Data mesh

Gestion des donnéesOctober 11, 2026Niveau Advanced

Un data mesh est une architecture décentralisée où les domaines métier possèdent et publient leurs données comme des produits, selon des règles communes.

Hero image for Data Mesh — concept illustration for e-commerce glossary — Image by WISEPIM · CC BY 4.0Télécharger en pleine résolution

Qu'est-ce que Data mesh ?

Un data mesh est une approche décentralisée de l'architecture des données dans laquelle les domaines métier possèdent, publient et maintiennent leurs propres données comme des produits, au lieu de tout envoyer à une seule équipe data centrale. Zhamak Dehghani a présenté cette idée en 2019. Il repose sur quatre principes : la responsabilité par domaine, la donnée comme produit, une plateforme de données en libre-service et une gouvernance fédérée, c'est-à-dire des normes communes que chaque domaine respecte. Un data lake ou un data warehouse est une technologie de stockage ; un data mesh est un modèle organisationnel qui peut tout à fait s'appuyer dessus. Pour les informations produit, l'équipe qui connaît le mieux les produits est responsable des données produit et les publie sous une forme convenue. Une data governance claire empêche un mesh de se transformer en nouveaux silos.

Pourquoi Data mesh compte en e-commerce

Les grands retailers ont de nombreux domaines de données : produits, prix, stock, commandes, clients et marketing. Quand une seule équipe centrale doit tout modéliser et nettoyer, les demandes s'accumulent, et ceux qui connaissent le mieux les données ne sont pas ceux qui les corrigent. Un data mesh transfère cette responsabilité aux domaines. L'équipe produit est responsable de la qualité des données produit, la logistique des données de stock, et chacun publie des données sur lesquelles les autres équipes peuvent compter. Il convient aux grandes organisations dotées de plusieurs équipes compétentes. Pour les petites boutiques, un système central unique avec un responsable clair par type de données est en général plus simple.

Exemples de Data mesh

1Domaine : produit, Responsable : équipe contenu produit, Data product : données produit enrichies dans le PIM
2Domaine : stock, Responsable : logistique, Data product : niveaux de stock par entrepôt via une API
3Domaine : marketing, Responsable : analytics marketing, Data product : tables de campagnes et d'attribution
4Domaine : client, Responsable : équipe CRM, Data product : segments clients partagés avec les ventes

Data Mesh infographic — Image by WISEPIM · CC BY 4.0Télécharger en pleine résolution

Comment WISEPIM t'aide

WISEPIM peut être l'outil du domaine produit dans un data mesh : l'équipe produit y gère attributs, descriptions et images.
Les règles Quality Guard rendent les normes qualité du domaine produit explicites et vérifiables.
Les exports et les connexions aux plateformes publient les données produit vers les canaux et les systèmes qui les utilisent.
La gestion des attributs maintient une structure convenue unique pour les données produit dans toutes les catégories.

Erreurs fréquentes avec Data mesh

Considérer un data mesh comme un achat logiciel plutôt que comme un changement de responsabilités.
Confier la responsabilité aux domaines sans normes communes, ce qui crée de nouveaux silos.
Adopter un mesh dans une petite organisation où une équipe centrale fonctionne très bien.
Faire l'impasse sur la plateforme en libre-service, si bien que chaque domaine construit ses propres outils.

Conseils pour Data mesh

Commence par un domaine qui a un responsable clair et des utilisateurs bien identifiés de ses données.
Définis ce qui rend un data product utilisable : schéma, responsable, contrôles qualité et documentation.
Compare les rôles du PIM et du master data management dans le guide PIM vs MDM.

Tendances autour de Data mesh

Data contracts : des accords écrits sur le schéma et la qualité entre producteurs et consommateurs de données.
Des catalogues de données qui rendent les data products des domaines faciles à trouver.
Des outils AI qui vérifient automatiquement les data products selon des règles qualité.

Outils pour Data mesh

WISEPIM : un PIM que le domaine produit peut utiliser pour gérer ses données produit.
Snowflake : un data cloud pour partager des data products.
Databricks : une plateforme lakehouse utilisée pour les data products des domaines.
Starburst : un moteur de requêtes sur des sources de données distribuées.
Confluent : du streaming d'événements pour partager des données entre domaines.

Termes associés

Collision d'attributs Modèle canonique de données (CDM)Modèle de données pour l'économie circulaire Attributs de commerce transfrontalier (CBT)Data contract (contrat de données)Data decay (obsolescence des données)

Aussi appelé

Architecture de données décentraliséeArchitecture de données orientée domainesArchitecture de données fédérée

Questions fréquentes

Un data mesh est une architecture de données dans laquelle les domaines métier possèdent et publient leurs propres données comme des produits, avec l'appui d'une plateforme commune en libre-service et de règles de gouvernance partagées. Il remplace une équipe data centrale unique comme responsable de toutes les données.

Un data lake est un espace de stockage pour des données brutes, généralement géré par une équipe centrale. Un data mesh est un modèle organisationnel qui répartit la responsabilité entre les domaines. Un mesh peut tout à fait s'appuyer sur des data lakes ou des data warehouses.

La responsabilité par domaine, la donnée comme produit, une plateforme de données en libre-service et une gouvernance computationnelle fédérée. Ensemble, ils permettent aux domaines de publier leurs données de façon autonome tout en respectant des normes communes.

Oui. Dans un mesh, le PIM est l'outil naturel du domaine produit : l'équipe produit y est responsable des données et les publie vers les canaux et les autres domaines. Les règles du mesh fixent les formats et les contrôles qualité auxquels ces données produit doivent répondre.

Tu as encore des questions ?

Tu ne trouves pas la réponse que tu cherches ? Contacte notre équipe.

Contacter le support