Les limites des équipes data centralisées
Au cours de la dernière décennie, le modèle dominant de gestion des données en entreprise a été la centralisation : une équipe data unique reçoit les demandes de toute l’organisation, ingère les données de tous les systèmes et fournit l’analytique à tous les services. Ce modèle se justifie tant que l’organisation est petite et que les données ne sont pas critiques pour l’activité.
Quand l’entreprise grandit, que les données deviennent un actif stratégique et que les demandes d’analyse se multiplient, l’équipe centrale devient un goulot d’étranglement. Les demandes s’accumulent, les délais s’allongent et les équipes métier finissent par créer leurs propres solutions en silos, ce qui aggrave le problème initial.
Le Data Mesh est la réponse architecturale et organisationnelle à ce problème.
Qu’est-ce que le Data Mesh
Le Data Mesh, concept formalisé par Zhamak Dehghani, repose sur quatre principes fondamentaux :
-
Responsabilité des données par domaine : chaque domaine métier (ventes, production, finance, logistique) est responsable de ses propres données comme s’il s’agissait d’un produit. L’équipe commerciale n’attend pas que l’équipe data centrale traite ses données ; elle les gouverne, les publie et les maintient elle-même.
-
Les données comme produit : chaque domaine publie ses données avec le même soin pour la qualité, la documentation et l’accessibilité que celui qu’il accorderait à un produit logiciel. Les utilisateurs internes peuvent s’y fier.
-
Infrastructure en libre-service : une plateforme de données centralisée fournit les outils, les pipelines et les capacités de stockage dont les domaines ont besoin, sans qu’ils aient à la construire eux-mêmes.
-
Gouvernance fédérée : un ensemble de normes communes (sécurité, confidentialité, interopérabilité) s’applique à tous les domaines, qui restent autonomes dans ce cadre.
Qu’est-ce que le Data Fabric et en quoi est-il différent
Le Data Fabric est une approche architecturale complémentaire qui part d’un autre postulat : au lieu de réorganiser la responsabilité des données par domaine, il relie des sources hétérogènes au moyen de métadonnées actives et de graphes de connaissances, créant une couche d’intégration intelligente.
Le Data Mesh est avant tout un changement d’organisation et de responsabilités ; le Data Fabric est avant tout un changement technologique, qui s’appuie sur des catalogues de métadonnées, des moteurs d’intégration et une sémantique partagée pour rendre les données de différents systèmes accessibles et exploitables sans les déplacer.
Les deux approches ne s’excluent pas : de nombreuses organisations adoptent les principes du Data Mesh dans leur modèle opérationnel et des technologies de Data Fabric pour résoudre l’intégration technique.
Quand chaque approche a du sens pour l’entreprise
Le Data Mesh convient lorsque :
- L’entreprise compte plusieurs divisions ou unités métier disposant de leurs propres équipes techniques.
- L’équipe data centrale ne parvient plus à répondre à la demande croissante d’analyses.
- Les domaines métier ont une maturité technique suffisante pour gérer leurs propres données.
Le Data Fabric convient lorsque :
- L’entreprise doit intégrer les données de nombreux systèmes hétérogènes sans réorganisation structurelle.
- Les données sont très dispersées géographiquement ou réparties sur plusieurs clouds.
- La priorité est l’accessibilité et la découverte des données plutôt que leur responsabilité.
Pour les groupes qui réunissent plusieurs sociétés ou divisions, une architecture Data Mesh peut transformer la relation entre les équipes data et les métiers. Pour les entreprises dotées d’une grande variété de systèmes hérités, le Data Fabric peut servir de passerelle vers une plateforme de données plus cohérente.
Une mise en œuvre progressive : ce n’est pas tout ou rien
Ni le Data Mesh ni le Data Fabric n’exigent une transformation radicale dès le premier jour. La voie la plus pragmatique consiste à identifier les domaines de données les plus matures et les plus sollicités, à établir avec eux le modèle de produit de données, puis à étendre progressivement ces principes au reste de l’organisation.
Chez AIRES, nous aidons les entreprises à évaluer l’approche qui correspond à leur structure, à leur maturité data et à leurs objectifs métier, et nous concevons une feuille de route qui limite le risque de la transition.
Questions fréquentes
Le Data Mesh est-il réservé aux grandes entreprises ? Non, même s’il est plus courant dans les grandes organisations. Le principe de responsabilité par domaine s’applique à toute entreprise comptant plus de deux ou trois domaines métier distincts. C’est la complexité de la mise en œuvre qui change. Une ETI peut adopter les principes du Data Mesh de façon pragmatique, sans plateforme d’infrastructure complexe.
Qu’en est-il de la gouvernance quand les données sont distribuées ? La gouvernance fédérée est l’un des piliers du Data Mesh, précisément pour éviter que la décentralisation ne tourne au chaos. On définit des normes communes de qualité, de sécurité, de format et de documentation que tous les domaines doivent respecter, et on met en place une instance de gouvernance légère qui veille à leur application sans microgestion.
Combien de temps prend la transition vers le Data Mesh ? Une transition complète dans une organisation de taille moyenne ou grande est un projet en plusieurs phases. Les premiers bénéfices (plus d’autonomie pour les domaines, réduction du backlog de l’équipe centrale, meilleure qualité des données les plus critiques) apparaissent dès les premiers domaines traités, s’ils sont bien priorisés.