Avant le tableau de bord, la cuisine
Vous consommez de la donnée tous les jours.
Tableaux de bord dans Power BI, graphiques dans Tableau, rapports dans Looker…
Mais vous êtes-vous déjà demandé comment ces données sont préparées en amont ?
Avant d’arriver dans votre outil de Business Intelligence, elles passent en cuisine. Littéralement.
Comme dans un bon restaurant, il existe plusieurs façons de cuisiner les données.
Deux grandes écoles : ETL et ELT.
Deux façons de travailler les ingrédients. Deux logiques de service.
Dans cet article, on vous explique les différences… version cuisine.
ETL : la préparation en amont, façon chef traditionnel
👨🍳 ETL = Extract – Transform – Load
C’est la méthode “à l’ancienne” — et elle a fait ses preuves.
Imaginez un chef qui prépare tous les plats en cuisine avant de les envoyer en salle.
Tout est lavé, découpé, cuit, dressé, avant d’arriver dans l’assiette.
En data, ça donne :
- Extract : on va chercher les ingrédients (données) dans les placards — fichiers, bases, API…
- Transform : on les prépare en cuisine : nettoyage, recettes, règles métiers
- Load : on stocke le plat prêt à servir dans l’entrepôt (data warehouse)
Avantages du menu ETL :
- Les plats sont prêts à être servis dès que le client (le dashboard) arrive
- La cuisine est maîtrisée, standardisée
- Moins de pression sur la salle (moins de charge sur l’entrepôt de données)
Inconvénients du menu ETL :
- Moins de personnalisation possible une fois le plat en salle
- Le service peut être plus lent, car tout doit être préparé avant
ELT : la cuisine à la demande
🍳 ELT = Extract – Load – Transform
C’est la méthode des restos modernes et flexibles.
Ici, on envoie les ingrédients bruts en salle, et c’est la salle (le data warehouse) qui fait la cuisson à la demande.
- Extract : on sort les données du garde-manger
- Load : on les pose dans le frigo (data warehouse) sans rien y toucher
- Transform : on les prépare selon la commande du client (requêtes SQL, vues matérialisées, transformations à la volée)
Avantages du menu ELT :
- Une grande flexibilité : chaque plat est préparé sur mesure
- On s’adapte aux goûts du moment (exploration, tests, agilité)
- Les cuisines modernes (Snowflake, BigQuery…) sont pensées pour ça
Inconvénients du menu ELT :
- Attention à la surcharge en salle : les entrepôts doivent encaisser
- Une gouvernance plus complexe : il faut bien gérer qui cuisine quoi
Alors, plutôt cuisine étoilée ou street food ? 🍽️
La vraie différence tient au moment où l’on transforme les données :
- Dans l’ETL, la transformation est en cuisine, avant le stockage
- Dans l’ELT, la transformation se fait en salle, à la demande
Il n’y a pas de recette universelle.
Le bon choix dépend de votre architecture, de vos besoins métier, de la maturité de vos équipes… et du type de service que vous voulez offrir.
| Comparatif | ETL | ELT |
| Style | Service classique | À la carte |
| Flexibilité | Moyenne | Très élevée |
| Charge sur la salle | Faible | Forte |
| Préparation | En cuisine | À la demande |
| Outils adaptés | Talend, SSIS, Informatica | dbt, BigQuery, Snowflake |
| Cas d’usage | Reporting structuré | Analyse exploratoire, cloud |
Ce qu’il faut retenir
🍝 La data, c’est comme la cuisine.
Ce qui arrive dans l’assiette dépend surtout de ce qui se passe en coulisse.
- Si vous avez des flux bien cadrés, des recettes stables, et une salle bien huilée : l’ETL reste un excellent choix
- Si vous avez des besoins en constante évolution, des volumes massifs, et une infrastructure cloud : l’ELT vous offrira plus d’agilité
Mais dans tous les cas :
Votre dashboard n’est que la vitrine. La vraie valeur se prépare bien en amont.
Besoin d’un chef de brigade data ?
Chez Globasoft, on accompagne les entreprises B2B dans la construction de leur chaîne data — de la préparation au service, de la source à la décision.
Audit, architecture, transformation, BI…
On structure les bons processus, avec un engagement de résultat, pour que vos équipes aient toujours les bons plats dans l’assiette.
👉 Parlez-nous de vos enjeux data
