Comprendre le « Fabric » : ce que les dirigeants d'entreprise doivent réellement savoir

Le terme « Fabric » est devenu l’un des plus courants dans les discussions sur les données d’entreprise. Malheureusement, c’est aussi l’un de ceux dont la signification est la moins bien comprise de manière uniforme.

Pour certains, le terme « Fabric » désigne Microsoft Fabric, un produit spécifique disponible sur Azure. Pour d’autres, il s’agit d’un raccourci pour désigner l’architecture « data fabric », une approche plus large visant à relier les données, l’analyse et la gouvernance au sein d’une organisation. Les deux concepts se recoupent, mais ils ne sont pas identiques, et c’est précisément parce qu’on les confond que tant de dirigeants d’entreprise acquiescent lors des réunions sans savoir ce qui leur est réellement proposé.

Cet article porte sur le premier : Microsoft Fabric — de quoi s'agit-il exactement, et que doivent comprendre les DSI, les directeurs techniques et les responsables de l'analyse avant qu'il n'apparaisse dans une feuille de route ?

Ce que Microsoft Fabric regroupe réellement

Fabric n'est pas un simple outil. Il s'agit d'une initiative de Microsoft visant à ne plus vendre aux entreprises une série de produits distincts, mais à leur proposer une plateforme unique et interconnectée.

Avec les générations précédentes de la pile de données de Microsoft, une entreprise souhaitant mettre en place un environnement d’analyse pouvait acquérir une licence pour Data Factory pour l’intégration, Synapse pour le stockage, Power BI pour le reporting, ainsi qu’un service distinct pour les données en streaming en temps réel — chacun disposant de son propre stockage, de son propre modèle de sécurité et de sa propre définition des termes « client » ou « région ».

Fabric rassemble tout cela sous un même toit :

• Intégration des données, basée sur les pipelines Data Factory

• Ingénierie des données et entreposage de données

• Informations en temps réel sur les données de streaming et d'événements

• Power BI pour le reporting et la visualisation

• Une interface commune pour la science des données et l'apprentissage automatique

Le mécanisme qui fait que cela va au-delà du simple argument marketing, c’est OneLake : un lac de données logique unique qui sous-tend l’ensemble du système. Au lieu que chaque charge de travail conserve sa propre copie des données, OneLake est conçu pour permettre à Power BI, au moteur d’entrepôt de données et aux outils de science des données de lire les mêmes données sous-jacentes, dans le même format, sans qu’il soit nécessaire de les transférer entre eux. ^{[Microsoft Learn]}

C'est précisément cela qui est nouveau. Pas le concept d'« unification » en soi, mais un choix architectural précis qui élimine le « copier-déplacer » comme mode de communication par défaut entre les outils analytiques.

« Unifié » ne signifie pas « monolithique »

Le mot « unifié » met certains dirigeants mal à l'aise. Il évoque une migration s'étalant sur plusieurs années vers un système rigide que toutes les équipes doivent adopter de la même manière. Ce n'est pas ce qu'exige Fabric.

Les équipes peuvent adopter les espaces de travail et les domaines de Fabric de manière sélective. L'entrepôt de données d'une équipe financière et le « lakehouse » d'une équipe de science des données peuvent coexister au sein du même OneLake sans imposer d'outils ou de workflows identiques à l'un ou l'autre groupe. Ce qui est partagé, ce n'est pas l'interface, mais les données sous-jacentes, le modèle de sécurité et la propriété des données.

La leçon à retenir en matière de gestion : l'unification via Fabric vise à éliminer les doublons et les transferts entre outils, et non à obliger chaque service à travailler de la même manière.

La gouvernance est intégrée à la plateforme, et non pas ajoutée après coup

Dans un environnement fragmenté, la gouvernance est souvent mise en place a posteriori. Un nouveau rapport est publié, et quelqu’un se demande si les données sous-jacentes ont été validées. Une initiative d’IA est lancée, et l’organisation se rend compte que la responsabilité n’a jamais été attribuée. Une demande réglementaire arrive, et les équipes doivent reconstituer manuellement la provenance des informations.

