Architecture de données moderne : ce que le CDO doit vraiment arbitrer en 2026

Un responsable IT d'une grande banque européenne racontait récemment avoir passé trois ans à migrer vers un data lakedata lakeA data lake is a centralized repository that stores large volumes of raw data in its native format, from structured tables to unstructured files, until needed.Voir la définition complète → centralisé, pour constater que ses équipes métier contournaient la plateforme en reconstituant leurs propres silos sur des outils cloud non gouvernés. Résultat : deux architectures parallèles, des coûts de stockage doublés, et une qualité de données que personne ne pouvait certifier. Ce scénario, que l'on retrouve chez des organisations de toute taille, illustre un problème de fond : l'architecture de données n'est pas un projet technique qu'on termine, c'est un ensemble de choix stratégiques qu'on réaffirme en permanence.

En 2026, ces choix sont devenus plus urgents. L'émergence des cas d'usage IA à grande échelle, la pression réglementaire croissante (DORA pour les institutions financières, AI Act en Europe), et la multiplication des fournisseurs cloud ont rendu les décisions d'architecture plus conséquentes et plus difficiles à réverser.

Ce qui structure le débat architectural aujourd'hui

Trois modèles dominent les conversations : le data warehousedata warehouseA central repository that consolidates data from many source systems into a structured, query-optimized store designed for analytics, reporting, and business intelligence.Voir la définition complète → cloud (Snowflake, BigQuery, Redshift), le data lakehousedata lakehouseA hybrid architecture combining the flexibility of a data lake with the analytical capabilities of a data warehouse, on a single storage layer.Voir la définition complète → (Databricks en tête, mais aussi Delta Lake chez Cloudera), et le data meshdata meshData Mesh is a decentralized approach to data architecture and organization where domain teams own and serve their data as products, governed by shared standards.Voir la définition complète →, approche décentralisée popularisée par Zhamak Dehghani et adoptée avec des fortunes diverses par des organisations comme Zalando ou ING.

Aucun de ces modèles n'est universellement supérieur. Ce qui est clair, en revanche, c'est que chaque organisation doit choisir en fonction de critères précis : volume et vélocité des données, maturité des équipes, nature des cas d'usage (reporting, ML, IA générative), et contraintes réglementaires. Un retailer dont la criticité porte sur les recommandations produit en temps réel n'a pas les mêmes besoins qu'un groupe pharmaceutique dont la priorité est la traçabilité des données cliniques.

Le data mesh mérite un regard particulier, parce qu'il est souvent mal compris. Ce n'est pas avant tout une architecture technique : c'est un modèle organisationnel. Il suppose que les domaines métier prennent la propriété de leurs données comme produits, avec des interfaces contractualisées. Chez Zalando, ce modèle a permis de réduire les délais de mise à disposition de nouvelles sources de données de plusieurs semaines à quelques jours. Mais il exige une gouvernance fédérée solide, des compétences data dans chaque domaine, et une plateforme d'infrastructure partagée. La plupart des organisations ne sont pas prêtes à en assumer le coût organisationnel.

Le sujet qui prend de l'ampleur depuis 2024 est celui des architectures orientées IA. Les modèles de langage et les pipelines RAG (Retrieval-Augmented Generation) imposent des exigences nouvelles : accès rapide à des données non structurées, gestion des embeddings, fraîcheur des données quasi temps réel, et traçabilité de la provenance pour répondre aux exigences de l'AI Act. Des éditeurs comme Databricks ou Confluent (qui commercialise une plateforme de streaming, à prendre en compte dans leurs analyses) ont adapté leurs offres en conséquence, mais le CDO doit rester vigilant face à des promesses marketing qui précèdent souvent la maturité réelle des produits.

Ce que cela implique concrètement pour le CDO

Le premier arbitrage porte sur la centralisation versus la distribution. Beaucoup d'organisations ont oscillé entre ces deux pôles depuis dix ans. En 2026, la bonne réponse n'est pas un point médian flou : c'est une architecture fédérée avec une gouvernance centrale forte. Laplateforme data doit être partagée, les standards imposés au niveau du CDO (formats, qualité, métadonnées, sécurité), mais la responsabilité de production des données doit appartenir aux domaines. C'est la tension principale à gérer.

Le deuxième arbitrage concerne le build versus le buy, et plus précisément le degré d'enfermement propriétaire acceptable. Snowflake, Databricks et les clouds hyperscalers (AWS, Azure, GCP) proposent des écosystèmes complets qui facilitent l'intégration mais crcrThe percentage of visitors or prospects who complete a desired action (purchase, sign-up, contact form), calculated as conversions divided by total opportunities.Voir la définition complète →éent des dépendances significatives. Le coût de migration d'un entrepôt Snowflake vers BigQuery, une fois les transformations dbt et les connecteurs en place, peut atteindre plusieurs millions d'euros pour une organisation de taille intermédiaire. Le CDO doit poser explicitement la question du lock-in lors de chaque décision d'infrastructure majeure.

La troisième dimension, souvent négligée, est la gestion des métadonnées. Un data catalogdata catalogA centralized inventory of an organization's data assets, enriched with metadata, that helps people find, understand, and trust the data they need.Voir la définition complète → n'est pas un projet de confort : c'est l'infrastructure qui rend possible la gouvernance, la conformité réglementaire et la découverte des données par les équipes IA. Des outils comme Atlan, Alation ou le module Unity Catalog de Databricks (produit commercial, à évaluer en contexte) ont progressé significativement, mais leur valeur dépend entièrement du taux d'adoption interne. Un catalogue à 30 % de couverturecouvertureThe number of unique people exposed to your message in a given period. Unlike impressions, reach counts each person once, no matter how often they see it.Voir la définition complète → ne sert à rien.

Enfin, le CDO doit résister à la pression de "moderniser l'architecture pour l'IA" sans définir précisément quels cas d'usage seront servis. Trop d'organisations investissent dans des architectures de streaming temps réel ou des vector databases parce que c'est techniquement impressionnant, sans avoir de cas d'usage validé qui l'exige. Ce type de décision consomme du budget, du temps d'ingénierie et crée de la dette technique supplémentaire.

Décisions prioritaires à inscrire à l'agenda du CDO

• Documenter les cas d'usage IA prévus sur 18 mois et en déduire les exigences architecturales réelles, plutôt que de partir des capacités techniques disponibles.
• Réaliser un audit du lock-in actuel : quels systèmes sont portables, lesquels ne le sont pas, et à quel coût de sortie.
• Formaliser un modèle de gouvernance fédérée avec des rôles de "data productdata productA data asset managed like a product, with an owner, defined users, guaranteed quality, and measurable business value.Voir la définition complète → owner" dans chaque domaine métier, avec des critères de qualité mesurables et contractualisés.
• Évaluer la couverture et le taux d'utilisation effectif du data catalog avant tout investissement supplémentaire en infrastructure.
• CréererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Voir la définition complète → un mécanisme de revue architecturale semestrielle, avec participation du DSI, du DPO et des directeurs métier principaux. L'architecture de données est trop conséquente pour être décidée uniquement par les équipes techniques.

Les organisations qui progressent le plus vite en maturité data ne sont pas celles qui ont choisi la meilleure technologie. Ce sont celles dont le CDO a su poser des contraintes claires et maintenir la cohérence des choix dans la durée. L'architecture de données se gouverne autant qu'elle se conçoit.