Concept Architecture médaillon
Modèle d'organisation des données en trois couches (bronze, silver, gold) qui raffine progressivement la donnée brute en tables prêtes pour l'analytique.
SFEIR AI · Mis à jour le 7 septembre 2026
Une donnée raffinée par couches successives
L'architecture médaillon est un modèle d'organisation des données qui les fait transiter par des couches successives, chacune appliquant plus de nettoyage, de contrôle qualité et d'enrichissement que la précédente. Databricks, qui en publie la définition de référence, la décrit comme un patron de conception servant à organiser logiquement les données d'un lakehouse « with the goal of incrementally and progressively improving the structure and quality of data as it flows through each layer ». Le nom vient des trois paliers bronze, silver, gold. On parle aussi d'architecture multi-hop : la donnée franchit plusieurs sauts avant d'être consommable.
D'où vient le terme
Le découpage en tables Bronze, Silver et Gold apparaît dans les billets de Databricks dès août 2019, à propos de Delta Lake, sous la formule « tables that correspond to different quality levels ». Le mot « medallion » lui-même ne figure pas dans ce billet ; sa première occurrence publique chez Databricks se trouve dans un billet du 2 juin 2020 sur l'analyse des journaux d'audit, qui renvoie à « our own medallion architecture ». Aucune page Databricks ne date la création du terme, et le glossaire de l'éditeur ne nomme pas d'auteur. Microsoft reprend le vocabulaire tel quel dans sa documentation Azure Databricks, en précisant que suivre le médaillon est « a recommended best practice but not a requirement ».
Les trois couches : bronze, silver, gold
Chaque étage a un rôle précis :
- bronze : la donnée brute ingérée telle quelle depuis les sources, avec ses métadonnées de chargement. Elle sert d'archive historique et de piste d'audit, et permet de retraiter sans re-solliciter les systèmes source.
- silver : la donnée nettoyée par déduplication, normalisation, validation de schéma et règles qualité. Elle consolide une vue d'entreprise cohérente des entités métier, prête pour l'exploration.
- gold : la donnée métier finale (agrégats, modèles en étoile, indicateurs calculés, vues dénormalisées) optimisée pour les tableaux de bord, le reporting et le machine learning.
Un pilier de la stack data moderne
Le médaillon est l'ossature de traitement du lakehouse. Il s'implémente sur Databricks (via Delta Lake et ses transactions ACID), mais le motif ne dépend pas d'un moteur : il se transpose à BigQuery ou à tout entrepôt capable de matérialiser des tables par étape. Ses bénéfices tiennent à la séparation des préoccupations : traçabilité des transformations, réutilisabilité de la donnée à chaque niveau, ETL incrémental, et possibilité de recréer les tables aval depuis la seule couche brute. Il se combine avec le Data Mesh, qui décentralise la propriété par domaine, là où le médaillon régit le raffinage au sein de chaque domaine.
La lecture SFEIR : du raffinage de la donnée à celui des livrables
SFEIR transpose ce modèle des données vers la production à base de connaissance : mêmes paliers raw, bronze, silver, gold, mais l'objet raffiné devient la matière documentaire (sources, extractions, claims) dont on dérive des livrables. Dans les deux cas, un même principe tient : on ne corrige jamais l'étage final, on enrichit l'amont et on régénère.
Questions fréquentes
Que contiennent les couches bronze, silver et gold ?
Bronze stocke la donnée brute ingérée telle quelle (archive, piste d'audit). Silver contient la donnée nettoyée, dédupliquée et normalisée (vue d'entreprise cohérente). Gold livre la donnée métier agrégée et optimisée pour les tableaux de bord, le reporting et le machine learning.
Qui a inventé l'architecture médaillon ?
Databricks l'a nommée et popularisée avec le lakehouse. Les tables Bronze, Silver et Gold apparaissent dans ses billets sur Delta Lake dès août 2019, et le mot « medallion » dans un billet du 2 juin 2020. L'éditeur ne date pas lui-même la création du terme, que Microsoft et d'autres reprennent sans le lui réserver.
