Preuve empirique en pratique : mesurez le temps d'exécution à l'aide de benchmarks reproductibles. Trois comparaisons directes entre Python et Rust — la compréhension de liste vers l'itérateur, la recherche dans un dictionnaire vers HashMap, et sorted() vers sort_unstable — vous permettent d'analyser les résultats des tests de performance, de contrôler le bruit et de déterminer quand les gains de vitesse mesurés sont réels et quand ils ne sont que des artefacts.

La preuve structurelle en pratique : utiliser le système de types pour empêcher la compilation de programmes incorrects. En convertissant Optional[T] en Option<T>, try/except en Result<T,E> et les machines à états ad hoc en énumérations Rust, les erreurs d'exécution sont transformées en erreurs de compilation — une garantie structurelle qu'aucun test de performance ne peut réfuter.

Traduction ayant des implications sur l'exécution : chaque traduction de ce module remplace une construction Python (générateurs, appels à des sous-processus, boucles parallèles) par un équivalent Rust offrant des garanties différentes en termes d'exécution — profil mémoire, surface d'erreur, modèle de parallélisme — et ne se limitant pas à être « la même chose, mais plus rapide ».

Projet de fin d'études : mettez en pratique les trois modes de démonstration dans le cadre d'une traduction réelle. Deux études de cas — un guide pratique complet couvrant les trois modes, et un exemple ciblé illustrant « quand NE PAS traduire » — vous permettront d'affiner votre capacité à déterminer quand un portage de Python vers Rust est rentable et quand il ne ferait qu'engendrer des coûts sans apporter d'avantage mesurable.