Fivetran architecture l’alimentation en données en temps réel de Saint-Maclou, en automatisant l’ingestion d’une quinzaine de sources vers Snowflake. L’enseigne de revêtements de sols abandonne des flux manuels hérités au profit d’une approche ELT afin de réduire les délais d’accès à la donnée, de réallouer les ressources techniques vers des tâches à plus forte valeur et de préparer des usages analytiques avancés, y compris en intelligence artificielle.
Dans de nombreuses organisations, les projets data restent ralentis par une contrainte rarement visible dans les discours, la collecte. Lorsque l’alimentation de la plateforme repose sur des développements spécifiques et une maintenance continue, la donnée arrive tardivement et les métiers peinent à exploiter son potentiel.
Saint-Maclou est une enseigne française spécialisée dans les revêtements de sols, implantée à Lezennes dans le Nord. Elle s’appuie sur un réseau de 132 magasins en France, complété par un entrepôt logistique, pour servir une clientèle de particuliers et de professionnels. Forte de plus de 60 ans d’expérience, l’entreprise emploie 1 400 collaborateurs.
Un décisionnel hérité qui freine les projets analytiques
Dans le cadre de la modernisation de son système d’information, Saint-Maclou a engagé une refonte progressive de sa plateforme de données. Cette démarche lui permet de mieux exploiter les données issues des ventes, du service de pose, de la finance, du marketing, de la logistique et de la gestion des stocks. L’enjeu est opérationnel, disposer de données plus rapidement exploitables afin de répondre à des demandes métiers plus fréquentes et plus évolutives, sans rupture de service.
Avant cette transformation, Saint-Maclou reposait sur un système décisionnel hérité, alimenté par des flux développés et maintenus manuellement. Chaque nouveau projet d’analyse nécessitait une phase préalable d’identification précise des bases sources, des tables et des colonnes pertinentes, suivie d’un développement spécifique des flux d’alimentation.
Cette organisation impliquait une charge importante de développement, de maintenance et d’astreinte. Les data engineers étaient fortement sollicités sur la phase de collecte, au détriment des travaux de transformation et d’analyse. Les délais des projets s’allongeaient mécaniquement, avec des impacts directs sur la finance, la supply chain, les ressources humaines, le marketing, les ventes et la logistique, tout en limitant la capacité d’expérimentation sur des cas d’usage analytiques avancés et liés à l’intelligence artificielle.
Snowflake, l’entrepôt unique de l’architecture de données
Pour réduire ces frictions, Saint-Maclou a fait le choix d’une architecture de données moderne sur le cloud, avec Snowflake comme base de données centrale. Ce choix répond à la nécessité de disposer d’un entrepôt capable d’absorber des volumes croissants de données et de supporter des usages analytiques variés.
« Charge de développement, charge de maintenance, charge d’astreinte, coût de licence pour l’outil, notre façon de travailler générait auparavant d’importants coûts, explique Salmane Khamlichi, responsable data chez Saint-Maclou. Afin d’accélérer la mise à disposition de la donnée et de générer rapidement de la valeur, nous avons fait le choix de basculer vers une architecture de données moderne sur le cloud, avec Snowflake comme base de données centrale ». Une fois cette brique en place, l’alimentation fiable et rapide de la plateforme est devenue un enjeu structurant.
Fivetran automatise l’ingestion et généralise l’approche ELT
Pour alimenter Snowflake, Saint-Maclou a retenu Fivetran et opéré une bascule d’une logique ETL vers une logique ELT. L’outil a été sélectionné pour sa compatibilité native avec Snowflake, pour sa robustesse évaluée lors d’un POC, et pour sa capacité à gérer de grandes bases SQL Server ainsi que des sources de données critiques.
L’approche ELT, pour extract load transform, consiste à charger les données brutes directement dans l’entrepôt de données avant d’y appliquer les traitements de transformation. À l’inverse, l’approche ETL, pour extract transform load, transforme les données en amont, dans des outils ou des flux intermédiaires, avant leur chargement. Concrètement, l’ELT tire parti de la puissance de calcul des plateformes data cloud comme Snowflake pour effectuer les transformations au plus près des usages analytiques, avec une meilleure traçabilité et une plus grande flexibilité. Elle réduit la complexité des flux, limite la maintenance spécifique et accélère l’intégration de nouvelles sources. L’ETL reste pertinent dans des contextes très contraints ou fortement normalisés, mais il introduit des délais supplémentaires et rigidifie l’architecture lorsque les volumes, les schémas et les besoins métiers évoluent rapidement.
Des délais réduits et une exploitation recentrée sur la valeur
Fivetran synchronise aujourd’hui automatiquement les données issues d’une quinzaine de sources, hébergées on-premise ou dans le cloud, vers Snowflake. Ces sources comprennent notamment l’ERP Microsoft AX, les outils logistiques, les systèmes de vente et de gestion des stocks, ainsi que plusieurs applications marketing, dont le futur CRM Salesforce. Avec cette organisation, la collecte n’est plus un goulot d’étranglement et la transformation est prise en charge au plus près de l’entrepôt de données, notamment via DBT Core.
Selon Saint-Maclou, les gains les plus immédiats concernent les délais. L’intégration de nouvelles sources, qui prenait auparavant plusieurs jours voire plusieurs semaines, s’effectue désormais en quelques heures. Cette réduction du cycle d’ingestion permet de conserver les projets dans un même sprint et de limiter les allers-retours coûteux.
D’un point de vue organisationnel, les data engineers sont beaucoup moins sollicités sur le run. L’ingestion de données ne requiert plus l’équivalent d’un temps plein et les ressources peuvent être réallouées vers la transformation et l’exploitation de la donnée. La stabilité des synchronisations et la gestion automatique des évolutions de schémas renforcent la confiance dans les données disponibles et réduisent les risques d’interruption de service.
Une base unifiée pour préparer les usages analytiques avancés
La centralisation de l’ensemble des données dans Snowflake apporte à Saint-Maclou une vision unifiée, là où les informations étaient auparavant dispersées dans de multiples applications métiers. Cette consolidation facilite la collaboration entre l’équipe data et les équipes marketing, commerciales et logistiques.
Elle permet également d’envisager plus sereinement des projets de prévision des ventes, d’analyses avancées et d’intelligence artificielle. La plateforme Fivetran offre en parallèle des capacités de suivi de la consommation, afin de mieux maîtriser les coûts associés aux projets data. « Aujourd’hui, le sujet de la collecte de données n’en est plus un. Grâce à Fivetran, nos équipes sont concentrées sur la transformation et leur métier retrouve sa réelle valeur ajoutée », conclut Salmane Khamlichi.