Faut-il exactement trois couches ?
Non. Les trois paliers sont canoniques, et la documentation Azure Databricks présente le médaillon comme une bonne pratique recommandée, pas comme une obligation. SFEIR ajoute par exemple un palier raw en amont du bronze dans sa production à base de connaissance.
Quelle différence avec la production à base de connaissance de SFEIR ?
La structure est identique (paliers successifs, promotion gouvernée, jamais de correction de l'étage final), mais l'objet change : l'architecture médaillon raffine des données pour l'analytique dans un lakehouse ; la production à base de connaissance applique la même grammaire à la matière documentaire pour générer des livrables.
Sources
- Databricks, glossaire « Medallion Architecture » — définition de référence, rôle des couches Bronze, Silver, Gold, synonyme « multi-hop » · 2026-09-07
A medallion architecture is a data design pattern used to logically organize data in a lakehouse, with the goal of incrementally and progressively improving the structure and quality of data as it flows through each layer of the architecture (from Bronze ⇒ Silver ⇒ Gold layer tables).
- Databricks, « Monitor Your Databricks Workspace with Audit Logs » (Craig Ng, Miklos Christine) — première occurrence publique du mot « medallion » chez Databricks · 2020-06-02
Following our own medallion architecture, we break it out as follows for our audit logs ETL design
- Databricks, « Productionizing Machine Learning with Delta Lake » (Brenner Heintz, Denny Lee) — tables Bronze, Silver, Gold par niveau de qualité, avant l'apparition du mot « medallion » · 2019-08-14
- Microsoft Learn, « What is the medallion lakehouse architecture? » (Azure Databricks) — reprise du vocabulaire, pratique recommandée mais non obligatoire · 2026-08-10
Following the medallion architecture is a recommended best practice but not a requirement.
- Daniel Beach, « Medallion Architecture. Truth or Fiction? » — enquête sur l'origine du terme, qui identifie le billet Databricks du 2 juin 2020 · 2025-09-08
Articles liés
Raw, bronze, silver, gold : produire la connaissance comme on raffine la donnée
Raw en lecture seule, bronze tracé, silver qui fait foi, gold régénéré : le médaillon appliqué aux livrables. On n'édite plus le document, on enrichit la matière et on régénère. La réponse structurelle au workslop, et la chaîne par laquelle SFEIR produit ses propres supports.
Concevoir et fabriquer à l'ère de l'agentique
Spec-driven devenu standard, Cagan qui acte le déplacement de la valeur vers la discovery, DORA 2025 qui mesure l'amplification : la fabrication du logiciel a basculé. Le cadre SFEIR articule cycle produit, cycle logiciel et base de connaissance en un seul système, où la spec est le prompt.
Une matière, plusieurs représentations : notre site est notre premier client
Notre site contient du contenu de qualité, et sait le régénérer sous d'autres formes. La page que vous lisez et la présentation qui en dérive ne sont pas fabriquées deux fois : elles projettent la même matière. La doctrine PDLC, SDLC, KDLC, appliquée d'abord à notre propre outil.
Au-delà du code : vos documents subissent la même compression
Les livrables écrits pèsent le double du code dans les conversations avec Claude (Anthropic, juin 2026). La compression qui a frappé le logiciel touche rapports, documents et présentations, et produit du workslop quand elle n'est pas gouvernée. Ce qui change pour le DSI et le patron produit.
theKB.eu : anatomie d'un site construit pour les humains et pour les agents
347 fiches de veille sur l'IA, 5 langues, 7 500 pages, sans CMS ni base éditée à la main. Trois étages : une base de connaissance en fichiers, un pipeline de publication, un serveur MCP sans IHM. Comment, et surtout pourquoi, c'est construit ainsi.