DATA ARCHITECTURE
Architecture à médaillon : Bronze, Silver, Gold
Avant de parler de data warehouse ou de lakehouse, il faut parler de la qualité des données. L’architecture à médaillon est la réponse la plus adoptée sur le terrain pour organiser la maturation progressive des données, de leur ingestion brute jusqu’à leur exposition aux métiers.
Le principe est simple : les données traversent trois couches de qualité croissante (Bronze, Silver, Gold) avant d’être consommées. Chaque couche a un rôle précis, des règles de transformation définies, et une garantie de qualité différente. 78 % des entreprises du Fortune 500 ont adopté ce modèle pour leur modernisation data1 et l’ont implémenté nativement dans les plateformes Databricks et Microsoft Fabric.
Cet article explique comment fonctionne l’architecture à médaillon, ce qu’elle change concrètement, et comment elle a été appliquée sur un projet data ferroviaire de grande envergure.
Définition et origine
L’architecture à médaillon (aussi appelée architecture Bronze/Silver/Gold ou pattern lakehouse) est un modèle de conception des données qui organise un data lakehouse en trois couches de qualité progressive. Le terme « médaillon » suit le classement olympique : Bronze est la couche la moins raffinée, Gold la plus prête à l’usage.
Ce pattern a été popularisé par Databricks avec Delta Lake, mais il est aujourd’hui indépendant de tout éditeur. Il s’implémente sur Delta Lake, Apache Iceberg, Apache Hudi, ou tout autre format de table ouvert. Bronze, Silver et Gold sont des étapes logiques, pas des technologies.
Pourquoi ce modèle s’est imposé ?
Le problème que l’architecture à médaillon résout est ancien : les systèmes data reçoivent des données dans des états très hétérogènes (formats différents, qualité variable, valeurs manquantes, schémas incohérents entre sources). Les traiter directement pour les exposer aux métiers produit des résultats peu fiables.
Le pattern Bronze/Silver/Gold impose une discipline : chaque couche a un contrat de qualité clair, chaque transformation est documentée et rejouable, et les données brutes sont toujours conservées comme point de restauration. Si une règle métier change, on peut rejouer la transformation depuis Silver sans réingérer depuis la source. Si le schéma source change, on rejoue depuis Bronze.
Microsoft Fabric et Databricks rapportent une augmentation de 300 % des implémentations de l’architecture à médaillon depuis 20232. Les organisations qui l’adoptent observent une réduction de 40 à 60 % de leurs coûts de traitement et une amélioration de 70 % de la qualité des données 3.
De l’ingestion brute à l’exposition métier — trois couches de qualité croissante, chacune avec un rôle précis et un contrat de données distinct.
Bronze : la donnée brute, telle qu’elle arrive
La couche Bronze est le point d’entrée de l’architecture. Elle stocke les données exactement telles qu’elles sont reçues des sources : fichiers CSV, flux Kafka, exports de bases de données, APIs. Aucune transformation, aucune correction : la donnée est ingérée et préservée à l’identique.
C’est une décision délibérée. La couche Bronze est un point de restauration : si une transformation en Silver introduit une erreur, ou si une règle métier change, on peut rejouer l’ensemble du traitement depuis la source de vérité brute sans avoir à redemander les données aux systèmes sources. Sur des projets où les données historiques couvrent plusieurs années et plusieurs téraoctets, cette capacité de rejouer est précieuse.
Ce que Bronze fait concrètement :
- Ingérer les données de toutes les sources (batch et streaming)
- Conserver le schéma et le format d’origine
- Stocker avec un timestamp d’ingestion pour la traçabilité
- Appliquer une partition temporelle pour l’efficacité des requêtes
Silver : la donnée nettoyée et transformée
La couche Silver applique les premières règles de qualité et de transformation. C’est là que la donnée brute devient utilisable : doublons supprimés, valeurs nulles traitées, types normalisés, schémas unifiés entre sources hétérogènes, règles métier de base appliquées.
Silver est la couche la plus critique de l’architecture, et souvent la plus complexe à définir. Les transformations Bronze-to-Silver doivent être documentées, testées et reproductibles. C’est à ce niveau que les data engineers encodent la logique métier fondamentale : comment identifier un doublon dans ce contexte précis, quelle valeur par défaut pour ce champ manquant, comment réconcilier deux nomenclatures différentes pour le même référentiel.
