Semantic Layer
Aussi : Semantic Layer, Semantic Model, Business Metrics Layer, Metrics Layer, Couche sémantique, Semantische Schicht, Universal Semantic Layer
Une couche de définitions métier partagée entre données brutes et rapports, pour que chacun calcule revenu, churn ou marge de la même manière.
De quoi il s'agit
Un semantic layer est une couche de traduction entre les tables brutes de la base de données et les personnes qui posent des questions métier. Il stocke les définitions convenues de vos indicateurs et dimensions : ce qui compte comme client actif, comment se calcule le revenu net, quelle date définit une affaire conclue. Au lieu que chaque équipe écrive sa propre formule, tout le monde s'appuie sur une définition partagée unique. Un directeur financier qui ouvre un tableau de bord, un analyste qui rédige une requête et un assistant IA qui répond à une question font tous référence à la même logique.
Pourquoi c'est important
La scène classique en comité : le marketing annonce un chiffre de churn, la finance en annonce un autre, et la réunion s'enlise à débattre de quel tableur a raison. La cause profonde n'est généralement pas une mauvaise donnée mais des définitions concurrentes du même mot. Un semantic layer supprime cette ambiguïté en faisant de la définition de chaque indicateur un actif gouverné et réutilisable, plutôt qu'une formule enfouie dans le rapport de quelqu'un. Pour un CDO, il impose la cohérence à grande échelle. Pour un CFO, le chiffre de revenu du dossier du conseil correspond à celui du tableau de bord commercial. Pour un responsable IA, il est désormais décisif : quand un assistant répond en langage naturel, il doit relier cette question à des indicateurs fiables, et c'est dans le semantic layer que réside cette confiance. Sans lui, un outil d'IA peut produire une réponse assurée construite sur la mauvaise formule.
Comment ça marche
Les ingénieurs définissent les indicateurs une seule fois, dans un lieu central, à partir des tables sous-jacentes du warehouse. Un indicateur comme la marge brute est écrit sous forme de règle (revenu moins coût des biens vendus, sur la période choisie) avec ses filtres et sa granularité. Chaque outil qui a besoin de ce chiffre (tableaux de bord, notebooks, chatbots) appelle le semantic layer au lieu de refaire le calcul. En pratique, un dirigeant le rencontre lorsqu'une question en langage naturel, « quel a été le net revenue retention le trimestre dernier pour les comptes entreprise », renvoie le même chiffre quel que soit l'auteur ou l'outil utilisé. Quand une définition change, elle est mise à jour à un seul endroit et tous les rapports en aval le reflètent, ce qui transforme un pénible exercice de réconciliation en une simple modification.
Questions fréquentes
Qu'est-ce qu'une couche sémantique en data ?
Une couche sémantique est une couche de traduction entre les tables brutes de la base et les personnes qui posent des questions métier. Elle contient les définitions validées des métriques et des dimensions : ce qui compte comme client actif, comment se calcule le chiffre d'affaires net, quelle date marque une affaire gagnée. Dashboards, requêtes et assistants IA appellent tous la même définition au lieu de refaire le calcul chacun de leur côté.
Pourquoi le marketing et la finance n'annoncent-ils pas le même churn ?
Le plus souvent, ce n'est pas la donnée qui est fausse : chaque équipe applique sa propre définition du même mot. L'une compte le client comme perdu à la fin du contrat, l'autre à la dernière activité, et la réunion s'enlise sur la question de savoir quel fichier a raison. La couche sémantique lève cette ambiguïté en faisant de chaque définition de métrique un actif gouverné et réutilisable, et non une formule enfouie dans le rapport de quelqu'un.
Qui, dans une équipe dirigeante, a réellement besoin d'une couche sémantique ?
Le CDO, le CFO et le responsable de l'IA. Pour le CDO, elle impose la cohérence des métriques à grande échelle ; pour le CFO, elle garantit que le chiffre d'affaires du board pack correspond à celui du dashboard commercial ; pour le responsable IA, elle détermine si l'assistant répond à partir d'une logique fiable ou d'une mauvaise formule.
Qu'est-ce qu'une couche sémantique change pour les assistants IA qui répondent en langage naturel ?
Elle donne à l'assistant un point d'ancrage fiable pour relier la question à une métrique. Quand quelqu'un demande « quel était le net revenue retention le trimestre dernier sur les comptes enterprise », l'assistant résout la formulation à partir de définitions gouvernées au lieu de deviner une formule. Sans couche sémantique, un outil d'IA peut produire une réponse assurée construite sur le mauvais calcul.
Que se passe-t-il quand la définition d'une métrique change ?
Elle est modifiée à un seul endroit et tous les rapports en aval reflètent le changement. Comme les dashboards, les notebooks et les chatbots appellent la couche sémantique au lieu de conserver leur propre copie de la formule, redéfinir la marge brute ou le client actif se réduit à une seule modification, au lieu d'une chasse dans des dizaines de rapports.