Bases de données

Qu’est-ce qu’une base de données ?

Une base de données est une collection organisée d’informations, stockée électroniquement, que l’on peut interroger, modifier et protéger grâce à un logiciel dédié : le système de gestion de base de données (SGBD).

Dit plus simplement, c’est un peu comme un ensemble de grands tableurs Excel reliés entre eux, avec des fonctions pour trier, filtrer, ajouter, modifier et supprimer des données. À une différence près : une base de données peut contenir des millions de lignes, être utilisée par des milliers de personnes en même temps sans que les données se mélangent, et garantir qu’une opération est soit entièrement faite, soit pas du tout.

Une base de données est un ensemble de données :

• Organisées : les données sont rangées dans des tables (ou des documents, selon le type de base), ce qui facilite leur recherche et leur manipulation.

• Structurées : chaque information a un type (texte, nombre, date…), ce qui permet de les trier, de les filtrer et de les retrouver facilement.

• Gérées : le SGBD permet d’ajouter, de modifier et de supprimer des données, de les protéger contre les accès non autorisés et de les sauvegarder.

Vous en utilisez tous les jours sans le savoir :

• La liste de contacts et les messages de votre téléphone, stockés dans une base SQLite sur Android comme sur iPhone

• Le catalogue d’une bibliothèque ou d’une boutique en ligne

• Votre compte bancaire, vos commandes, votre historique de navigation

• Les pages, articles, utilisateurs et réglages d’un site WordPress, stockés dans MySQL ou MariaDB

Par abus de langage, on appelle souvent « base de données » le logiciel lui-même. En réalité, MySQL, PostgreSQL ou SQLite sont des SGBD : chacun gère une ou plusieurs bases de données.

• Table : un ensemble de données du même genre, par exemple la table des articles ou celle des utilisateurs. C’est l’équivalent d’une feuille de tableur.

• Ligne (ou enregistrement) : un élément de la table, par exemple un article précis.

• Colonne (ou champ) : une information présente sur chaque ligne, avec un type : le titre (texte), la date de publication (date), le nombre de vues (nombre).

• Clé primaire : l’identifiant unique de chaque ligne, le plus souvent un numéro (ID).

• Clé étrangère : une colonne qui pointe vers la clé primaire d’une autre table. C’est elle qui crée les « relations » : un article pointe vers son auteur.

• Index : une structure qui accélère les recherches sur une colonne, comme l’index à la fin d’un livre.

• Requête : une question posée à la base, le plus souvent écrite en SQL (Structured Query Language).

• Transaction : un groupe d’opérations exécutées « tout ou rien ». Si un virement échoue au milieu, aucun compte n’est débité.

Exemple : cette requête SQL sélectionne les 5 derniers articles publiés de la base de données d’un site WordPress, avec le nom de leur auteur.

Même sans connaître le SQL, on devine ce qu’elle fait : c’est ce qui fait son succès depuis les années 1970. Le JOIN relie les deux tables grâce à la clé étrangère post_author, qui contient l’ID de l’auteur dans la table wp_users.

Il n’existe pas une seule façon de ranger des données. Chaque famille de bases a été inventée pour résoudre un problème précis : les bases relationnelles restent la norme, et les autres se sont imposées pour des usages spécialisés.

Les données sont rangées dans des tables reliées entre elles, avec un schéma défini à l’avance : chaque colonne a un nom et un type. On les interroge en SQL. Elles garantissent les propriétés ACID (Atomicité, Cohérence, Isolation, Durabilité) : une donnée enregistrée est fiable, même en cas de panne.

Exemples : MySQL, MariaDB, PostgreSQL, SQLite, Microsoft SQL Server, Oracle Database, IBM Db2.

Pour quoi faire : la grande majorité des sites et applications : CMS, e-commerce, comptabilité, gestion, banque. Si vous hésitez, c’est presque toujours le bon choix.

Le modèle le plus simple : une clé (un nom) associée à une valeur, comme un dictionnaire géant. Elles sont très rapides, car souvent gardées en mémoire vive.

Exemples : Redis, Valkey, Memcached, Amazon DynamoDB.

Pour quoi faire : cache, sessions utilisateurs, files d’attente, compteurs en temps réel. Sur WordPress, Redis ou Memcached servent de « cache objet » pour soulager MySQL.

