Une équipe groupe maintient un référentiel produits. Deux filiales en ont besoin pour préparer leurs offres, mais travaillent avec des outils différents. Leur imposer un environnement unique est-il nécessaire pour partager cette référence ?
Le 18 novembre 2026, Databricks a annoncé un réglage utile pour cette discussion : chaque destinataire du partage ouvert OpenSharing peut recevoir sa propre durée de réutilisation des résultats matérialisés. Cette durée, appelée TTL, remplace pour ce destinataire le réglage du metastore, le périmètre de gestion Unity Catalog. Les déploiements sont progressifs ; l’annonce ne prouve pas que le réglage est déjà disponible dans un compte donné. Notes de version Databricks.
Ce contrôle permet de dissocier certains paramètres de consommation sans dupliquer le service partagé. Il ne décide pourtant pas ce que le groupe doit rendre commun. Dans le cas étudié ici, je privilégierais une interface de données maintenue par le groupe, avec les rapprochements commerciaux conservés dans les filiales. Un calcul commun ou des copies autonomes deviendraient préférables si l’engagement demandé changeait.

Le groupe fournit les faits, les filiales préparent leurs offres
Prenons un cas fictif. Le groupe tient les identifiants produits, les unités de vente et le statut commercialisable. La filiale France rapproche ces informations de ses stocks et conditions clients dans Power BI. La filiale Allemagne les utilise avec Spark dans son processus commercial. Leurs offres restent locales : elles ne doivent ni afficher le même stock ni appliquer les mêmes conditions clients.
Le groupe dispose déjà d'une vue matérialisée du référentiel, c’est-à-dire du résultat conservé d’une requête. Sa production et son actualisation existent ; l’article n’en déduit pas qu’elles sont fiables dans une entreprise réelle. Les filiales savent déjà rapprocher leurs références locales des identifiants groupe. Le problème à traiter est la distribution et le maintien de cette référence, pas la création d’une identité produit commune.
Le besoin porte sur les mêmes faits, sans demande de résultat commercial unique. Il n’existe pas non plus, au départ, d’obligation de préparer une offre pendant une indisponibilité de la source. Ces deux hypothèses rendent les options comparables.
OpenSharing distingue le partage entre environnements Databricks équipés de Unity Catalog et le partage ouvert vers d’autres outils. Power BI et Spark figurent parmi les clients possibles de ce second trajet. Conserver des outils différents est donc une possibilité documentée, dont il reste à vérifier le fonctionnement avec les versions et les objets réellement utilisés. Cela ne justifie pas à lui seul de migrer vers Databricks. Présentation des protocoles.
Le cache se situe entre la référence et son lecteur
Pour comprendre le réglage, il faut distinguer la donnée partagée du résultat préparé pour la livrer. Certains actifs sont interrogés puis matérialisés : le fournisseur prépare un résultat et le conserve temporairement pour le réutiliser. La documentation de configuration cite les vues dynamiques, vues matérialisées, tables alimentées en continu et tables externes interrogées à distance. Il ne s’agit pas d’une durée de fraîcheur applicable indistinctement à toute table Delta. Configuration du TTL de matérialisation.
Le propriétaire d’un destinataire ouvert peut désormais définir materialization_ttl_seconds. Un TTL plus court favorise des résultats plus récents ; un plus long réduit les matérialisations répétées. Sans cette propriété, les réglages du metastore et les valeurs par défaut de l’actif continuent de s’appliquer. La valeur zéro désactive la réutilisation du cache. Une modification concerne les nouvelles matérialisations : les résultats déjà en cache gardent leur expiration initiale. Réglage par destinataire.
Dans notre cas, la vue matérialisée du référentiel constitue déjà un état calculé à actualiser. Sa matérialisation temporaire pour le partage en est un autre. Les destinataires ouverts peuvent lire le snapshot courant d’une vue matérialisée, mais pas l’utiliser comme lecture en continu. Réduire le cache de partage ne déclenche pas l’actualisation du référentiel qui l’alimente. Partage des vues matérialisées.
La conséquence est précise. Une filiale peut recevoir un résultat nouvellement matérialisé à partir d’une référence encore ancienne. Elle peut aussi importer une référence récente, puis conserver longtemps son propre résultat. Le TTL ne mesure ni l’âge de la source ni celui de cette copie locale. Il ne garantit pas davantage une heure de livraison, une disponibilité ou un délai de correction.
Trois options qui déplacent des travaux différents
Un service commun de préparation des offres confierait au groupe davantage que la référence produit. Il faudrait lui fournir les stocks et conditions clients, maintenir leurs accès et traduire les règles des deux filiales. Le groupe pourrait alors répondre d’un résultat final sur un périmètre convenu. En contrepartie, chaque changement commercial local deviendrait une évolution du service commun.
Cette option serait défendable si le groupe devait approuver lui-même les offres, ou si un calcul identique devait être corrigé une seule fois pour tous. Dans les hypothèses de départ, ce mandat n’existe pas : les rapprochements locaux servent des décisions locales. Centraliser leur exécution ajouterait des dépendances sans supprimer une duplication établie. La présence de deux outils n’est pas la preuve que deux équipes refont le même travail.
Un partage encadré du référentiel laisse ces rapprochements dans les filiales. Le groupe maintient les faits publiés et leur interface : identifiants, sens des champs, périmètre, état de référence et manière de signaler une correction. Chaque filiale maintient son accès et le résultat qu’elle en tire. Le nouveau TTL peut faire varier la réutilisation des matérialisations selon les destinataires ouverts, sans exiger de séparer le référentiel.
