Aller au contenu
Cabinet d'expertise en transformation technologique · ARDIANE Group Innover, sécuriser, réussir

Lexique

Catalogue de données : définition, contenu et alimentation

Domaine

Data

L'essentiel

Un catalogue de données est l'inventaire des jeux de données d'une organisation, décrits par leurs métadonnées : contenu, structure, propriétaire, classification et conditions d'accès. Terme d'usage, le catalogue de données sert à trouver une donnée, à la comprendre et à savoir qui en répond, sans héberger les données elles-mêmes.

Sommaire de la page

Définition du catalogue de données

Un catalogue de données (data catalog) est l’inventaire des jeux de données d’une organisation, décrits par leurs métadonnées : ce que contient chaque jeu, comment il est structuré, qui en répond, comment il est classé et à quelles conditions il s’obtient. Le catalogue renvoie vers les données sans les héberger. Cette définition décrit un usage, dont le périmètre varie d’une source à l’autre.

Le W3C en donne une formulation pour les catalogues publiés sur le Web. Son vocabulaire DCAT (Data Catalog Vocabulary), dont la version 3 est une recommandation du 22 août 2024, définit le catalogue comme « a curated collection of metadata about resources » : une collection organisée de métadonnées sur des ressources (notre traduction). Il vise l’interopérabilité entre catalogues et permet de décrire des jeux de données et des services de données.

Les questions auxquelles le catalogue répond

Avant d’employer une donnée, un analyste, un chef de projet ou un délégué à la protection des données pose les mêmes questions. Cette donnée existe-t-elle, et où ? Que signifie cette colonne ? Qui en répond, et qui autorise l’accès ? S’agit-il de données personnelles ?

Sans catalogue, ces réponses peuvent n’exister que dans la mémoire de quelques personnes. Le catalogue les réunit en un point de recherche, ouvert aux utilisateurs métiers comme aux équipes techniques.

Ce que contient une fiche de catalogue, et qui la renseigne

On distingue ici quatre familles de métadonnées :

  • techniques : schéma, types, emplacement, format, date de dernière mise à jour ;
  • métier : description du jeu, définition des champs, termes du glossaire associés ;
  • de gouvernance : propriétaire, intendant, classification, durée de conservation, conditions d’accès ;
  • d’usage et de qualité : consultations, jeux dérivés, résultats des contrôles lorsqu’ils sont publiés.

Deux modes d’alimentation se complètent. Des connecteurs lisent les schémas des bases, des entrepôts et des outils de restitution, ce qui tient les métadonnées techniques à jour sans saisie. Le sens, la classification et le nom du propriétaire se déclarent : ils reviennent aux intendants des données, sous l’autorité des propriétaires. L’origine d’un jeu de données reçu de l’extérieur se déclare elle aussi, comme l’expose notre article provenance des données vs lignage des données.

Catalogue de données, glossaire, lignage, registre des traitements : ne pas confondre

Le glossaire métier fixe le sens des termes et des indicateurs. Le catalogue décrit les jeux de données et les rattache à ces termes.

Le data lineage décrit les liens entre jeux de données. Le catalogue décrit chacun pris isolément, et peut en afficher le graphe.

Le référentiel issu du master data management contient des données de référence. Le catalogue contient des métadonnées.

Le catalogue technique d’un moteur de requête ou d’un lakehouse enregistre les tables pour que les moteurs sachent les lire. Il peut alimenter le catalogue de données, sans en avoir la vocation documentaire.

Le registre des activités de traitement, prévu à l’article 30 du RGPD, règlement (UE) 2016/679, recense des traitements de données personnelles et non des jeux de données. Le catalogue ne le remplace pas.

Exemple : trois tables « contrats » dans le catalogue

Prenons un opérateur de télécommunications dont une analyste doit calculer un taux de résiliation. Elle cherche « contrat » dans le catalogue, qui lui présente trois jeux de données. Le premier est l’extraction quotidienne de l’application de gestion. Le deuxième est une copie constituée pour une campagne passée, sans propriétaire ni mise à jour récente. Le troisième est la table que la direction commerciale désigne comme référence : la date d’effet de la résiliation y est définie, le jeu est classé « données personnelles » et l’accès se demande à sa propriétaire.