Microsoft a organisé les fonctionnalités de gouvernance de Fabric autour de la gestion du patrimoine de données, de la protection des informations sensibles et du soutien à la découverte et à la confiance — grâce à des contrôles au niveau des locataires et des espaces de travail, au suivi de la traçabilité, à l’audit, à la protection des informations et à l’analyse des métadonnées, le tout intégré à la plateforme elle-même. Certaines de ces fonctionnalités nécessitent une licence Microsoft Purview supplémentaire, ce qu’il est bon de savoir avant de considérer la gouvernance comme une fonctionnalité incluse gratuitement dans Fabric. ^{[Microsoft Learn]}

Pour les dirigeants, l'avantage ne se limite pas à la conformité. Il s'agit de pouvoir être sûr qu'un chiffre figurant dans un rapport Power BI peut être retracé jusqu'à la table — et à l'équipe — dont il provient, au sein de la même plateforme, sans avoir à recourir à un outil de traçabilité externe.

Quels changements pour les analystes, plus précisément ?

C'est lorsqu'un analyste ouvre un rapport qu'on perçoit le plus clairement la différence que Fabric est censé apporter.

Dans un environnement fragmenté, un analyste qui fournit un chiffre au directeur financier doit souvent commencer par vérifier de quel système il provient, s'il correspond à la version utilisée par le service financier et s'il a été mis à jour depuis la dernière clôture. C'est ce travail de rapprochement — et non l'analyse elle-même — qui accapare la majeure partie du temps.

Dans Fabric, comme Power BI lit les mêmes données OneLake que celles vers lesquelles l'entrepôt et les pipelines effectuent des écritures, cette étape de rapprochement est appelée à disparaître. Le chiffre figurant dans le rapport et celui figurant dans l'entrepôt sont identiques ; il ne s'agit pas de deux copies qu'il faut comparer l'une à l'autre.

C'est une affirmation plus restrictive que « l'analyse gagne en efficacité grâce à une base commune ». Il s'agit d'un mécanisme spécifique — une seule copie des données, consultée par plusieurs moteurs — et il vaut mieux le tester en conditions réelles avec vos propres analystes plutôt que de le prendre pour argent comptant.

Fabric, c'est aussi un pari sur la préparation à l'IA

L'intérêt actuel pour Fabric tient autant à l'IA qu'à l'analyse de données. Microsoft – ainsi que Proximo, comme nous l'avons évoqué dans certains de nos autres articles récents – a clairement indiqué que le frein à l'IA d'entreprise ne réside pas dans l'accès aux modèles, mais dans la capacité d'une organisation à disposer d'un contexte métier cohérent et partagé sur lequel un modèle peut s'appuyer. ^{[Blog Microsoft Azure] [TechTarget]}

L'argument de vente de Fabric est le suivant : si vos données, votre sémantique et votre gouvernance sont déjà regroupées sur une seule et même plateforme, des outils tels que Copilot peuvent être connectés à cette plateforme en conservant les mêmes autorisations et la même traçabilité déjà en place, plutôt que de nécessiter une couche d'intégration distincte, spécialement conçue pour l'IA.

C’est une affirmation importante, qui mérite d’être examinée de près plutôt que d’être acceptée sans réserve. Elle suppose que l’organisation ait réellement procédé à la migration vers Fabric, et ne se soit pas contentée d’en acquérir la licence. Un tenant Fabric regorgeant d’espaces de travail non contrôlés et dont la propriété des données n’est pas clairement définie ne rend pas l’IA plus fiable : cela ne fait que transposer cette même fragmentation dans une interface plus récente.

