Un lac de données stocke les données brutes dans leur format natif. Aucun schéma n'est imposé lors de l'écriture. Tables structurées, journaux JSON, images et vidéos sont tous stockés dans le même référentiel. Le schéma est appliqué lors de la lecture des données, et non lors de leur stockage. C'est cette flexibilité qui fait tout son attrait. Le lac de données accepte tout type de données. Il ne vous est pas nécessaire de savoir comment vous utiliserez les données avant de les stocker.

La flexibilité est aussi le problème. Sans gouvernance, un lac de données se transforme en marécage. Personne ne sait ce qu'il contient. Les fichiers ont des noms obscurs. Les métadonnées sont absentes. Les données sont dupliquées dans plusieurs dossiers. Les analystes ne trouvent pas ce dont ils ont besoin. Les data scientists perdent du temps à nettoyer et explorer les données au lieu de les analyser. Le lac devient un centre de coûts, et non un atout. La solution ? La gouvernance : catalogues, métadonnées, contrôles d'accès et définition claire des responsabilités. Les architectures modernes de lacs de données intègrent des formats de table comme Delta Lake et Iceberg qui garantissent le respect du schéma, les transactions ACID et l'amélioration des performances des requêtes. Le lac et l'entrepôt de données convergent. On obtient ainsi le meilleur des deux mondes : la flexibilité du stockage brut et la fiabilité des tables structurées. La technologie a progressé. L'exigence de gouvernance demeure.

Caractéristiques du lac de données

• Schéma à la lecture — appliquer la structure lors de l'interrogation
• Stockage brut — données conservées dans leur format d'origine
• Évolutif — gère des pétaoctets sur du stockage standard
• Flexible — prend en charge les données structurées, semi-structurées et non structurées
• Dépendante de la gouvernance — sans catalogage, elle devient un marécage

Un lac de données est un réservoir. Sans carte, ce n'est qu'une étendue d'eau.