Aller au contenu
Encyclopédie informatique Édition 2026

Les plateformes de données modernes : lacs, entrepôts et lakehouse

Une entreprise produit des données partout : ventes, journaux de connexion, capteurs, courriels, images. Pour en tirer des enseignements, il faut les réunir quelque part et pouvoir les interroger vite, sans gêner les logiciels qui font tourner l’activité au quotidien. Deux grandes réponses ont existé : l’entrepôt de données, très ordonné mais cher et rigide, et le lac de données, souple et bon marché mais vite désordonné. Depuis quelques années, un troisième modèle, le lakehouse, ajoute au lac une couche qui apporte de la fiabilité. Cet article explique ces trois modèles, les formats de fichiers qui les rendent possibles, la façon de faire circuler et de contrôler les données, les risques de sécurité et de vie privée, et comment choisir sans se laisser entraîner par les modes.

Rubrique
Données et IA
Niveau
Intermédiaire
Lecture
16 min (essentiel)
18 min (complet)
Révision
4 novembre 2026
Niveau de lecture :

En bref

  • Un entrepôt de données est une base faite pour l’analyse : données propres, tables bien définies, interrogation en SQL (le langage des bases de données) ; fiable, mais cher et rigide.
  • Un lac de données est un stockage bon marché où l’on dépose des fichiers tels quels ; souple, mais sans garde-fou, il finit souvent en « marécage » où plus personne ne s’y retrouve.
  • Le lakehouse garde les fichiers ouverts du lac et ajoute une couche de tables avec transactions (opérations tout ou rien) et historique : les atouts de l’entrepôt sans l’enfermer chez un fournisseur.
  • Le format de fichier compte beaucoup : en rangeant les données colonne par colonne (Parquet), on lit seulement ce dont on a besoin, et on compresse mieux.
  • Quel que soit le modèle, le plus difficile reste la gouvernance : qui peut lire quoi, d’où vient chaque donnée, comment effacer celles que la loi ou un client demande d’effacer.

Prérequis conseillés : Les bases de données

1Pourquoi séparer l’analyse du reste

Prenez une boutique en ligne. Son logiciel de gestion enregistre chaque commande, met à jour les stocks, encaisse les paiements. Il traite des milliers de petites opérations rapides, chacune touchant quelques lignes : « ajouter cette commande », « changer cette adresse ». On appelle cela le traitement transactionnel (on dit aussi OLTP, de l’anglais « online transaction processing »). Les bases de données décrites dans l’article sur les bases de données sont d’abord faites pour cela.

Maintenant, la direction pose une autre sorte de question : « Quelles ont été nos ventes par région et par mois depuis trois ans ? Quels produits sont souvent achetés ensemble ? » Ici, une seule requête parcourt des millions de lignes, mais ne s’intéresse qu’à quelques colonnes. C’est l’analytique (on dit aussi OLAP, « online analytical processing »). Si l’on lance une telle requête sur la base qui sert la boutique, on la ralentit pour tout le monde, parfois jusqu’à la bloquer.

La solution classique est donc de copier les données vers un endroit séparé, conçu pour l’analyse. Toute l’histoire des plateformes de données tient dans la façon de construire cet endroit.

1.1Trois besoins différents Il faut distinguer trois besoins, car ils expliquent les choix techniques : - les rapports et tableaux de bord : des chiffres fiables, les mêmes pour tout le monde, interrogés en SQL ; - l’exploration : des analystes qui fouillent des données variées, parfois peu nettoyées, pour y chercher des pistes ; - l’apprentissage automatique : des programmes qui s’entraînent sur de grands volumes de données, souvent des fichiers, des textes ou des images (voir l’apprentissage automatique).

Une même plateforme essaie de servir les trois, ce qui est plus difficile qu’il n’y paraît.

2L’entrepôt de données : l’ordre d’abord

Un entrepôt de données (en anglais data warehouse) est une base de données réservée à l’analyse. L’idée remonte aux années 1980-1990 : on y rassemble, depuis plusieurs logiciels de l’entreprise, des données nettoyées et mises en forme avant d’y entrer.