Les questions que les dirigeants d'entreprise devraient se poser

Vous n'avez pas besoin d'évaluer vous-même les formats de stockage ni les moteurs de requête. En revanche, vous devez trouver des réponses aux questions suivantes :

• Lesquels de nos outils actuels seraient effectivement intégrés à Fabric, et lesquels ne le seraient pas ?

• Dans quels cas le modèle à exemplaire unique d'OneLake ne nous convient-il pas ? Dans quelles situations faudrait-il tout de même dupliquer les données ?

• Quelles fonctionnalités de gouvernance sont incluses, et lesquelles nécessitent une licence Purview distincte ?

• Qui est responsable de la qualité des données et des définitions au sein de chaque espace de travail ?

• Est-il possible de remonter à la source d'un chiffre figurant dans un rapport sans avoir à mener une enquête manuelle ?

• Si nous adoptions Fabric aujourd'hui, nos outils d'IA disposeraient-ils réellement d'un meilleur contexte — ou simplement d'un accès plus rapide aux mêmes données fragmentées ?

Si votre équipe n'est pas en mesure de répondre à ces questions avec certitude, il se peut que vous envisagiez l'achat d'une plateforme sans avoir pris au préalable de décision concernant son architecture.

Même choix architectural, fournisseurs différents

Tout ce qui précède s'articule autour de Microsoft Fabric, car c'est la plateforme qui apparaît le plus souvent dans les feuilles de route à l'heure actuelle. Elle n'est toutefois pas la seule de sa catégorie.

Databricks, Google Cloud, AWS et Snowflake misent tous sur la même stratégie architecturale : réduire le nombre de copies des données d'entreprise, unifier la gouvernance entre les différentes charges de travail et intégrer l'IA à cette base commune, plutôt que de la superposer à une pile distincte.

• L'équivalent de OneLake chez Databricks est Delta Lake, géré via Unity Catalog.

• Google Cloud associe BigQuery à Dataplex pour former sa couche unifiée de gouvernance et de métadonnées couvrant à la fois les charges de travail d'analyse et d'IA.

• AWS s'efforce de regrouper une pile de services historiquement disparate (Redshift, Glue, Lake Formation) pour offrir une expérience « lakehouse » plus unifiée, notamment grâce à Amazon SageMaker Lakehouse.

• Snowflake, qui était à l'origine un entrepôt de données, positionne désormais son « Data Cloud » comme une solution tout-en-un similaire, avec Horizon pour la gouvernance et Cortex pour l'IA, tous deux reposant sur la même infrastructure de stockage sous-jacente.

Le fournisseur et la terminologie varient d’un cas à l’autre. Les questions soulevées dans cet article — à savoir s’il est possible d’identifier des données faisant autorité, si la gouvernance est intégrée ou ajoutée a posteriori, si l’adoption de la plateforme réduit réellement les doublons, et si l’IA permettrait d’obtenir un meilleur contexte ou simplement un accès plus rapide à la même fragmentation — restent les mêmes, quel que soit le logo figurant sur le contrat.

Le point à retenir en matière de leadership

Fabric ne doit pas être considéré comme une philosophie générale visant à « tout relier ». Il s’agit d’une plateforme Microsoft spécifique, articulée autour d’un mécanisme précis : une copie logique unique des données d’entreprise (OneLake) partagée entre les charges de travail d’intégration, d’entreposage, de traitement en temps réel, de reporting et d’IA, avec une gouvernance intégrée au même environnement plutôt que superposée à celui-ci.

Pour savoir si cette plateforme convient à votre organisation, il faut se poser des questions auxquelles aucun fournisseur ne peut répondre à votre place : quels éléments vous souhaiteriez réellement regrouper, de quels mécanismes de gouvernance auriez-vous besoin en plus de ceux fournis, et vos équipes sont-elles prêtes à renoncer à des copies distinctes d'une même donnée pour n'en conserver qu'une seule version partagée ?

Fabric peut s'inscrire dans une stratégie d'architecture de données rigoureuse. Il ne saurait toutefois s'y substituer.

‍