Qu'est-ce qu'un data lakehouse ?
Un data lakehouse est une architecture qui combine le stockage bon marché et ouvert de données brutes et non structurées propre à un data lake avec les tables structurées, les schémas et l'interrogation SQL d'un entrepôt de données. Il vise à offrir une seule plateforme à la fois pour l'apprentissage automatique et pour l'analyse métier, au lieu de deux systèmes distincts.
Un lakehouse superpose des fonctionnalités de type entrepôt (transactions, application de schéma, indexation, performances SQL) directement sur un stockage objet à faible coût qui conserve les fichiers dans des formats ouverts. L'objectif est d'éviter de conserver deux copies de vos données dans deux systèmes : un lac pour la science des données et un entrepôt pour le reporting.
Caractéristiques typiques d'un lakehouse :
- Formats de table ouverts pour que de nombreux moteurs puissent lire les mêmes fichiers.
- Transactions ACID pour des mises à jour fiables sur le stockage du lac.
- Schéma et gouvernance au-dessus de données par ailleurs brutes.
- Un seul magasin servant aussi bien les tableaux de bord de BI que l'entraînement de modèles d'apprentissage automatique.
Un lakehouse reste une infrastructure que vous concevez, alimentez et maintenez, et les utilisateurs métier y accèdent généralement via SQL ou un outil de BI par-dessus.
iDBQuery complète cette approche plutôt que de la remplacer. Si votre organisation exploite un lakehouse, iDBQuery s'y connecte comme à un entrepôt SQL standard et permet à quiconque de poser des questions en langage courant, obtenant une réponse sourcée sans écrire de SQL. Et si vous n'avez pas de lakehouse, iDBQuery peut construire un seul modèle vivant directement à travers vos bases de données, feuilles de calcul et fichiers existants, de sorte que vous pouvez commencer à répondre à des questions avant même qu'un projet de lakehouse n'existe.
Updated 2026-06-22