Ce que Silver fait concrètement :
- Déduplication et normalisation des données
- Application des règles métier de base
- Validation des contraintes (types, plages de valeurs, cohérence référentielle)
- Enrichissement léger (jointures avec référentiels)
- Standardisation des schémas entre sources
Gold : la donnée prête pour les métiers
La couche Gold produit les datasets directement consommables par les équipes métier, les outils BI et les modèles de machine learning. C’est une couche orientée usage : chaque table Gold répond à un besoin analytique précis.
Contrairement aux couches Bronze et Silver qui sont relativement standards dans leur structure, la couche Gold est très variable selon les organisations et les cas d’usage. Elle peut contenir des agrégats, des indicateurs calculés, des modèles dénormalisés optimisés pour la lecture, ou des données enrichies avec des informations externes. C’est la couche la plus proche du langage métier.
Ce que Gold fait concrètement :
- Agrégations et calculs d’indicateurs métier
- Dénormalisation pour optimiser les performances analytiques
- Exposition aux outils BI (Power BI, Tableau, Looker)
- Alimentation des modèles ML en features propres
- Application des règles de conformité et de confidentialité (RGPD)
- Alimentation des modèles ML en features propres
- Application des règles de conformité et de confidentialité (RGPD)
Les outils
L’architecture à médaillon s’implémente sur la majorité des plateformes data modernes :
- Databricks : implémentation native avec Delta Lake, Unity Catalog pour la gouvernance, et des pipelines Delta Live Tables pour l’automatisation des transformations
- Microsoft Fabric : support natif via OneLake avec trois dossiers Bronze/Silver/Gold dans un lakehouse Fabric
- Apache Spark + Delta Lake / Iceberg : implémentation sur infrastructure maison ou cloud sans dépendance à un éditeur spécifique
- dbt : excellent pour les transformations Silver-to-Gold en SQL, avec gestion des tests et de la documentation
Les pièges à éviter
Traiter Gold comme une copie de Silver : la couche Gold doit être pensée par usage métier, pas comme une version nettoyée de Silver. Si Gold ressemble à Silver, c’est souvent le signe que la couche Gold n’a pas été conçue à partir des besoins réels des consommateurs.
Négliger la documentation des règles Silver : les transformations Bronze-to-Silver encodent la logique métier. Si elles ne sont pas documentées et testées, elles deviennent une dette technique opaque. Chaque règle doit être traçable jusqu’à une décision métier explicite.
Vouloir tout mettre en Gold : toutes les données n’ont pas besoin de trois couches. Un dataset simple, issu d’une seule source propre et sans transformation complexe, peut passer directement en Silver ou Gold. L’architecture à médaillon est un cadre, pas une obligation de tuyauterie systématique.
Sous-estimer la gouvernance : qui est propriétaire de chaque couche ? Qui valide une règle de transformation Silver ? Qui décide qu’un indicateur Gold est fiable ? Ces questions organisationnelles sont aussi importantes que les questions techniques.
FAQ Architecture à médaillon
Les dernières
ACTUALITÉS
- Architecture à médaillon : Bronze, Silver, Gold — le guide pratiqueL’architecture à médaillon organise les données en trois couches de qualité croissante : Bronze (brut), Silver (transformé), Gold (métier). Sa vraie valeur n’est pas technique : c’est la discipline qu’elle impose sur la traçabilité des transformations et la séparation des responsabilités. Ce que le terrain nous a appris sur deux ans de projet data ferroviaire.
- Téléchargez notre livre blanc sur la conformité réglementaire dataRGPD, HDS, ISO 27001, NIS2 : notre livre blanc montre comment transformer la conformité data en preuve continue, générée automatiquement dans le delivery logiciel, à partir d’un cas terrain.
- Téléchargez notre livre blanc : briser les silos entre IT et UX pour un parcours client optimalModerniser l’interface ne suffit pas à fluidifier le parcours client : notre livre blanc montre comment aligner front, middle et back avec la méthode Inventiv IT en 5 piliers.
- Téléchargez notre livre blanc sur le Data MeshData Lakes et Data Warehouses n’ont pas fait disparaître les silos de données : notre livre blanc, préfacé par Databricks, présente les 4 principes du Data Mesh et les étapes pour le mettre en œuvre.
- Téléchargez notre livre blanc : de la gouvernance des données à l’intelligence automatiséeLa fiabilité de l’IA et de l’automatisation dépend d’abord de la qualité des données qui les alimentent : notre livre blanc rappelle les rôles clés et le démontre par des cas pratiques chiffrés.
- Selon Ilum.cloud https://es.ilum.cloud/medallion-architecture ↩︎
- Selon Ilum.cloud https://es.ilum.cloud/medallion-architecture ↩︎
- Selon Ilum.cloud https://es.ilum.cloud/medallion-architecture ↩︎