L’ETL, pour Extract, Transform, Load (extraire, transformer, charger), est un procédé d’intégration de données qui collecte des données dans des systèmes sources, les met en forme, puis les dépose dans un système cible.
Le procédé suit trois étapes. L’extraction lit les données dans les applications d’origine : logiciel de gestion, gestion de la relation client, site marchand, outil d’envoi de courriels, fichiers. Elle peut être complète ou ne porter que sur les changements survenus depuis la dernière exécution. La transformation convertit les formats, harmonise les nomenclatures, supprime les doublons, calcule des indicateurs et rejette les enregistrements non conformes. Le chargement écrit le résultat dans la cible, le plus souvent un entrepôt de données ou datawarehouse. Les traitements s’exécutent par lots programmés, la nuit par exemple, ou à intervalles courts pour approcher le temps réel.
Un dispositif ETL comprend des connecteurs vers les sources, une zone de transit où les données sont préparées, des règles de transformation documentées, un ordonnanceur qui déclenche les traitements et un journal d’exécution associé à des alertes.
L’ETL se distingue de l’ELT (extraire, charger, transformer), qui charge d’abord les données brutes dans la cible puis les transforme sur place, une approche associée aux entrepôts hébergés en ligne et au data lake. Il est plus étroit que le data flow, qui désigne tout déplacement de données entre systèmes. Il constitue enfin l’outil habituel de la consolidation de données. En marketing, il alimente les tableaux de bord, les bases clients uniques et les outils d’analyse.
Un projet ETL est souvent présenté comme un choix d’outil. Nous pensons que l’essentiel se joue ailleurs. Chaque règle de transformation encode une définition métier : ce qu’est un client actif, une commande valide, un canal d’acquisition. Si ces règles sont écrites par l’équipe technique seule, les chiffres produits seront exacts au sens informatique et contestés par les métiers. Nous recommandons que chaque règle ait un propriétaire côté marketing, qui la valide et l’explique.
L’ELT séduit par sa souplesse : les données brutes restent disponibles et de nouvelles transformations s’ajoutent sans recharger les sources. L’ETL garde un avantage lorsque la cible doit recevoir des données déjà contrôlées. Il en garde un autre lorsque des données personnelles circulent. Transformer avant de charger permet d’écarter ou de pseudonymiser les champs inutiles avant qu’ils n’atteignent un espace partagé. Nous recommandons de trancher selon trois critères : volume et diversité des sources, compétences disponibles pour écrire les transformations dans la cible, sensibilité des données au regard du RGPD.
Quatre mesures suffisent pour piloter un dispositif ETL. La fraîcheur indique l’âge des données disponibles au moment où les équipes les consultent. Le taux d’exécutions réussies compte les traitements terminés sans incident. Le volume de rejets se suit par source. Le délai de reprise mesure le temps nécessaire pour rétablir un traitement interrompu. Ce sont des repères de pilotage que nous proposons, non des normes.
Advalians pilote votre projet de données, CRM compris, du cadrage à l’adoption : besoin formalisé, prestataires choisis sur des critères explicites, budget tenu, usage mesuré.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
L’ETL transforme les données avant de les charger dans la cible. L’ELT les charge d’abord brutes, puis les transforme dans la cible elle-même. Le premier livre des données déjà contrôlées. Le second conserve les données d’origine et laisse ajouter de nouvelles transformations sans relire les sources.
Critère de choix : si vous devez filtrer ou pseudonymiser des données personnelles avant stockage, ou si la cible a peu de capacité de calcul, l’ETL reste pertinent. Si vous stockez de gros volumes variés dans un data lake ou un entrepôt en ligne, l’ELT est souvent plus souple.
Commencez par trois à cinq indicateurs que la direction suit déjà et dont les chiffres divergent selon les outils. Identifiez les sources qui les alimentent, puis écrivez les définitions et les règles de calcul avec les équipes concernées.
Construisez un premier traitement limité à ces indicateurs, testez-le sur un historique connu et comparez le résultat aux chiffres existants. Expliquez chaque écart avant d’élargir. Désignez un propriétaire métier pour chaque règle et un responsable technique pour l’exploitation quotidienne.
Contrôlez chaque exécution et chaque résultat. Côté exécution, suivez le taux de traitements terminés sans incident et le délai de reprise après une interruption. Côté résultat, comparez les totaux de la cible à ceux des sources, suivez le volume de rejets et vérifiez la fraîcheur des données.
Programmez une alerte lorsque les volumes chargés s’écartent nettement de la moyenne ou qu’un traitement n’a pas tourné. Faites aussi valider régulièrement quelques chiffres clés par les équipes métier, qui repèrent des anomalies qu’aucun contrôle technique ne voit.
La plus coûteuse consiste à corriger les données dans le traitement plutôt qu’à la source : l’ETL accumule des exceptions que plus personne ne comprend. Viennent ensuite l’absence de documentation, la dépendance à une seule personne et l’absence d’alerte en cas d’échec.
Prévoyez un dictionnaire des règles, des rejets conservés et expliqués, et une revue des traitements à chaque changement d’outil source. Sans cela, la réconciliation des données entre la cible et les sources devient impossible, et la confiance dans les tableaux de bord s’érode.
Les connecteurs natifs suffisent tant qu’il s’agit de synchroniser deux outils sur quelques champs, sans calcul ni historique. Ils deviennent insuffisants lorsque vous devez croiser plusieurs sources, appliquer des règles communes, conserver un historique ou produire des indicateurs consolidés.
Critère pratique : si un même chiffre doit être identique dans plusieurs tableaux de bord, il faut une transformation centralisée. Une Customer Data Platform peut couvrir une partie du besoin pour les profils clients, mais elle ne remplace pas un entrepôt alimenté par un ETL pour l’analyse financière ou multicanale.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
Le référencement naturel (SEO) est depuis longtemps le pilier essentiel du marketing digital,..
