Pourquoi c’est la pièce maîtresse
Un rapport se refait en une journée. Un modèle sémantique mal conçu se paie pendant des années : temps de rafraîchissement qui dérivent, mesures que personne n’ose modifier, chiffres divergents entre équipes.
Ce qui distingue un bon modèle
- Un schéma en étoile. Des tables de faits reliées à des dimensions, plutôt qu’une grande table à plat. Le moteur est conçu pour cela ; tout le reste travaille contre lui.
- Des mesures nommées en langage métier. « Chiffre d’affaires net HT » plutôt que « Somme_CA_2 ». C’est aussi ce qui rend un assistant IA exploitable sur le modèle.
- Une granularité assumée. Une table de faits par grain, jamais deux grains mélangés.
- Des relations propres. Peu de relations bidirectionnelles, pas de cardinalité plusieurs-à-plusieurs par commodité.
Le lien avec l’IA
Copilot et les agents de données interrogent le modèle sémantique, pas les tables brutes. La qualité des réponses d’un assistant reflète donc très directement la qualité du modèle : noms explicites, descriptions renseignées, mesures cohérentes. C’est le travail de modélisation qui fait la différence, pas le réglage du prompt.
