Le Data Mesh, conceptualisé par Zhamak Dehghani en 2019, est désormais adopté par des organisations de toutes tailles. Son principe fondateur : traiter la donnée comme un produit, détenu et opéré par les équipes métier (domaines), et non par une équipe data centrale.
Les 4 principes du Data Mesh
1. Ownership par domaine
Chaque domaine métier (marketing, finance, supply chain) est responsable de ses propres données. Il les produit, les documente et les met à disposition sous forme de data products.
2. Data as a Product
Un data product a un propriétaire, un SLA, une documentation, des métriques de qualité. Il est découvrable via un catalogue et consommable via des interfaces standardisées.
3. Plateforme self-service
Une équipe plateforme fournit les outils, l'infrastructure et les abstractions nécessaires pour que chaque domaine puisse créer et opérer ses data products sans dépendance forte à une équipe centrale.
4. Gouvernance fédérée
Les règles de gouvernance (normes de qualité, standards de sécurité, conventions de nommage) sont définies collectivement et appliquées de manière automatisée via la plateforme.
Pourquoi ça échoue souvent
Le piège classique est de traiter le Data Mesh comme un projet technique. Installer un catalogue de données et décréter que les domaines sont responsables de leurs data ne suffit pas.
Les échecs les plus fréquents :
- Pas de sponsorship C-level : le Data Mesh redistribue le pouvoir. Sans soutien de la direction, les domaines résistent
- Équipes domaines non préparées : publier un data product requiert des compétences data que les équipes métier n'ont pas encore
- Plateforme trop complexe : si créer un data product prend 3 semaines, personne ne le fera
- Absence de data contracts : sans contrats formels entre producteurs et consommateurs, la qualité se dégrade rapidement
Notre approche chez Bomzai
Nous déployons le Data Mesh progressivement :
- Audit de maturité : évaluer la capacité data de chaque domaine
- Domaine pilote : identifier un domaine mature et motivé pour le premier data product
- Plateforme MVP : déployer les briques essentielles (catalogue, qualité, accès)
- Scaling : étendre domaine par domaine, en formant les équipes
Le Data Mesh n'est pas un big bang. C'est une transformation progressive qui prend 12 à 24 mois pour atteindre sa maturité.
Data Mesh vs Data Fabric : quelle différence ?
Le Data Fabric est une approche centrée sur la technologie : une couche d'intégration intelligente qui connecte et virtualise toutes les sources de données. Le Data Mesh est centré sur l'organisation : il redistribue la responsabilité de la donnée.
En pratique, les deux approches sont complémentaires. La plateforme self-service du Data Mesh peut s'appuyer sur des technologies Data Fabric pour simplifier l'accès aux données.