Data Modeling 101
La colonne vertébrale de tout projet
Une base de données se juge à la qualité des questions qu’elle permet de poser. Si vous devez dupliquer un email dans cinquante lignes, le problème n’est pas l’interface : il est dans le modèle.
Nous allons partir d’un cas simple, une association qui réserve des salles, et regarder les tables, les relations, les contraintes et les index. L’objectif n’est pas de normaliser pour le plaisir, mais d’éviter les données contradictoires et les requêtes qui deviennent impossibles.
Une mauvaise application avec une bonne base de données peut être sauvée.
Une belle application avec une mauvaise base de données devra être entièrement reconstruite.
A. Concepts Relationnels (SQL)
1. Tables & Records
Oubliez Excel. Une base de données n’est pas une "feuille unique". C’est une collection de Tables (Clients, Commandes, Produits).
- Primary Key (PK)
- L’ID unique d’une ligne. (ex:
user_id: 42). Évitez de la modifier : préférez un id technique sans signification métier. - Foreign Key (FK)
- La référence vers une autre table. (ex: Dans la table Commandes, j’ai
customer_id: 42).
2. Les Relations
-
One-to-Many (1:N)
Un Client a plusieurs Commandes. Une Commande appartient à un seul Client.
C’est 90% des cas. -
Many-to-Many (N:N)
Un Étudiant a plusieurs Cours. Un Cours a plusieurs Étudiants.
Nécessite une "Table de Jonction" (ex: Inscriptions). -
One-to-One (1:1)
Rare. Un User a un seul Profil. Souvent, une seule table suffit.
Une table, un sujet. Une table `clients` décrit des clients ; une table `commandes` décrit des commandes. Si vous mettez l’email du client dans chaque commande, vous décrivez deux sujets dans la même table. La règle pratique : une colonne ne doit dépendre que de la clé de sa table. Quand une information dépend d’une autre ligne, elle mérite sa propre table ou une clé étrangère.
B. La Normalisation (Sanity Check)
❌ Erreur de Débutant (Flat Data)
Si Jean change d'email, vous devez modifier 50 commandes. Risque d'erreur : 100%.
✅ Donnée Normalisée
On change l'email à un seul endroit. Tout se met à jour par magie (via la relation).
Normaliser n’est pas une religion. L’objectif est d’éviter les contradictions, pas de supprimer toute duplication. Pour un tableau de bord qui lit des millions de lignes, une copie calculée peut être légitime si elle est reconstruite par un processus fiable. La différence entre une dénormalisation assumée et une erreur de débutant : dans le premier cas, on sait quelle donnée fait autorité et comment la recalculer ; dans le second, deux copies divergent sans que personne ne sache laquelle est vraie.
C. Les Types de Données (Typage)
En No-Code comme en Code, soyez stricts. Pensez aussi aux dates, aux décimaux pour les prix, aux UUID et aux emails (texte + validation).
Texte ("Hello")
Entier (42)
Oui/Non (true)
Donnée flexible ({...})
12 (Int) et EUR (String) séparément.
D. Mini-TP : modéliser une réservation de salles
Énoncé (cas fictif) : Une association gère 3 salles. Les adhérents réservent un créneau via un formulaire. On veut éviter les doublons et savoir qui a réservé quoi. Proposez les tables, leurs clés et leurs relations avant d'ouvrir le corrigé.
Questions à trancher
1. Faut-il une table Salles séparée, ou un simple champ texte dans Réservations ?
2. Un adhérent réserve plusieurs créneaux, un créneau concerne un seul adhérent : quelle relation ?
3. Où stocker l'email de l'adhérent pour ne jamais le dupliquer ?
Voir le corrigé
Table Salles : id (PK), nom, capacité Table Adhérents : id (PK), nom, email (unique) Table Réservations : id (PK), salle_id (FK), adhérent_id (FK), début (datetime), fin (datetime) Relations : Salles 1:N Réservations, Adhérents 1:N Réservations. L'email vit dans Adhérents uniquement.
E. Index, contraintes et migrations
Un schéma juste ne suffit pas : il faut empêcher les mauvaises données d'entrer et garantir que les requêtes restent rapides quand la table grossit. Trois mécanismes, un seul ordre : contraintes d'abord, index ensuite, migrations toujours.
Contraintes
- PRIMARY KEY : identifiant technique, jamais un email ou un nom.
- FOREIGN KEY : interdit une commande sans client. Choisissez explicitement le comportement en cas de suppression.
- UNIQUE : un email, une référence de facture, un slug.
- NOT NULL : un champ obligatoire se déclare, il ne se suppose pas.
- CHECK : une date de fin après la date de début, un montant positif.
Index et migrations
- Indexez les clés étrangères et les colonnes de filtre ou de tri fréquentes.
- Un index accélère la lecture et ralentit l'écriture : mesurez avant d'en ajouter.
- Chaque changement de schéma passe par une migration versionnée, jamais à la main en production.
- Une migration se teste sur une copie, avec un retour arrière prévu.
- Ajoutez
created_at,updated_atet, si besoin,deleted_atpour la suppression douce.
CREATE TABLE salles (
id bigint GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
nom text NOT NULL,
capacite int NOT NULL CHECK (capacite > 0)
);
CREATE TABLE adherents (
id bigint GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
email text NOT NULL UNIQUE,
nom text NOT NULL,
cree_le timestamptz NOT NULL DEFAULT now()
);
CREATE TABLE reservations (
id bigint GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
salle_id bigint NOT NULL REFERENCES salles(id),
adherent_id bigint NOT NULL REFERENCES adherents(id),
debut timestamptz NOT NULL,
fin timestamptz NOT NULL,
CHECK (fin > debut)
);
CREATE INDEX idx_reservations_salle ON reservations (salle_id, debut);
F. Le test des dix requêtes
Avant de créer la première table, listez les dix questions auxquelles l'outil devra répondre. Si le modèle ne permet pas d'y répondre sans dupliquer une donnée, il manque une table ou une relation. Les questions typiques :
- Quelles réservations pour cette salle la semaine prochaine, triées par heure ?
- Combien de réservations annulées par adhérent ce trimestre ?
- Quels créneaux sont libres demain entre 9 h et 18 h ?
- Qui a modifié cette réservation, et quand ?
- Que se passe-t-il si un adhérent demande la suppression de ses données ?
<table>_id. Un modèle lisible vaut mieux qu'un modèle élégant que personne ne
comprend. Et si une colonne JSONB contient des champs que vous filtrez souvent, ils méritent
peut-être leur propre colonne.
Cinq erreurs de modélisation qui coûtent cher
- Utiliser un email ou un nom comme clé primaire. Ces valeurs changent. Une clé technique sans signification métier ne change pas.
- Stocker plusieurs valeurs dans un champ (« téléphone1, téléphone2 »). Cela rend les recherches et les mises à jour fragiles. Une table de téléphones règle le problème.
- Stocker une date en texte. Le tri, les fuseaux et les calculs deviennent approximatifs. Utilisez un type date ou timestamp.
- Compter sur l’application pour valider. Une contrainte en base protège aussi les imports, les scripts et les erreurs d’un autre service.
- Modeler l’écran au lieu du métier. Un formulaire change plus vite qu’une relation. Partez des entités et des règles, pas de la disposition des champs.