Chaque élément est un « document » au format JSON, qui peut contenir des listes et des sous-objets. Deux documents d’une même collection n’ont pas forcément les mêmes champs : aucun schéma n’est imposé.

Exemples : MongoDB, CouchDB, Google Firestore, Couchbase.

Pour quoi faire : catalogues de produits aux caractéristiques variées, contenus, applications mobiles, prototypes qui évoluent vite.

Inspirées de Bigtable, le système interne de Google, elles répartissent d’énormes volumes de données sur des dizaines ou des centaines de serveurs et encaissent des écritures massives.

Exemples : Apache Cassandra, ScyllaDB, Apache HBase, Google Bigtable.

Pour quoi faire : messageries, objets connectés, historiques d’événements à très grande échelle (Netflix, Apple ou Discord les utilisent).

Les données sont des nœuds (personnes, produits, lieux) reliés par des liens. Elles sont idéales quand les relations comptent autant que les données elles-mêmes.

Exemples : Neo4j, Amazon Neptune, ArangoDB, Memgraph.

Pour quoi faire : réseaux sociaux (« les amis de mes amis »), recommandations, détection de fraude, cartographie de réseaux.

Elles sont optimisées pour des mesures horodatées qui arrivent en continu, et savent les agréger ou les effacer automatiquement après un certain temps.

Exemples : InfluxDB, TimescaleDB (une extension de PostgreSQL), Prometheus, QuestDB.

Pour quoi faire : monitoring de serveurs, capteurs, cours de bourse, statistiques de visites.

Elles stockent les données par colonne plutôt que par ligne, ce qui permet de calculer des sommes et des moyennes sur des milliards de lignes en quelques secondes. Elles ne servent pas à faire tourner un site, mais à analyser son activité.

Exemples : Google BigQuery, Snowflake, Amazon Redshift, ClickHouse, DuckDB.

Pour quoi faire : tableaux de bord, business intelligence, analyse des ventes et des logs.

Spécialisés dans la recherche plein texte, ils gèrent la tolérance aux fautes de frappe, le classement par pertinence et les filtres à facettes. Ils complètent généralement une base relationnelle, qui reste la source de vérité.

Exemples : Elasticsearch, OpenSearch, Meilisearch, Typesense, Algolia.

Pour quoi faire : barre de recherche d’un site e-commerce, recherche dans une documentation ou dans des logs.

La famille la plus récente, portée par l’intelligence artificielle. Un texte ou une image est transformé en « vecteur », une liste de nombres qui représente son sens. La base retrouve alors les éléments les plus proches par le sens, et non par les mots exacts.

Exemples : pgvector (une extension de PostgreSQL), Pinecone, Qdrant, Weaviate, Milvus, Chroma.

Pour quoi faire : recherche sémantique, chatbots qui répondent à partir de vos propres documents (RAG), recommandations.

Pas de serveur à installer : la base est un simple fichier, lu directement par l’application. SQLite est, selon ses auteurs, le moteur de base de données le plus déployé au monde : il est présent dans chaque smartphone et chaque navigateur.

Exemples : SQLite (relationnelle), DuckDB (analytique), RocksDB, LMDB.

Pour quoi faire : applications mobiles, logiciels de bureau, navigateurs, petits sites et outils.

En résumé :

NoSQL signifie « Not only SQL ». Le terme regroupe toutes les bases qui ne suivent pas le modèle relationnel classique. Il s’est popularisé en 2009, quand les géants du web ont eu besoin de stocker plus de données que ce qu’un seul serveur MySQL pouvait encaisser.

Aujourd’hui, la frontière est beaucoup plus floue qu’en 2010. PostgreSQL et MySQL savent stocker et indexer du JSON, MongoDB gère les transactions ACID depuis sa version 4.0 (2018), et des bases dites « NewSQL » comme CockroachDB, TiDB ou Google Spanner offrent le SQL et l’ACID tout en se répartissant sur plusieurs serveurs. La plupart des projets combinent d’ailleurs les deux : une base relationnelle comme source de vérité, et Redis ou Elasticsearch à côté.

