clement13.net
Photo d’origine : Un centre d'impression de presse
Description
Un centre d'impression de presse
Source
Asanagi · page d’origine
Licence
CC0 Domaine public
Photo d’origine, non retouchée. L’arrière-plan en est une version stylisée par le site.

Reporting Power BI — OneLake et SQL Server managé

Ce dossier traite d'une question d'architecture très concrète : sur quelle source analytique bâtir un reporting Power BI alimenté par des applications de terrain en SaaS ?

Guide≈ 7 min de lectureVérifié en partieContrôle partielLes faits principaux ont été contrôlés par recherche dans des sources citées. Les éléments ci-dessous restent à recontrôler avant de s’y fier.À recontrôler
  • Statut actuel (préversion ou GA) du mirroring SQL MI derrière pare-feu via passerelle non reconfirmé après Build 2025.
Rédaction assistée par IA ; sources citées en bas de page. Une erreur ? Signalez-la via le site clement13.net.Lecture
En bref
  • Ce dossier traite d'une question d'architecture très concrète : sur quelle source analytique bâtir un reporting Power BI alimenté par des applications de terrain en SaaS ?
  • Deux familles sont étudiées en miroir : Microsoft Fabric / OneLake (fichiers 01 à 04) et SQL Server managé (fichiers 05 à 08), puis comparées (09), complétées par des bonnes pratiques valables partout (10) et des checklists de projet (11).
  • Vous y trouverez des notes /5, des arbres de décision, des pièges avec symptôme-cause-remède, des apports de l'IA et des garde-fous.
  • Public : du développeur qui découvre Power BI à l'architecte BI qui doit arbitrer. Chaque fichier monte en gamme de 🟢 (bases) à 🔴 (expert).
Sur cette page
  1. 1. Interprétations retenues
    1. 🟢 Novice — Les deux sujets
    2. 🟡 Pratique — Ce qui est hors champ
  2. 2. Carte des 11 fichiers
  3. 3. Parcours de lecture
    1. 🟢 Novice — « Je découvre »
    2. 🟡 Pratique — « Je construis un rapport »
    3. 🔴 Expert — « Je décide ou j'arbitre »
    4. 🟡 Pratique — « Je forme une équipe »
  4. 4. Fil rouge
  5. 5. Faits volatils et vérifications
  6. 6. Liens avec le reste de cette rubrique
  7. 7. Voir aussi

Niveau : 🟢→🔴

1. Interprétations retenues#

Le sujet de ce dossier admet plusieurs lectures. Voici celles retenues, pour que chacun sache ce qui est couvert (et ce qui ne l'est pas).

🟢 Novice — Les deux sujets#

  • « OneLake + applications mobiles en SaaS » : un reporting Power BI dont la source analytique est Microsoft Fabric / OneLake (lakehouse ou warehouse, Direct Lake, mirroring, raccourcis, pipelines, dataflows Gen2, eventstream), alimenté par des applications mobiles SaaS : SFA/CRM terrain, Dynamics 365, Salesforce, Power Apps, applications de collecte. Cela implique des quotas d'API, des schémas qui dérivent, des données hors ligne puis synchronisées, de la latence et des questions d'identité.
  • « SQL Server en SaaS » : une base relationnelle managée en cloud — Azure SQL Database, Azure SQL Managed Instance, SQL database in Fabric ; SQL Server sur machine virtuelle servant de contraste — comme source Power BI (Import, DirectQuery, composite, ou Direct Lake via mirroring), le service Power BI étant lui-même en SaaS.
⚠️ Piège

Nuance PaaS contre SaaS : Azure SQL Database et Managed Instance sont du PaaS (moteur managé, mais schéma, index, dimensionnement et droits restent à votre charge) ; seuls Power BI et Fabric sont du SaaS. « SQL Server en SaaS » est donc un raccourci de langage : il ne dit pas que l'exploitation disparaît.

🟡 Pratique — Ce qui est hors champ#

  • L'application mobile elle-même (sa conception, son hors-ligne, son SDK) : on ne traite que ce qu'elle impose au reporting (extraction, quotas, schémas, latence).
  • Les autres sources analytiques (Synapse dédié historique, Databricks, Snowflake) : évoquées seulement comme contrastes.
  • Le détail tarifaire à jour : les chiffres sont donnés en ordres de grandeur signalés, à vérifier (état 2026-10).
🤖 IA

Chaque dossier de source (OneLake, SQL Server) comprend un fichier consacré à l'IA : Copilot dans Power BI/Fabric, assistants de code, qualité des données par l'IA, avec gains, risques et garde-fous notés /5.

2. Carte des 11 fichiers#

# Fichier Contenu Pour qui / quand
01 OneLake et SaaS mobile — vue d'ensemble Les concepts : OneLake, lakehouse, warehouse, Direct Lake, mirroring, shortcuts ; la chaîne depuis l'application mobile Découverte, mise à niveau
02 OneLake et SaaS mobile — architecture Médaillon, pipelines, capacités, sécurité, modèles sémantiques Conception
03 OneLake et SaaS mobile — difficultés et pièges Quotas d'API, dérive de schéma, hors-ligne, capacité, repli DirectQuery Avant de s'engager, en revue
04 OneLake et SaaS mobile — IA Copilot, agents de données, assistants de développement Cadrage des usages IA
05 SQL Server managé — vue d'ensemble Azure SQL Database, Managed Instance, SQL database in Fabric ; PaaS contre SaaS Découverte
06 SQL Server managé — architecture Couche d'exposition, Import/DirectQuery/composite, mirroring, sécurité, réseau Conception
07 SQL Server managé — difficultés et pièges Verrous, plans de requête, passerelles, limites de modèle Revue, exploitation
08 SQL Server managé — IA IA côté base et côté Power BI Cadrage des usages IA
09 Comparatif OneLake contre SQL Server Neuf aspects notés /5, heatmap, arbre de décision, scénarios, coûts, trajectoires Décision d'architecture
10 Bonnes pratiques Power BI transverses Étoile, nommage, DAX, Power Query, RLS, performance, multilingue, PBIP/Git, lineageTag, 47 pièges Toute l'équipe, en continu
11 Checklists de projet de reporting Six phases, choix d'architecture, revue de rapport, revue de modèle Pilotage et pair review
01 à 04 OneLake09 Comparatif05 à 08 SQL Server10 Bonnes pratiques11 Checklistsdécision
Survolez ou touchez un élément pour en lire le détail.

