Microsoft Fabric pour l'analyste : du lakehouse au modèle Direct Lake
Microsoft Fabric pour l'analyste est un cours de niveau avancé de 5 leçons (environ 1 h 40), avec 15 exercices et 15 questions de quiz. Prérequis : Service Power BI : publication, partage, sécurité RLS. Le cours demande une machine virtuelle Windows avec Power BI, prévue dans une phase ultérieure de la plateforme.
- Power BI
- Avancé
- 5 leçons
- 1 h 40
- 15 exercices
- Machine virtuelle Windows (phase 2)
Le cours en bref
Ce cours prolonge le parcours Power BI vers Microsoft Fabric. Vous chargez des données dans un lakehouse et un entrepôt, les préparez avec des dataflows Gen2 orchestrés par un pipeline, construisez une couche or en PySpark et Spark SQL, puis créez un modèle sémantique Direct Lake sans copie des données. Vous terminez par la gouvernance : accès, sécurité SQL, étiquettes, traçabilité, cycle de vie et capacité.
Ce que tu sauras faire
- Expliquer OneLake et le format Delta, et choisir entre lakehouse et entrepôt
- Préparer et charger des données avec un dataflow Gen2 et orchestrer avec un pipeline
- Transformer des données et écrire des tables Delta avec un notebook PySpark et Spark SQL
- Créer un modèle sémantique Direct Lake et maîtriser la mise à jour de ses données
- Organiser une architecture en médaillon de la donnée brute au rapport
- Gouverner une solution Fabric : rôles, sécurité SQL, étiquettes, traçabilité, capacité
Programme des 5 leçons
- Situer Fabric, OneLake et les éléments d'un espace de travail
- Charger des fichiers dans un lakehouse et les interroger en SQL
- Choisir entre lakehouse et entrepôt selon le besoin
- 02
Dataflows Gen2 et pipelines : ingérer et préparer
- Préparer des données avec Power Query dans un dataflow Gen2
- Écrire le résultat dans une destination (lakehouse ou entrepôt) avec le bon mode
- Orchestrer et planifier l'ingestion avec un pipeline
- 03
Notebooks : transformer en PySpark et Spark SQL
- Ouvrir un notebook attaché à un lakehouse et lire une table
- Transformer et agréger des données avec PySpark et Spark SQL
- Écrire des tables Delta pour la couche or
- 04
Direct Lake : des modèles sémantiques sur OneLake
- Comparer les modes de stockage Import, DirectQuery et Direct Lake
- Créer un modèle sémantique Direct Lake sur les tables or
- Comprendre la mise à jour des données et les limites du mode Direct Lake
Mode Direct LakeModèle sémantique FabricOptimisation des tables Delta
- 05
Gouvernance : accès, sécurité, traçabilité et capacité
- Gérer les accès par rôles d'espace, partage d'éléments et autorisations SQL
- Appliquer étiquettes, approbation et domaines, et lire la traçabilité
- Organiser le cycle de vie et surveiller la consommation de la capacité
Sécurité dans FabricGouvernance et traçabilitéCapacité et surveillance
Projet final
Plateforme analytique des ventes en médaillon
L'enseigne du parcours Power BI veut passer son reporting sur Fabric. Construisez la chaîne complète : fichier brut dans un lakehouse, couche argent par dataflow Gen2, couche or (faits et dimensions) par notebook, modèle sémantique Direct Lake avec mesures et RLS par région, pipeline planifié qui enchaîne le tout et actualise le modèle, et une note de gouvernance (accès, sécurité SQL, étiquettes, traçabilité, surveillance de la capacité).
Livrables
- Le lakehouse lh_ventes avec Files/brut, ventes_silver (12 lignes) et les tables or fait_ventes, dim_magasin, dim_produit
- Le dataflow df_ventes_silver et le notebook nb_gold commentés
- Le pipeline planifié dataflow → notebook → actualisation du modèle, avec notification d'échec
- Le modèle Direct Lake ms_ventes (Total ventes = 415 ; Lyon 148, Lille 135, Nantes 132) et un rapport
- Une note de gouvernance : matrice d'accès, instructions GRANT/DENY, étiquette, approbation, capture de la traçabilité
Critères d'évaluation
- Chaîne rejouable sans doublons (modes Remplacer et overwrite justifiés)
- Résultats exacts à chaque couche (12 lignes, 415, répartition par magasin et catégorie)
- Modèle Direct Lake propre : relations, mesures, colonnes préparées en amont, mise à jour maîtrisée
- Sécurité cohérente sur tous les niveaux (rôles d'espace, SQL, RLS) et consommateurs sans rôle d'édition
- Gouvernance et exploitation : traçabilité, approbation, environnements séparés, attention à la capacité
Questions fréquentes
Faut-il savoir programmer pour utiliser Fabric ?
Non pour l'essentiel : lakehouse, dataflows Gen2 et modèles se manipulent sans code. Les notebooks demandent des bases de Python ou de SQL, présentées progressivement dans le cours.
Quelle différence entre Direct Lake et le mode Import ?
En Import, les données sont copiées dans le modèle et actualisées. En Direct Lake, le modèle lit directement les tables Delta de OneLake : pas de copie, et une actualisation qui ne fait que pointer vers la dernière version des données.
Lakehouse ou entrepôt : que choisir ?
Le lakehouse convient aux fichiers variés et aux équipes Spark ; l'entrepôt aux équipes SQL qui ont besoin d'écritures transactionnelles. Les deux stockent leurs tables en Delta dans OneLake et coexistent souvent.
Quelle licence faut-il pour Fabric ?
Cela dépend de la licence et de la capacité de votre organisation. Renseignez-vous auprès de votre administrateur ; le cours ne détaille pas les offres, qui évoluent régulièrement.
Ce cours, raconté pour ton métier
Dis ce que tu veux savoir faire : « Microsoft Fabric pour l'analyste » prend sa place dans ton parcours, avec des exemples de ton secteur. Les notions restent celles du cours.