Glossaire
ETL
L’ETL (Extract, Transform, Load) est le processus qui extrait des données de plusieurs sources, les transforme dans un format cohérent, puis les charge dans…
ETL (Extract, Transform, Load) : définition et explications
Définition du terme ETL
L’ETL (Extract, Transform, Load) est le processus qui extrait des données de plusieurs sources, les transforme dans un format cohérent, puis les charge dans une base cible (entrepôt de données) pour l’analyse. C’est la plomberie de la donnée décisionnelle.
Origine et étymologie
Le terme date des années 1970, avec les premiers entrepôts de données. « Extract, Transform, Load » décrit les trois étapes. Une variante récente, l’ELT (Extract, Load, Transform), inverse l’ordre pour tirer parti de la puissance des bases cloud modernes.
Distinction avec les termes proches
| Terme | Principe |
|---|---|
| ETL | Transformer les données avant de les charger. |
| ELT | Charger d’abord, transformer ensuite dans la base cible. |
| EDI | Échanger des documents entre entreprises (pas préparer de la donnée d’analyse). |
ETL : comment ça fonctionne
Les trois étapes s’enchaînent : on récupère les données brutes, on les nettoie et on les harmonise, puis on les dépose dans la base d’analyse.
Les trois étapes
- Extract : collecter les données depuis les sources (ERP, WMS, TMS, fichiers, API).
- Transform : nettoyer, dédoublonner, convertir les unités, harmoniser les référentiels.
- Load : charger dans l’entrepôt de données ou le datalake pour le reporting.
Cas d’usage
En logistique, un ETL agrège les données du WMS (stocks), du TMS (transport) et de l’ERP (commandes) pour alimenter un tableau de bord supply chain unique. Sans lui, chaque système reste un silo et la vision d’ensemble est impossible.
Là où l’ETL fait vivre ou mourir un projet data
On croit qu’un projet décisionnel se joue sur l’outil de visualisation. Il se joue en réalité dans l’étape la moins visible : le Transform.
- 80 % de l’effort d’un projet data part dans la préparation : nettoyage, rapprochement des référentiels, gestion des cas particuliers.
- Des données sources incohérentes (mêmes clients écrits de trois façons, unités mélangées) produisent des tableaux de bord faux mais crédibles.
- Un beau graphique posé sur un ETL bâclé diffuse des décisions fondées sur des chiffres erronés.
La valeur d’un projet data se construit dans la couche invisible de transformation, pas dans la couche visible de restitution. Un dirigeant qui pilote sur des indicateurs issus d’un ETL non fiabilisé prend des décisions sur du sable.
Indicateurs de suivi
- Taux de complétude et de qualité des données chargées
- Durée d’exécution des traitements ETL
- Taux d’erreurs et de rejets lors du chargement
Découvrez notre annuaire des formations en Supply Chain, Logistique et Achats : Mastères Spécialisés, MSc, Executive MBA, Bachelor…