3. Parcours de lecture#

🟢 Novice — « Je découvre »#

  1. Ce README, puis le GLOSSAIRE.
  2. 05 — SQL Server, vue d'ensemble (le plus proche d'un existant classique), puis 01 — OneLake, vue d'ensemble.
  3. Sections 🟢 de 10 — bonnes pratiques : étoile, nommage, DAX de base.

🟡 Pratique — « Je construis un rapport »#

  1. 10 — bonnes pratiques, de bout en bout.
  2. L'architecture de votre source : 06 ou 02.
  3. Les pièges correspondants : 07 ou 03.
  4. 11 — checklists : phases Build et Recette, revue de modèle.

🔴 Expert — « Je décide ou j'arbitre »#

  1. 09 — comparatif : grille, arbre de décision, seuils de bascule.
  2. Fichiers de pièges 03 et 07, puis IA : 04, 08.
  3. 11 — checklist de choix d'architecture, puis auto-évaluation avec la matrice Développement BI.

🟡 Pratique — « Je forme une équipe »#

  • Faire lire 10 (sections 2, 3, 4, 13) et pratiquer la revue de modèle de 11 sur un modèle réel de l'équipe ; mesurer ensuite avec l'auto-évaluation.

4. Fil rouge#

Les exemples s'appuient, de façon anonyme et illustrative, sur un datamart SQL Server alimenté par une application de force de vente (SFA) terrain, avec des rapports Power BI multilingues, versionné en TFVC et livré en kits d'installation. Ce cas est représentatif des organisations qui se demandent : faut-il rester sur le datamart, passer à OneLake, ou faire coexister les deux ? La réponse de ce dossier est nuancée : le plus souvent, commencer par ne rien casser, mesurer, puis ouvrir OneLake par mirroring (voir 09 — comparatif).

🧪 Exemple

Une équipe de cinq personnes, 150 utilisateurs, un datamart de 200 Go, trois langues. Le comparatif recommande de conserver le modèle Import, de mettre en place la réconciliation automatique, et de tester le mirroring sur trois tables avant tout engagement : coût du pilote de l'ordre de quelques jours-homme, réversible.

5. Faits volatils et vérifications#

Microsoft Fabric, Power BI, les licences, les tarifs et l'état GA/préversion des fonctionnalités évoluent plusieurs fois par an. Ce dossier signale (état 2026-10) les faits concernés. Vérifications effectuées à la rédaction (recherche web, 2026-10) :

Fait État constaté À reconfirmer avant décision
Mirroring d'Azure SQL Database dans Fabric Disponibilité générale annoncée en novembre 2024 Limites de types et de DDL
Mirroring d'Azure SQL Managed Instance Disponibilité générale annoncée ; prise en charge derrière pare-feu via passerelle de données annoncée en préversion Statut actuel de la préversion, prérequis réseau
Capacités Power BI Premium P1–P5 Plus vendues, remplacées par les capacités Fabric F Échéance dans votre contrat
Tarifs (Pro, Premium par utilisateur, capacités F) Ordres de grandeur relevés : Pro ≈ 14 $, PPU ≈ 24 $ par utilisateur et par mois ; F4 ≈ 525 $/mois en paiement à l'usage (hors réservation) Toujours la page officielle de tarification, votre devise et votre contrat
Seuil de lecture sans licence individuelle (F64 et plus) Lecture sans licence Pro par utilisateur à partir de F64 (équivalent P1) ; les F plus petites exigent une licence par lecteur Documentation officielle de licences Power BI
Direct Lake, sécurité OneLake, PBIR par défaut, Copilot Évoluent vite À vérifier dans la documentation
⚠️ Piège

Un chiffre de licence ou de limite cité de mémoire (par un humain ou une IA) est périmé plus souvent qu'on ne le croit. Les fichiers de ce dossier donnent des ordres de grandeur pour raisonner, jamais un devis.

6. Liens avec le reste de cette rubrique#

Si vous cherchez… Allez voir
La pratique mesurée sur cinq niveaux Matrice Développement BI (modèle, DAX, RLS, versionnement, tests, multilingue, coûts)
Le cycle de vie de la donnée comme actif Matrice Conduite de projet data
La conduite du projet de reporting Scrum et data · Méthodes spécifiques data
La livraison continue de modèles et de scripts CI/CD pour la data
Le versionnement de fichiers de rapport et de scripts SQL GDS et données SQL/BI · TFVC en profondeur
Le suivi de projet et les métriques Azure DevOps / TFS en profondeur · Métriques et reporting de projet
L'IA dans le projet IA en conduite de projet · IA — synthèse transverse
Définitions, notation, bibliographie GLOSSAIRE · NOTATION · Bibliographie et ressources

7. Voir aussi#

✻ Rédigé par Claude Sonnet 5.5