Import, DirectQuery ou Direct Lake : bien choisir le mode de stockage Power BI

By Mirko Peters · 2026-10-22

Comparez les modes de stockage Import, DirectQuery et Direct Lake dans Power BI pour optimiser les performances des rapports, la fraîcheur des données et les coûts d’infrastructure.

Automatically translated with AI from the original post. Read the English original

Le choix du bon mode de stockage Power BI détermine la rapidité de chargement de vos rapports et la fraîcheur de vos chiffres sous-jacents. En comprenant les différences opérationnelles, les implications en matière de coûts et les limites de volumétrie d’Import, de DirectQuery et de Direct Lake, les développeurs peuvent optimiser les performances sans sacrifier l’exactitude de la business intelligence.

Points clés

• Le mode de stockage se configure table par table, ce qui permet aux développeurs de créer des modèles composites flexibles combinant différentes stratégies d’approvisionnement des données.
• Le mode Import offre des performances élevées grâce à la compression en mémoire, mais repose sur des actualisations planifiées pour mettre à jour les données.
• DirectQuery donne accès aux données en direct, en temps réel, en interrogeant directement la base source à chaque action de l’utilisateur, mais il hérite des limites de performance de cette source.
• Direct Lake offre des performances très rapides au sein de Microsoft Fabric en lisant directement les tables Delta depuis OneLake, sans copie complète des données.
• Trouver le bon équilibre entre performances des requêtes, fraîcheur des données et coûts de licences est essentiel lors de la conception de modèles sémantiques de niveau entreprise.

Comprendre les modes de stockage Power BI

Tout modèle sémantique Power BI nécessite une méthode pour acquérir et héberger les données. Le paramètre de mode de stockage détermine si les données sont physiquement copiées dans le modèle, récupérées à la demande depuis une base de données externe ou lues directement depuis un stockage de fichiers analytiques. Comme le mode de stockage se configure au niveau de chaque table et non globalement pour l’ensemble du modèle sémantique, les architectes de reporting peuvent combiner les approches selon les besoins de chaque unité métier.

Un mauvais choix de stockage entraîne souvent des tableaux de bord lents à charger, des actualisations de données qui échouent ou une consommation mémoire excessive. Pour prendre des décisions d’architecture éclairées, évaluez la croissance de vos données, leur fréquence de modification et les attentes de vos utilisateurs en matière de performances.

Fonctionnement et compromis du mode Import

Le mode Import est l’approche par défaut et la plus courante pour les débutants. Lorsque vous l’utilisez, Power BI extrait une copie de vos données source, la compresse fortement (un taux de compression de 10 pour 1 est fréquent) et la charge directement en mémoire (RAM) dans le service Power BI.

Comme les données résident entièrement en mémoire, les visuels des rapports s’affichent extrêmement rapidement. Les utilisateurs peuvent segmenter, explorer et filtrer sans attendre de connexions à une base externe. Le principal compromis concerne toutefois la fraîcheur des données : les chiffres importés ne sont qu’aussi récents que la dernière actualisation planifiée. Sur les capacités Power BI partagées, vous pouvez actualiser les données jusqu’à huit fois par jour ; les capacités Premium permettent jusqu’à 48 actualisations quotidiennes. Si votre activité exige une mise à jour toutes les moins d’une minute, le mode Import seul ne suffira pas.

DirectQuery pour les besoins temps réel

DirectQuery adopte une approche exactement inverse : il ne copie aucune donnée dans le modèle. Le modèle sémantique ne conserve que les métadonnées, c’est-à-dire les tables, les relations et les mesures. À chaque ouverture d’un visuel de rapport ou à chaque clic sur un segment, Power BI transforme cette interaction en requête active envoyée directement à la base de données relationnelle sous-jacente.

Vos données sont ainsi toujours à jour, et l’on s’affranchit des limites de taille de fichier imposées par la mémoire. En revanche, DirectQuery entraîne des pénalités de performance importantes : si la base sous-jacente est lente, vos rapports le seront aussi. Par ailleurs, les calculs DAX se limitent à ce que la base source peut interpréter nativement, et une forte utilisation simultanée par de nombreux consommateurs de rapports peut surcharger votre système source.

Direct Lake : l'avantage Fabric

Conçu spécifiquement pour Microsoft Fabric, Direct Lake comble l'écart entre la rapidité du mode Import et la fraîcheur en temps réel de DirectQuery. Direct Lake lit les tables Delta stockées dans OneLake, le magasin de données analytiques unifié de Fabric, et charge directement en mémoire, à la demande, uniquement les colonnes nécessaires à une requête.

La fonctionnalité phare de Direct Lake est son mécanisme d'actualisation. Contrairement au mode Import, qui exige une copie complète des données et un rechargement intégral, une actualisation Direct Lake ne met à jour que les métadonnées (un processus que Microsoft appelle « framing ») en quelques secondes seulement. On obtient ainsi des performances aussi rapides que la mémoire, sans la charge liée à la duplication quotidienne des données. Notez que Direct Lake requiert un abonnement payant à une capacité Microsoft Fabric, ce qui en fait une solution de niveau entreprise plutôt qu'une simple mise à niveau gratuite.

Créer des modèles composites pour des performances optimales

Vous n'êtes pas contraint de choisir un mode de stockage unique pour l'ensemble de votre modèle sémantique. En combinant différents types de stockage au sein d'un même modèle, vous créez ce que Microsoft appelle un modèle composite. Un schéma classique et très efficace consiste à placer les petites tables de dimensions stables (comme les listes de produits ou les catégories de clients) en mode Import pour un filtrage instantané, et les tables de faits volumineuses et en croissance rapide (comme les journaux de transactions) en DirectQuery ou en exploitant Direct Lake.

Cette stratégie hybride offre aux créateurs de rapports le meilleur des deux mondes : une réactivité fluide de l'interface grâce aux tables de dimensions mises en cache, associée aux données transactionnelles en temps réel provenant de la source. Une planification rigoureuse lors de la phase d'architecture permet à votre organisation d'éviter des coûts d'infrastructure inutiles tout en garantissant une diffusion rapide des données.

Conclusion

Le choix entre Import, DirectQuery et Direct Lake dépend, en fin de compte, de l'échelle de votre organisation, de votre budget et de vos besoins en données en temps réel. En adaptant le mode de stockage au rythme opérationnel de vos données métier, vous pouvez bâtir des environnements analytiques fiables et réactifs. Pour en savoir plus sur la mise en place de modèles sémantiques robustes, écoutez l'épisode complet et abonnez-vous au podcast pour des analyses quotidiennes sur le cloud Microsoft.

Questions fréquentes

Peut-on mélanger des tables Import et DirectQuery dans un même modèle Power BI ?

Oui. Power BI prend en charge les modèles composites, qui permettent de définir des modes de stockage différents pour chaque table d'un même modèle sémantique.

À quelle fréquence peut-on actualiser un modèle Power BI importé ?

Sur une capacité partagée, les actualisations planifiées peuvent s'exécuter jusqu'à 8 fois par jour. Sur une capacité Premium ou Fabric, vous pouvez planifier jusqu'à 48 actualisations par jour.

Direct Lake nécessite-t-il un niveau de licence particulier ?

Oui, Direct Lake requiert un abonnement à une capacité Microsoft Fabric, alors qu'Import et DirectQuery peuvent fonctionner avec les licences Power BI gratuites ou Pro standard.

Que deviennent les calculs DAX en mode DirectQuery ?

Les formules DAX en DirectQuery doivent pouvoir être traduites en requêtes natives comprises par la base de données source, ce qui limite l'utilisation de certaines fonctions complexes ou itératives.