Cette option préserve les responsabilités du cas avec moins de déplacements de données locales vers le groupe. Elle conserve aussi une dépendance au service du fournisseur. Et elle ne retire aucun travail tant que les anciens fichiers, imports ou rapprochements parallèles restent nécessaires. Le coût doit être évalué jusqu’à leur éventuel retrait, en incluant l’intégration des clients, les calculs de partage et les transferts.
Des copies locales durables donnent aux filiales la maîtrise de leur lecture après réception. Elles permettent de conserver un état daté et de le consulter lorsque la source n’est pas accessible. Mais elles ajoutent un cycle à exploiter : réception, vérification, remplacement, correction et identification des résultats qui en dépendent. Le producteur peut corriger sa référence sans que les copies cessent d’être utilisées.
Une importation nécessaire au fonctionnement de Power BI appartient déjà à cette catégorie de dépendances locales, même si elle est alimentée par un protocole de partage. Ouvrir l’accès ne la fait pas disparaître. L’autonomie doit donc être décrite à partir de ce qui est effectivement conservé, pas à partir du nom du connecteur.
Une correction révèle la frontière à maintenir
Supposons maintenant qu’un produit soit déclaré non commercialisable. Dans le scénario, le groupe a corrigé le référentiel et actualisé la vue publiée. Une offre encore en préparation ne doit plus proposer ce produit. Une offre déjà envoyée relèverait d’une autre décision, que nous ne traitons pas ici.
La filiale France peut encore lire un import antérieur. La filiale Allemagne peut réinterroger le partage et rencontrer un résultat matérialisé avant la correction. Les deux écarts peuvent exister alors que le groupe possède une seule référence correcte. Aucun résultat de ce type n’a été observé dans un compte : ce sont les chemins à vérifier, à partir des mécanismes documentés.
Raccourcir le TTL après la correction ne suffit pas à annoncer sa prise en compte immédiate. Le cache déjà créé conserve son expiration, et l’import français obéit à son propre cycle. Migrer les filiales sur le même outil ne démontrerait pas non plus que leurs résultats consomment le même état.
Ce que je standardiserais est donc la relation avec un état identifiable du référentiel, ainsi que la conduite à tenir quand cet état est retiré ou remplacé. Il pourrait s’agir d’un identifiant de publication et d’un signal de correction maintenus par le groupe. C’est une conception proposée pour le cas, pas une fonction automatique apportée par le nouveau TTL.
Le groupe doit pouvoir indiquer quelle publication fait encore référence. Les filiales doivent pouvoir retrouver celle qui a alimenté leurs offres en préparation et empêcher l’usage d’un état déclaré impropre. Si le processus commercial exige cette exclusion immédiate et que les imports ne permettent pas de la vérifier, le partage seul ne remplit pas le mandat. Il faut ajouter un contrôle à l’étape d’autorisation de l’offre, ou suspendre cette autorisation tant que l’état utile reste inconnu.
Cette frontière permet de conserver des outils différents sans déléguer silencieusement la référence à chaque filiale. Elle oblige aussi à attribuer un travail concret : le groupe publie et signale ; les responsables des processus locaux font appliquer la correction à leurs résultats. Un message envoyé par l’équipe data ne prouve pas cette application.
Quand je changerais le choix
Dans les conditions initiales, je retiendrais le partage du référentiel et garderais les calculs commerciaux locaux. Avant de l’étendre, je demanderais de suivre une correction depuis la vue publiée jusqu’à une offre en préparation dans chaque filiale, avec les véritables clients et leurs imports. La preuve attendue est la disparition de l’ancien statut au bon endroit, ainsi que l’identification de l’état utilisé. Une lecture réussie de la table ne suffit pas.
Si ce parcours exige à chaque correction une reconstruction manuelle des mêmes règles dans les deux filiales, le diagnostic changerait. Un contrôle ou un calcul commun plus étroit pourrait être préférable, sans centraliser toute la préparation commerciale. Il faudrait comparer son maintien au travail qu’il supprime réellement.
Si une filiale doit consulter un catalogue pendant une coupure et que le métier accepte un état explicitement daté, une copie locale devient justifiée. Elle ne permet pas de promettre le statut courant pendant la coupure. Une offre exigeant ce statut resterait suspendue ; la copie sert l’usage dégradé accepté, puis doit recevoir les corrections à la reprise.
Enfin, si le groupe reçoit mandat d’autoriser un résultat commercial unique, il devient cohérent de financer le service commun avec ses données locales nécessaires et ses règles. Ce changement de responsabilité, davantage que le choix de Power BI ou de Spark, modifierait l’architecture à privilégier.
Les contrats de données traitent l’autorisation des changements d’interface ; les droits par ligne, le maintien des périmètres d’accès. Ici, la décision porte sur ce que le groupe s’engage à exploiter : une référence distribuée, un résultat commun ou des copies autonomes. Le nouveau réglage Databricks rend une variation de cache possible. Le périmètre de standardisation découle du travail que chaque entité doit pouvoir maintenir.
Analyse documentaire du 20 novembre 2026, fondée sur la documentation Databricks sur AWS. Cas fictif ; aucun compte cloud, connecteur, partage ou réglage TTL n’a été testé. Aucun gain de coût ou de capacité n’a été mesuré.