Les bases NoSQL
Pendant trente ans, « base de données » voulait dire « tables et SQL ». Puis, dans les années 2000, de très grands sites ont eu besoin de stocker plus de données, pour plus de monde, sur plus de machines que ce qu’un seul serveur pouvait gérer, et ils ont inventé d’autres façons de ranger l’information. Elles se regroupent sous un nom un peu trompeur, NoSQL, qui veut dire « pas seulement SQL » (SQL est le langage des bases à tables). Cet article explique pourquoi elles sont nées, quelles sont leurs quatre grandes familles (paires clé-valeur, documents, colonnes larges, graphes), comment elles se répartissent sur plusieurs machines, ce que dit le théorème CAP (le choix entre cohérence et disponibilité quand le réseau coupe), comment choisir sans céder à la mode, et quelles précautions de sécurité elles demandent.
- Rubrique
- Données et IA
- Niveau
- Intermédiaire
- Lecture
- 29 min (essentiel)
31 min (complet) - Révision
- 4 novembre 2026
En bref
- NoSQL (« pas seulement SQL ») regroupe les bases qui ne reposent pas sur des tables liées : paires clé-valeur, documents, colonnes larges, graphes.
- Elles sont nées de besoins précis : des volumes énormes, des millions d’utilisateurs, des données de forme variable, et la possibilité d’ajouter des machines plutôt que d’acheter un serveur toujours plus gros.
- Quand les données sont réparties sur plusieurs machines et que le réseau coupe, le théorème CAP impose de choisir : répondre quand même (au risque d’une réponse un peu périmée) ou refuser de répondre (pour ne jamais mentir).
- NoSQL ne remplace pas le relationnel : pour des données bien structurées qui exigent des garanties strictes, comme une comptabilité, les tables restent le bon choix ; on choisit selon les questions à poser, pas selon la mode.
- Une base NoSQL mal configurée est une cible facile : plusieurs vagues d’attaques ont visé des bases laissées ouvertes sur Internet, sans mot de passe.
Prérequis conseillés : Les bases de données
1Qu’appelle-t-on NoSQL ?
Une base de données est un logiciel qui range des informations et permet de les retrouver rapidement, de façon fiable, même quand beaucoup de monde s’en sert en même temps (voir les bases de données). Pendant longtemps, la quasi-totalité de ces logiciels reposaient sur le modèle relationnel : les données sont rangées dans des tables, reliées par des clés, et interrogées avec le langage SQL (voir le modèle relationnel et le langage SQL).
On appelle NoSQL toutes les bases de données qui s’écartent de ce modèle. Le nom est trompeur sur deux points. Il ne dit pas ce qu’elles sont, seulement ce qu’elles ne sont pas, et il ne veut pas dire « sans SQL » : on le lit « Not only SQL », c’est-à-dire « pas seulement SQL ». Plusieurs bases NoSQL comprennent d’ailleurs un langage d’interrogation proche de SQL, et plusieurs bases relationnelles ont adopté des idées NoSQL. La frontière est floue, et le mot décrit une famille d’outils plutôt qu’une technique unique.
Ce qu’elles ont en commun, c’est un état d’esprit : accepter de renoncer à certaines commodités du relationnel (les jointures libres entre tables, les garanties les plus strictes) pour gagner autre chose (la souplesse des données, la rapidité sur des opérations simples, la capacité à grandir en ajoutant des machines).
1.1D’où vient le mot ?
Le terme existe depuis 1998, quand un informaticien italien, Carlo Strozzi, l’utilise pour une petite base relationnelle qui n’avait pas de langage SQL. Mais le sens actuel date de juin 2009. Un développeur, Johan Oskarsson, organise à San Francisco une rencontre pour parler des nouvelles bases réparties qui apparaissent alors (Cassandra, HBase, MongoDB, Voldemort et d’autres). Il lui faut un nom court et facile à retenir pour l’événement et son mot-dièse ; un participant, Eric Evans, propose « NoSQL ». Le mot s’est répandu bien au-delà de la rencontre, avec le sens de « bases qui ne sont pas des bases relationnelles classiques ».
1.2Deux articles venus des géants du Web
L’histoire commence par deux publications de grandes entreprises. En 2006, Google décrit Bigtable, un système qui stocke des quantités gigantesques de données (index du Web, cartes, courrier) en les répartissant sur des milliers de machines. En 2007, Amazon décrit Dynamo, une base conçue pour que le panier d’achat d’un client reste utilisable même quand une machine ou une partie du réseau tombe en panne : la boutique ne doit jamais refuser de prendre une commande. Ces deux textes ont inspiré presque toutes les bases NoSQL de la décennie suivante : Cassandra reprend le modèle de Bigtable et la répartition de Dynamo ; HBase est une réplique libre de Bigtable ; Riak et Voldemort suivent Dynamo.
