Jupyter continue d'évoluer tous les jours, avec notamment une très bonne intégration aujourd'hui du langage R (pour infos, il y a plus de 50 langages intégrés par jupyter). Et si vous avez du mal à vous décider entre R et python pour vos analyses, faites comme ici et utiliser les deux ! À voir de ce côté pour l'utilisation de R et sa transformation en slide si besoin (quand je vous dis qu'on peut tout faire avec Jupyter...) : https://www.continuum.io/blog/developer/jupyter-and-conda-r
À noter aussi pour ceux que ça intéresse un projet intéressant, jupyterhub : https://github.com/jupyter/jupyterhub qui permet d'avoir un serveur jupyter multi-utilisateurs, chacun pouvant être relié à un user unix et à un répertoire de données. C'est ce qui me montre que jupyter commence à être assez mature pour être mis dans un système en production désormais (ce que l'on commence à faire chez des clients où on implémente des datalakes, avec de la donnée stockée et des notebooks jupyter dans différents langages pour interréagir avec, le tout parfois mixé à du docker)

Une série d'outils en ligne de commande que j'ai trouvé grâce à l'article précédent. Extrêmement pratique (avec notamment une commande pour visualiser un csv en console de manière propre et simple, chose qui m'avait pas mal énervé car les outils que j'avais trouvé étaient tous des tableurs donc un peu trop complexes à mon goût, cf sc).