L’usage appelle data warehouse, ou entrepôt de données, une base analytique où les données n’entrent qu’une fois mises au format d’un modèle défini d’avance. Il appelle data lake, ou lac de données, un espace de stockage où elles sont déposées dans leur format d’origine, la structure n’étant appliquée qu’à la lecture. Demander « data warehouse ou data lake » revient donc à choisir le moment où l’organisation paie l’effort de structuration : avant le chargement, une fois pour tous les lecteurs, ou à la lecture, usage par usage.
L’entrepôt l’emporte lorsque les questions sont connues et que plusieurs directions doivent lire les mêmes chiffres. Le lac l’emporte lorsque les données sont de formats variés ou que leur usage n’est pas encore arrêté. De cette différence de structure découlent trois autres, sur les usages servis, sur la gouvernance et sur la forme du coût. Elle laisse aussi une place à une troisième voie, le lakehouse, et à la coexistence des deux systèmes.
La structure se fixe à l’écriture ou à la lecture
Ce vocabulaire se lit dans les documentations de fournisseurs. Celle de Microsoft (Azure Architecture Center, page « What is a data lake? », consultée le 12 novembre 2026) oppose le schema-on-read du lac, que nous traduisons par schéma à la lecture, au schema-on-write de l’entrepôt, schéma à l’écriture. Celle d’Amazon Redshift, lue le même jour, présente ce service comme un entrepôt de données géré.
Avec un schéma à l’écriture, un chargement qui ne respecte pas le modèle est rejeté ou corrigé avant d’atteindre les lecteurs, et tous interrogent la même table. La contrepartie se paie à chaque nouveauté : une source ou un champ de plus demande un travail de modélisation avant d’être disponible, et ce que le modèle n’a pas prévu n’y entre pas.
Avec un schéma à la lecture, le dépôt n’attend rien. Chaque traitement donne aux fichiers la structure dont il a besoin, ce qui reporte le contrôle sur chaque lecteur.
Prenons l’exploitant des remontées mécaniques d’une station de ski. Ses ventes de forfaits produisent des lignes régulières : type de forfait, point de vente, date, tarif. Mises au modèle de l’entrepôt, elles donnent un chiffre d’affaires par jour et par type de forfait, que l’exploitation et la finance lisent à l’identique. Les passages aux portillons, les relevés de vent des appareils et les comptes rendus de maintenance rédigés en texte libre n’ont ni colonnes stables ni question arrêtée : le lac les garde tels quels, jusqu’au jour où une équipe voudra rapprocher les arrêts d’appareils de la météo et de l’affluence.
Des usages qui ne se recouvrent qu’en partie
La comparaison des usages gagne à commencer par les lecteurs. L’entrepôt s’adresse à des lecteurs qui interrogent en SQL ou depuis un outil de restitution, sans écrire de traitement : contrôleurs de gestion, responsables d’activité, analystes. Il leur doit des tables stables et des indicateurs calculés une seule fois, sujet de notre offre de business intelligence.
Le lac s’adresse à des lecteurs capables de programmer la préparation dont ils ont besoin : équipes de science des données qui explorent un historique détaillé ou entraînent un modèle, ingénieurs qui préparent les tables de l’entrepôt.
Les deux erreurs sont symétriques. Ouvrir un lac brut à des lecteurs qui attendent un chiffre prêt les renvoie à leurs extractions. Imposer le modèle de l’entrepôt à des données dont personne ne sait encore quoi faire consomme un effort de modélisation sans demandeur.
Gouvernance et coût changent de place
Dans un entrepôt, le modèle fait une partie du travail de gouvernance : une table porte un nom, des colonnes typées, des droits d’accès. Il ne fait pas le reste, puisqu’il ne dit ni qui arbitre la définition d’un indicateur ni qui autorise un accès.
Dans un lac, rien n’est décrit tant que personne ne l’a déclaré. Chaque jeu de données déposé appelle une fiche dans un catalogue de données, un propriétaire et une règle de conservation, faute de quoi le lac tourne au marécage de données (data swamp) que décrit notre fiche sur le data lake. Nommer ces propriétaires relève, pour l’entrepôt comme pour le lac, de la gouvernance des données.
Le coût suit le même déplacement. L’entrepôt le fait payer d’abord : modélisation et chaînes de chargement précèdent le premier tableau de bord. Le lac le fait payer plus tard et de façon diffuse : le dépôt demande peu, mais la préparation se refait chez chaque lecteur, les volumes croissent tant que rien n’est purgé, et chaque lecture consomme du calcul. Nous ne tenons aucun des deux pour moins coûteux par principe. La comparaison se fait sur les usages réels, en rattachant la dépense à chacun, selon les pratiques du FinOps.
Data warehouse ou data lake selon la situation de départ
| Situation de départ | Ce qui l’emporte | Raison |
|---|---|---|
| Des indicateurs de pilotage arrêtés, lus par plusieurs directions | Entrepôt | La règle de calcul se fixe une fois, avant le chargement |
| Des données en lignes et en colonnes, des volumes modérés, une équipe réduite | Entrepôt | Un seul système à exploiter, avec des compétences SQL |
| Des textes, des images, des journaux applicatifs ou des relevés de capteurs à conserver | Lac | Ces formats se déposent sans modèle préalable |
| Un historique détaillé dont l’usage reste à définir | Lac, sous catalogue | La structure se choisira avec la question |
| Des modèles à entraîner sur des données non agrégées | Lac, ou lakehouse | Le détail brut reste accessible aux traitements |
| Les deux populations de lecteurs sur les mêmes données | Les deux systèmes, ou un lakehouse | La section suivante compare ces deux réponses |
Une organisation peut se reconnaître dans plusieurs lignes à la fois. Le tableau désigne alors, usage par usage, le système qui porte chaque besoin, sans désigner de vainqueur d’ensemble. Le choix du modèle, puis sa construction par tranches d’usage, sont l’objet de notre offre plateforme data.
Le lakehouse et la coexistence, deux réponses à « les deux »
Lorsque les deux besoins existent, la première réponse est la coexistence : le lac reçoit les données brutes, des traitements en tirent les tables de l’entrepôt. Sa contrepartie : deux jeux de données à tenir en phase et, pour chaque chiffre, un système de référence à désigner.
La seconde est le lakehouse : des tables gérées, avec transactions et schémas contrôlés, posées sur le stockage du lac au moyen de formats de table ouverts tels qu’Apache Iceberg ou Delta Lake. Notre fiche en détaille les composants et les limites. Les étiquettes se rapprochent d’ailleurs : les documentations de Snowflake et de BigQuery, consultées le 12 novembre 2026, décrivent chacune des tables au format Apache Iceberg dont les fichiers peuvent résider dans un stockage que le client administre.
Le lakehouse ne supprime pas le choix initial : il le déplace à l’intérieur d’un même socle. Lorsqu’il est organisé en couches, sa couche brute peut rester structurée à la lecture quand ses couches exposées le sont à l’écriture, et la décision se reprend couche par couche. Parmi les limites que relève la fiche, deux pèsent sur le choix : les compétences d’ingénierie à réunir, et un socle surdimensionné lorsque le besoin se borne au pilotage.
Le travail préalable peut commencer sans outil : dresser la liste des usages attendus dans l’année et noter, pour chacun, le format des données, les lecteurs et la question posée. Rapportée au tableau qui précède, cette liste dit quelles lignes concernent l’organisation, et dans quel ordre les servir.