Il y a une vingtaine d’années, on ne connaissait presque rien de tout cela : les manuels sur les systèmes de gestion de bases de données présentaient cinq modèles classiques (hiérarchique, réseau, relationnel, déductif, objet) et le relationnel y était le seul qui comptait vraiment. En quelques années, le paysage a changé.
1.3Les besoins à l’origine
- Le volume. Quand les données se comptent en téraoctets (millier de milliards d’octets) ou en pétaoctets (mille téraoctets), elles ne tiennent plus sur une seule machine.
- Le nombre de demandes. Un grand site peut recevoir des centaines de milliers de requêtes par seconde. Un seul serveur ne suit pas.
- La disponibilité. Un site de commerce en ligne perd de l’argent à chaque minute d’arrêt ; il veut continuer à fonctionner même si un serveur, voire un centre de données entier, tombe.
- La variété et le changement. Dans un réseau social ou un catalogue, chaque objet a ses propres champs, et ils changent tous les mois. Modifier la structure d’une énorme table relationnelle est lent et risqué.
- La vitesse sur des opérations simples. Pour afficher un profil, il suffit de lire une fiche. Joindre cinq tables pour cela coûte cher.
1.4Le plan de l’article
La partie 2 compare une même information rangée en tables et en document (figure 1). La partie 3 présente les familles de bases (figure 2). La partie 4 explique comment les données sont réparties sur plusieurs machines. La partie 5 traite du théorème CAP (figure 3) et de la cohérence. La partie 6 aborde les transactions. La partie 7 aide à choisir, la partie 8 donne un panorama des produits et de leurs licences. La partie 9 explique comment modéliser des données pour ces bases. La partie 10 fait le point sur ce qui a changé depuis une quinzaine d’années.
2Une même commande, deux façons de la ranger
Prenons une commande dans une boutique. En relationnel, on la découpe en trois tables : une table des clients, une table des commandes, une table des lignes de commande (un produit et une quantité par ligne). Chaque morceau est rangé à un seul endroit, ce qui évite de recopier les informations. Pour afficher la commande, il faut recoller les trois tables par des jointures.
Dans un modèle document, on range la commande d’un seul tenant : un document qui contient la date, le client, et la liste des lignes à l’intérieur. Pour afficher la commande, on lit un seul document, d’un coup. C’est plus rapide pour cette lecture précise, et plus simple à répartir sur plusieurs machines, puisque tout ce qui concerne une commande est au même endroit.
Le prix à payer est double. D’abord la redondance : si le nom du produit est recopié dans chaque commande, un changement de nom doit être répercuté partout, ou bien assumé (la commande garde le nom tel qu’il était le jour de l’achat, ce qui est d’ailleurs souvent ce que l’on veut). Ensuite la difficulté des questions transversales : « quels sont les dix produits les plus vendus ? » demande de parcourir tous les documents ou de maintenir des structures annexes, là où une requête SQL avec un regroupement suffit.
2.1Le schéma souple
En relationnel, la structure d’une table est fixée à l’avance : toutes les lignes ont les mêmes colonnes (on parle de schéma). Beaucoup de bases NoSQL sont dites sans schéma, ou à schéma souple : deux documents d’une même collection peuvent avoir des champs différents. Un client peut avoir un champ « société », un autre un champ « date de naissance », sans qu’il faille modifier quoi que ce soit.
L’expression « sans schéma » est pourtant trompeuse. Le schéma n’a pas disparu : il est déplacé dans le programme. Le code qui lit la base suppose forcément que tel champ existe et qu’il a tel type. Quand la forme des données change, il faut gérer les anciens documents (ceux qui ont l’ancienne forme) et les nouveaux. On dit plutôt « schéma à la lecture » (le programme interprète ce qu’il lit) par opposition au « schéma à l’écriture » (la base refuse ce qui ne respecte pas la forme). Beaucoup de bases de documents permettent d’ailleurs de déclarer des règles de validation facultatives, pour retrouver une partie de la rigueur du relationnel. Voir XML et JSON pour les formats d’échange que ces bases utilisent.
2.2La dénormalisation assumée
En relationnel, on apprend à éviter la redondance (c’est la normalisation, voir le modèle relationnel). Dans un monde NoSQL, on fait souvent l’inverse : on recopie volontairement des informations, on les regroupe dans un même document pour que la lecture la plus fréquente se fasse en une seule opération. Cette dénormalisation n’est pas un défaut de conception, c’est un choix de conception. On ne modélise plus les données d’abord, les questions ensuite ; on part des questions les plus fréquentes, et l’on range les données pour que chacune soit rapide (partie 9).