Le Lakehouse a-t-il vraiment gagné la bataille face au Data Warehouse ?
Avec Microsoft Fabric, le choix de Spark et d'une architecture Lakehouse est souvent privilégié.
Pourtant, de nombreux projets en production racontent une autre histoire : consommations qui s'envolent, capacités surchargées et solutions difficiles à industrialiser.

Et si les Warehouses associés à la polyvalence de dbt étaient aujourd'hui l'approche la plus simple et robuste pour traiter des données structurées dans Fabric ?
L’arrivée récente de l’item dbt Job, et demain de dbt Fusion, ouvre la voie à des transformations plus maitrisées et efficaces.

À partir d'un retour d'expérience sur une plateforme traitant plusieurs dizaines de téraoctets de données, nous verrons :
- la maturité de l'intégration de dbt dans Fabric et les implémentations qui fonctionnent
- pourquoi le Warehouse est compétitif sur les données structurées
- comment ingérer massivement des fichiers à faible coût en SQL
- les avantages de dbt dans un projet de transformation : modularité, gestion des dépendances, tests, documentation, notamment par rapport aux procédures stockées classiques ou aux notebooks Spark
- les pièges fréquents qui impactent fortement la consommation

Prenons ensemble du recul sur la hype Spark pour voir ce qui fonctionne efficacement dans Fabric.