L’analyste retient ce troisième jeu et adresse sa demande à sa propriétaire. Le catalogue lui a indiqué quelle table employer et à qui s’adresser. Il ne dit pas si les valeurs sont justes, sauf si les résultats des contrôles de qualité y sont publiés.

Décider des données à cataloguer, des personnes qui en tiennent les fiches et de leur mandat relève de la gouvernance des données. La collecte automatique des métadonnées techniques s’appuie sur la plateforme data.

Insights

À lire sur le sujet

Tous les insights
Mettre la maturité data à l'épreuve de quatre demandes réelles

La maturité data désigne ici la capacité d'une organisation à fournir, pour une décision ou un service, une donnée dont quelqu'un répond, dont la qualité est connue et qui s'obtient dans un délai prévisible. Management Square propose de la situer par quatre épreuves (responsabilités, qualité, plateforme, usages), sans reprendre de modèle publié, et indique la suite que chaque écart appelle.

Lire l'analyse
Une politique de gouvernance des données se juge aux arbitrages qu'elle écrit

Une politique de gouvernance des données est le texte qui fixe les règles durables sur les données : périmètre, rôles, classification, accès, arbitrage des définitions, traitement des écarts. Management Square propose de laisser le mode opératoire à des procédures et de la faire approuver par la direction générale ou le comité de direction ; même approuvée, elle n'établit pas seule la conformité à un texte.

Lire l'analyse
Trancher la question « data warehouse ou data lake » à partir des usages à servir

La question « data warehouse ou data lake » oppose l'entrepôt de données, où la structure est imposée avant le chargement pour des questions connues, au lac de données, où les fichiers sont déposés bruts et structurés à la lecture. Management Square compare les deux sur la structure, les usages, la gouvernance et le coût, puis situe le lakehouse et la coexistence des deux systèmes.

Lire l'analyse

FAQ

Questions fréquentes

Une autre question ? Posez-la-nous

Qu'est-ce qu'un catalogue de données ?

Un catalogue de données est l'inventaire des jeux de données d'une organisation, chacun décrit par ses métadonnées : contenu, structure, propriétaire, classification, conditions d'accès. Il sert à trouver une donnée, à la comprendre et à identifier la personne qui en répond. Le catalogue de données renvoie vers les données sans les héberger.

Quelles métadonnées trouve-t-on dans un catalogue de données ?

Une fiche de catalogue de données réunit des métadonnées techniques (schéma, emplacement, date de mise à jour), des métadonnées métier (description, définition des champs), des métadonnées de gouvernance (propriétaire, classification, conditions d'accès) et, selon l'outillage, des informations d'usage et de qualité. Les métadonnées techniques peuvent se collecter automatiquement, tandis que le sens, la classification et le nom du propriétaire sont déclarés par des personnes désignées.

Quelle différence entre un catalogue de données et un glossaire métier ?

Le glossaire métier fixe le sens des termes et des indicateurs de l'organisation, indépendamment des tables où ils sont stockés. Le catalogue de données décrit les jeux de données qui existent et rattache leurs champs aux termes du glossaire. Les deux instruments se complètent, et un même outil peut les réunir.

Qu'est-ce que DCAT ?

DCAT (Data Catalog Vocabulary) est un vocabulaire RDF du W3C conçu pour faciliter l'interopérabilité entre catalogues de données publiés sur le Web. Sa version 3 est une recommandation du W3C du 22 août 2024. DCAT permet de décrire des jeux de données et des services de données selon un modèle commun à plusieurs catalogues.

Un projet à faire aboutir ?

Un premier échange suffit pour situer votre enjeu, identifier les bons interlocuteurs et vous dire franchement ce que nous pouvons apporter.