2.1Le schéma décidé d’avance Dans un entrepôt, chaque table a un schéma : la liste de ses colonnes et de leur type (nombre, date, texte). Une donnée qui ne respecte pas le schéma est refusée ou corrigée à l’entrée. On parle de schéma à l’écriture. Le travail est lourd au départ, mais il garantit que tout ce qui est dans l’entrepôt est cohérent.

Pour faciliter les questions des analystes, on organise souvent les tables en étoile : au centre une table de « faits » (chaque vente, avec son montant), autour des tables de « dimensions » (le produit, le client, la date, le magasin). Une question comme « ventes par région et par mois » devient alors une simple jointure entre la table centrale et deux dimensions.

2.2Du déplacement des données : ETL Pour remplir l’entrepôt, on utilise des programmes qui suivent trois temps : extraire les données des logiciels d’origine, les transformer (nettoyer, convertir, regrouper), puis les charger dans l’entrepôt. D’où le sigle ETL, pour « extract, transform, load ».

2.3Ce que les entrepôts font bien et mal Les entrepôts sont rapides, fiables, et on les interroge en SQL (le langage décrit dans l’article sur SQL). Les services modernes dans le nuage (Snowflake, Google BigQuery, Amazon Redshift, entre autres) ont même supprimé la plupart des soucis d’installation. Mais ils ont trois limites : - ils conviennent mal aux données qui n’ont pas de forme de tableau : textes libres, images, sons, journaux d’événements variés ; - ils sont chers quand les volumes deviennent énormes, car le stockage est facturé au prix fort ; - leurs données sont souvent rangées dans un format propre au fournisseur : en changer demande de tout exporter.

3Le lac de données : le stockage d’abord

Vers 2010, deux évolutions changent la donne. D’une part, les entreprises veulent garder des données qui ne rentrent pas dans des tableaux : journaux d’activité des sites, messages, photos. D’autre part, le stockage devient très bon marché grâce aux services de stockage d’objets du nuage (Amazon S3, Azure Blob Storage, Google Cloud Storage) : on y dépose des fichiers, en quantité quasi illimitée, pour une fraction du prix d’un entrepôt. (Un objet est simplement un fichier avec un nom et des informations associées ; voir l’informatique en nuage.)

En 2010, un ingénieur nommé James Dixon, alors chez la société Pentaho, propose l’image du lac de données (data lake) : à l’inverse d’une eau en bouteille, nettoyée et empaquetée, le lac reçoit l’eau telle qu’elle vient des rivières, et chacun y puise ce dont il a besoin.

3.1Le schéma à la lecture Dans un lac, on dépose les fichiers tels quels. C’est au moment de les lire que l’on décide comment les interpréter : on parle de schéma à la lecture. On gagne en souplesse : on stocke d’abord, on réfléchit ensuite. On gagne aussi en coût, et l’on peut garder des données dont on n’a pas encore l’usage.

Ce changement porte un nom : on passe souvent de l’ETL à l’ELT (extraire, charger, puis transformer). On charge les données brutes dans le lac, et on les transforme plus tard, avec la puissance de calcul disponible, quand on sait ce qu’on veut en faire.

3.2Le marécage Le risque est connu : sans règles, le lac devient un marécage (data swamp). Des fichiers dont personne ne sait plus d’où ils viennent, plusieurs versions du même jeu de données, des colonnes renommées sans prévenir, aucun moyen de savoir si un chiffre est fiable. Un lac a aussi de vraies faiblesses techniques : - pas de transactions : si deux programmes écrivent en même temps, ou si un programme s’arrête à mi-chemin, le lac peut contenir des fichiers à moitié écrits que les lecteurs verront ; - pas de modification fine : pour corriger une ligne dans un fichier, il faut réécrire le fichier entier ; - pas d’historique : une fois un fichier remplacé, l’ancienne version a disparu ; - peu de contrôle d’accès : les droits se règlent par dossier, pas par colonne ou par ligne.

Beaucoup d’équipes ont donc fini avec deux systèmes : un lac pour garder les données brutes et entraîner des modèles, et un entrepôt pour les rapports. Il fallait copier de l’un à l’autre, ce qui coûte cher et crée des écarts entre les chiffres.