettez un fichier CSV. Certaines compétitions demandent plutôt de remettre directement un notebook exécutable.

Les participants apparaissent dans un classement public calculé sur une partie des données de test. Le classement privé, établi sur les données restantes, détermine le résultat final. Un modèle excellent sur le classement public peut perdre des places s’il s’est trop adapté à cette première évaluation.

Pour commencer, mieux vaut comprendre une solution existante que rechercher immédiatement une médaille. Les notebooks et les explications publiés par les autres concurrents constituent une excellente matière d’apprentissage. Hocine Tedjani, qui publie des vidéos sur la data science sur YouTube, participe d’ailleurs peu aux compétitions et préfère étudier les solutions publiées par les autres.

Kaggle Titanic : réaliser son premier projet de machine learning

La compétition Titanic est un exercice « Getting Started » sans date de fin. Son objectif : prédire quels passagers ont survécu au naufrage à partir d’informations comme leur sexe, leur classe et leur situation familiale.

Le fichier train.csv contient 891 passagers dont on connaît le sort. Le fichier test.csv rassemble 418 autres passagers pour lesquels il faut prédire la survie.

Le tutoriel officiel montre que 74 % des passagères du jeu d’entraînement ont survécu, contre 19 % des passagers. Le sexe pèse donc lourd, et le modèle du tutoriel l’associe à trois autres colonnes.

Entraîner une forêt aléatoire avec Python

Rejoignez la compétition, acceptez les règles, ouvrez l’onglet Code et créez un notebook. Les données Titanic sont déjà associées à cet environnement.

Collez ensuite ce programme dans une cellule :

import pandas as pd
from sklearn.ensemble import RandomForestClassifier

train = pd.read_csv("/kaggle/input/titanic/train.csv")
test = pd.read_csv("/kaggle/input/titanic/test.csv")

colonnes = ["Pclass", "Sex", "SibSp", "Parch"]
X = pd.get_dummies(train[colonnes])
X_test = pd.get_dummies(test[colonnes])
y = train["Survived"]

modele = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=1)
modele.fit(X, y)
predictions = modele.predict(X_test)

pd.DataFrame({"PassengerId": test.PassengerId, "Survived": predictions}).to_csv("submission.csv", index=False)

Le programme sélectionne quatre caractéristiques : la classe du billet, le sexe, le nombre de frères, sœurs ou conjoints à bord et celui des parents ou enfants. Il transforme les catégories en colonnes numériques, puis entraîne une forêt aléatoire sur les passagers dont la survie est connue.

Le modèle prédit ensuite le sort des 418 passagers du fichier de test et crée submission.csv, avec les colonnes PassengerId et Survived. La valeur 1 signifie que le passager a survécu, 0 qu’il n’a pas survécu.

Soumettre les prédictions et comprendre son score

Exécutez le code, puis utilisez « Save Version » avec une exécution complète. Une fois le fichier généré, soumettez submission.csv à la compétition.

Kaggle évalue les prédictions avec l’accuracy, c’est-à-dire la proportion de passagers correctement classés. Vous disposez de 10 soumissions quotidiennes pour Titanic.

Votre premier score sert de point de départ. Essayez ensuite d’améliorer la préparation des données, d’ajouter des caractéristiques ou de comparer plusieurs modèles. C’est en observant les changements de résultat que l’exercice devient instructif.

Continuer à progresser avec les cours gratuits

La rubrique Learn propose 17 cours gratuits avec certificat, entièrement en anglais. Pour débuter, suivez Python, puis Pandas et Intro to Machine Learning. Les formations Data Visualization, SQL et Deep Learning permettent ensuite d’approfondir des compétences spécifiques.

Un parcours efficace consiste à alterner cours courts et projets personnels. Si vous envisagez de devenir data scientist avec Python, cette pratique régulière complète les bases théoriques. Vous pouvez aussi consulter des livres pour apprendre Python et découvrir pourquoi se former en data science ouvre différentes perspectives professionnelles.

La communauté valorise les contributions dans trois pistes : Competitions, Datasets et Code. Les niveaux Expert, Master et Grandmaster récompensent les réalisations reconnues. Mais publier un notebook clair, que d’autres pourront reprendre, reste un objectif plus formateur que la seule recherche d’un classement.

Utiliser l’API pour automatiser les téléchargements

L’API Kaggle évite de télécharger manuellement chaque fichier depuis le navigateur. Avec Python 3.11 ou une version plus récente, installez le paquet grâce à pip install kaggle, puis créez un jeton dans les réglages de votre compte et authentifiez-vous avec kaggle auth login.

Ces commandes permettent de récupérer les fichiers Titanic, de soumettre un résultat ou de télécharger le dataset Iris :

kaggle competitions download -c titanic
kaggle competitions submit titanic -f submission.csv -m "premier essai"
kaggle datasets download -d uciml/iris --unzip

Pour travailler directement en Python, la bibliothèque kagglehub constitue une autre possibilité. Dans tous les cas, ne publiez jamais vos clés d’API en clair dans un notebook public : utilisez le gestionnaire « Secrets » de Kaggle.

Questions fréquentes

La plateforme est-elle entièrement gratuite ?

Oui. Les notebooks, les cours et les ressources de calcul proposées par Kaggle sont gratuits. L’utilisation des GPU et TPU reste soumise à des quotas et à la disponibilité des machines. En octobre 2026, Kaggle ne vendait aucun abonnement.

Existe-t-il une version en français ?

Non. En octobre 2026, l’interface, les cours et le forum sont en anglais. Il existe toutefois des tutoriels francophones pour accompagner les premières manipulations.

Faut-il connaître Python pour commencer ?

Non pour consulter ou télécharger des datasets. En revanche, Python devient vite indispensable pour analyser les fichiers ou entraîner un modèle. Les cours gratuits permettent d’acquérir progressivement les bases nécessaires.