Une organisation accumule ses données un peu partout : un logiciel de gestion ici, un site web là, des fichiers, des capteurs, des outils métier. Tant qu'on veut juste faire tourner chaque application, cela suffit. Mais dès qu'on cherche à comprendre — quelles ventes par région, quels usages, quelles tendances — il faut rassembler tout cela en un endroit pensé pour l'analyse. Deux grandes réponses existent : le data warehouse et le data lake. L'entrepôt et le lac. Deux images qui disent presque tout.
Centraliser ses données pour les analyser est puissant — et engageant. Plus on rassemble, plus on doit veiller à la sécurité, à la gouvernance et au respect des personnes concernées.
Le besoinPourquoi centraliser
Les données de production servent à faire tourner l'activité au quotidien. Les analyser directement dessus serait risqué (on ralentirait les applications) et difficile (les données sont éparpillées, hétérogènes). D'où l'idée d'un espace séparé, dédié à l'analyse, où l'on rassemble des copies de tout ce qui compte.
Deux philosophies s'affrontent alors : ranger avant de stocker (l'entrepôt), ou tout stocker et ranger plus tard (le lac).
L'entrepôtLe data warehouse : tout est rangé
Un data warehouse (entrepôt de données) est un espace où les données sont nettoyées, structurées et organisées avant d'être stockées. On définit à l'avance les rayonnages — comme un entrepôt logistique où chaque produit a sa place étiquetée.
- Données structurées, principalement issues de bases relationnelles.
- Schéma défini en amont : on sait ce qu'on range et comment.
- Interrogation en SQL, rapide et fiable pour les rapports.
- Idéal pour : tableaux de bord, reporting financier, indicateurs métier.
On parle parfois d'approche « ranger d'abord, analyser ensuite ». L'effort de mise en ordre est fait à l'entrée ; en échange, l'analyse est nette et performante.
Le lacLe data lake : tout est versé brut
Un data lake (lac de données) prend le parti inverse : on y déverse les données telles quelles, dans leur format d'origine, sans les ranger d'abord. Textes, images, journaux, fichiers, flux de capteurs — tout cohabite dans un grand réservoir.
- Données de tout type : structurées, semi-structurées, brutes.
- Pas de schéma imposé à l'entrée : on range au moment d'analyser.
- Très grands volumes, stockage économique.
- Idéal pour : exploration, science des données, apprentissage automatique.
Un lac sans gouvernance se transforme vite en « data swamp » (marécage) : un dépotoir de données qu'on ne sait plus exploiter ni même retrouver. La souplesse du lac exige, en contrepartie, une discipline de catalogage et de qualité.
Le face-à-faceEntrepôt contre lac
| Critère | Data warehouse | Data lake |
|---|---|---|
| Données | Structurées, nettoyées | Tout format, brutes |
| Quand on range | Avant le stockage | Au moment d'analyser |
| Public | Analystes métier, dirigeants | Data scientists, ingénieurs |
| Usage type | Tableaux de bord, reporting | Exploration, IA, gros volumes |
| Coût de stockage | Plus élevé | Plus économique |
| Risque principal | Rigidité | Devenir un marécage |
La réalitéSouvent les deux à la fois
Dans la pratique, beaucoup d'organisations utilisent les deux en complément. Le lac sert de réservoir où tout arrive ; on y puise pour alimenter un entrepôt bien rangé qui sert le reporting quotidien. Une approche plus récente, parfois appelée lakehouse, cherche d'ailleurs à réunir le meilleur des deux : la souplesse du lac et la rigueur de l'entrepôt.
On résume souvent la chaîne ainsi : les données sont extraites des sources, transformées (nettoyées, mises en forme) et chargées dans l'entrepôt ou le lac. C'est ce qu'on appelle un processus d'intégration de données — l'étape invisible mais cruciale de toute analyse.
SouverainetéCentraliser sans tout exposer
Rassembler ses données au même endroit décuple leur valeur — et leur sensibilité. Un entrepôt ou un lac concentre potentiellement des informations personnelles : il devient une cible et un sujet de conformité. Quelques principes s'imposent :
- Minimiser : ne centraliser que ce qui sert réellement à l'analyse.
- Gouverner : savoir ce qu'on stocke, d'où ça vient, qui y accède.
- Protéger : chiffrement, contrôle d'accès, journalisation.
- Respecter le RGPD : une analyse d'impact peut être nécessaire si l'on traite des données personnelles à grande échelle.
- On centralise les données pour les analyser, à part de la production
- Data warehouse = on range avant de stocker (structuré, reporting)
- Data lake = on stocke brut, on range à l'analyse (volume, exploration)
- Le lac sans gouvernance devient un marécage inexploitable
- Les deux cohabitent souvent ; le « lakehouse » tente de les fusionner
- Chaîne type : extraire, transformer, charger
- Centraliser concentre la valeur et le risque : gouvernance et RGPD
Pour finirLa bonne échelle pour le bon besoin
Entrepôt ou lac, la vraie question reste : que veut-on en faire ? Pour piloter une activité avec des tableaux de bord clairs, l'entrepôt structuré suffit largement. Pour explorer, expérimenter, nourrir des modèles d'IA, le lac prend tout son sens. Et pour la plupart des petites structures, un entrepôt sobre — voire une simple base bien tenue — répond déjà à l'essentiel.
Ces architectures s'appuient sur les fondamentaux du SQL et des bases de données. Pour la restitution, voir notre repère sur la business intelligence. Les ateliers Domus de NUMOA aident à dimensionner une architecture data à sa juste échelle.