Aller au contenu principal

Formation Introduction à l'ingénierie des données

Comprendre les architectures de données modernes, les rôles du Data Engineer et les technologies qui composent les plateformes de données actuelles

Demander un devis
Une formatrice accompagne deux participants penchés sur leurs notes, en salle de formation
Durée
2 jours
Niveau
Fondamental
Modalités
Présentiel / Distanciel

Description de la formation Ingénierie des données

Qu'est-ce que l'Ingénierie des données ?

L'ingénierie des données regroupe l'ensemble des méthodes, technologies et pratiques permettant de collecter, transformer, stocker, sécuriser et mettre à disposition les données au sein d'une organisation. Le Data Engineer construit les fondations techniques qui permettent aux analystes, data scientists et applications d'exploiter les données de manière fiable et performante.

Pourquoi suivre une formation Ingénierie des données ?

Les données sont aujourd'hui au cœur de la transformation numérique des entreprises. Les architectures modernes combinent bases de données, plateformes Cloud, traitements distribués, pipelines temps réel, intelligence artificielle et gouvernance des données. Cette formation a été spécialement conçue pour fournir une vision globale du métier, des architectures et des technologies qui composent les plateformes de données modernes.

Atelier en salle : une participante présente des notes au tableau

Objectifs pédagogiques

À l'issue de cette formation Ingénierie des données, vous aurez acquis les connaissances et compétences nécessaires pour :

  • Comprendre le rôle du Data Engineer
  • Identifier les différents types de données
  • Comprendre les architectures de données modernes
  • Différencier Data Warehouse, Data Lake et Lakehouse
  • Comprendre les principes de l'intégration de données
  • Identifier les enjeux du temps réel et du streaming
  • Comprendre l'apport du Cloud dans les plateformes de données
  • Découvrir les concepts de gouvernance des données
  • Comprendre les enjeux de qualité des données
  • Identifier les interactions entre Data Engineering, IA et analytique

Objectifs opérationnels

Savoir identifier les composants d'une architecture de données moderne et comprendre le rôle du Data Engineer dans la conception et l'exploitation des plateformes de données.

Programme

Contenu du cours

Jour 1

Comprendre le métier de Data Engineer

Les métiers de la donnée
Le rôle du Data Engineer
Data Analyst, Data Scientist, ML Engineer et Data Engineer
Cycle de vie de la donnée
Organisation des équipes Data

Travaux pratiquesObjectif : Identifier le positionnement du Data Engineer dans une organisation orientée données.Description : Les participants analysent plusieurs organisations et identifient les responsabilités respectives des différents métiers de la donnée. Ils cartographient le cycle de vie complet d'une donnée depuis sa création jusqu'à son exploitation. Pourquoi le Data Engineer est-il devenu un acteur central des projets de données modernes ? Les acquis sont validés par une étude de cas collective.

Les fondamentaux des architectures de données

Données structurées, semi-structurées et non structurées
Bases de données relationnelles
Bases NoSQL
Formats de données modernes
Échanges et interopérabilité

Travaux pratiquesObjectif : Comprendre les différents types de données manipulés par les plateformes modernes.Description : Les participants manipulent plusieurs jeux de données et identifient leurs caractéristiques. Ils comparent les modèles relationnels, documentaires et orientés colonnes. Comment choisir le modèle de stockage adapté à un besoin métier ? Les acquis sont validés par une analyse comparative.

Data Warehouse, Data Lake et Data Lakehouse

Historique des architectures décisionnelles
Concepts de Data Warehouse
Principes du Data Lake
Architecture Lakehouse
Cas d'usage et comparaison

Travaux pratiquesObjectif : Identifier les architectures adaptées aux différents usages analytiques.Description : Les participants analysent plusieurs architectures de données utilisées dans des entreprises de tailles différentes. Ils évaluent les avantages et les limites de chaque approche. Pourquoi le modèle Lakehouse s'impose-t-il progressivement comme une architecture de référence ? Les acquis sont validés par une étude de cas.

Intégration et circulation des données

ETL et ELT
Collecte et ingestion
Batch et streaming
APIs et échanges de données
Notions de pipeline de données

Travaux pratiquesObjectif : Comprendre la circulation des données dans une plateforme moderne.Description : Les participants modélisent plusieurs flux de données et identifient les différentes étapes de transformation. Ils distinguent les traitements batch et temps réel ainsi que les différents modes d'intégration. Comment garantir que les données arrivent au bon endroit au bon moment ? Les acquis sont validés par un atelier de conception.Jour 2

Les plateformes de données Cloud modernes

Cloud et Data Engineering
Services managés
Stockage et calcul distribués
Introduction aux plateformes Data Cloud
Notions de scalabilité et d'élasticité

Travaux pratiquesObjectif : Comprendre les bénéfices du Cloud pour les architectures de données.Description : Les participants analysent plusieurs architectures Cloud et identifient les services nécessaires à la construction d'une plateforme de données moderne. Ils évaluent les impacts sur les coûts, la performance et l'exploitation. Pourquoi le Cloud est-il devenu le socle des nouvelles plateformes Data ? Les acquis sont validés par une étude comparative.

Qualité, gouvernance et sécurité des données

Data Quality
Data Governance
Métadonnées et catalogues
Protection des données
Conformité réglementaire

Travaux pratiquesObjectif : Identifier les mécanismes permettant de garantir la confiance dans les données.Description : Les participants évaluent la qualité de plusieurs jeux de données et identifient les risques associés à une mauvaise gouvernance. Ils découvrent les principes de catalogage et de traçabilité. Comment garantir que les données utilisées sont fiables et conformes ? Les acquis sont validés par un atelier d'analyse.

Data Engineering temps réel et architectures événementielles

Introduction au streaming
Notions d'événements
Architecture orientée événements
Cas d'usage temps réel
Évolution des architectures modernes

Travaux pratiquesObjectif : Comprendre les principes du traitement des données en temps réel.Description : Les participants analysent plusieurs scénarios nécessitant un traitement instantané des données. Ils comparent les approches batch et streaming puis identifient les contraintes associées à chaque modèle. Pourquoi les architectures événementielles deviennent-elles incontournables ? Les acquis sont validés par une étude de cas.

L'avenir du Data Engineering : IA, Data Mesh et Lakehouse

Intelligence artificielle et données
Data Mesh
Data Products
Évolution des plateformes Lakehouse
Tendances du marché et perspectives

Travaux pratiquesObjectif : Comprendre les évolutions majeures du Data Engineering.Description : Les participants analysent les transformations actuelles des plateformes de données et évaluent leur impact sur le métier de Data Engineer. Ils découvrent les concepts émergents qui structurent les architectures modernes. Comment les plateformes de données vont-elles évoluer dans les prochaines années ? Les acquis sont validés par une réflexion prospective collective.

Travaux pratiques

Les travaux pratiques représentent environ 40 % de la formation. Ils reposent sur l'analyse d'architectures, la modélisation de flux de données et la conception progressive d'une plateforme de données moderne.

Programme mis à jour le 10/06/2026

Formations liées