MySQL ou MariaDB ? En 2008, Sun Microsystems rachète MySQL AB pour 1 milliard de dollars, puis Oracle rachète Sun en 2010. Inquiet pour l’avenir libre du projet, Michael « Monty » Widenius, cocréateur de MySQL, lance MariaDB en 2009. Les deux restent compatibles pour un site WordPress, et beaucoup d’hébergeurs proposent aujourd’hui MariaDB sous l’étiquette « MySQL ».

Petite anecdote : MySQL doit son nom à My, la fille aînée de Monty Widenius, et MariaDB à sa cadette, Maria.

Les bases de données ont plus de 60 ans. Voici ce qu’utilisaient les entreprises et les développeurs web à chaque époque, et pourquoi les choses ont changé.

• Années 1960 : premières bases hiérarchiques, comme IMS d’IBM, conçu pour gérer les pièces du programme Apollo.

• 1970 : Edgar F. Codd, chercheur chez IBM, publie le modèle relationnel : ranger les données dans des tables et les interroger avec un langage déclaratif.

• 1974 : IBM crée le langage SEQUEL, qui deviendra SQL.

• 1979 : Oracle commercialise la première base relationnelle SQL du marché.

• Années 1980 : IBM DB2 (1983), dBase sur les premiers PC, Postgres à l’université de Berkeley (1986), et SQL devient une norme ANSI (1986).

Au milieu des années 1990, Internet grand public décolle à peine. En entreprise, on utilise Oracle, IBM DB2, Sybase, Informix ou Microsoft SQL Server sur de gros serveurs, et sur les PC de bureau Microsoft Access, FoxPro, dBase, Paradox ou FileMaker.

Côté web, la plupart des sites sont de simples pages HTML statiques. Les rares sites dynamiques stockent leurs données dans des fichiers texte lus par des scripts CGI en Perl, ou dans de petites bases comme mSQL. C’est à ce moment que naissent les briques du web dynamique : MySQL et PHP (1995), puis PostgreSQL (1996). Ils sont gratuits, alors qu’une licence Oracle coûte une fortune.

Vers 2006, le web dynamique est partout et une pile domine : LAMP, pour Linux, Apache, MySQL et PHP. Presque tous les CMS et forums l’utilisent (WordPress, sorti en 2003, Joomla, Drupal, phpBB), et des géants comme Facebook, Wikipédia, YouTube ou Flickr tournent sur MySQL. On administre sa base avec phpMyAdmin, fourni par tous les hébergeurs.

En entreprise, Oracle et SQL Server dominent, et Access reste l’outil des PME. SQLite se diffuse discrètement dans les logiciels : Firefox, puis l’iPhone en 2007.

Mais les plus gros sites atteignent les limites d’un serveur MySQL unique. Ils ajoutent Memcached (2003) comme cache, découpent leurs bases en morceaux, et Google (Bigtable, 2006) puis Amazon (Dynamo, 2007) publient comment ils ont construit leurs propres systèmes. C’est l’acte de naissance du NoSQL.

Vers 2016, le NoSQL est à la mode. MongoDB (2009) devient la base des startups, notamment avec la pile MEAN (MongoDB, Express, Angular, Node.js). Redis (2009) s’impose pour le cache et les files d’attente, Elasticsearch (2010) pour la recherche, Cassandra pour les très gros volumes.

Surtout, les bases de données passent dans le cloud : plus besoin d’installer un serveur, on loue une base managée en quelques clics avec Amazon RDS, Aurora, DynamoDB, Google Firebase ou Azure. Pour l’analyse, BigQuery, Redshift et Snowflake remplacent les entrepôts de données installés dans les locaux de l’entreprise.

Côté sites web, MySQL reste majoritaire grâce à WordPress, mais MariaDB le remplace dans de nombreuses distributions Linux et chez beaucoup d’hébergeurs. Et PostgreSQL commence sa remontée, notamment grâce au type JSONB (2014), qui lui permet de faire une partie du travail de MongoDB.

Le balancier est revenu vers le relationnel. PostgreSQL est devenu le choix par défaut des nouveaux projets : c’est la base la plus utilisée par les développeurs dans l’enquête Stack Overflow 2025, devant MySQL, SQLite, SQL Server et Redis. Supabase, Neon et la plupart des plateformes d’hébergement d’applications le proposent en un clic.

Les grandes tendances du moment :

• Le serverless : des bases qui se mettent en veille quand personne ne s’en sert, et que l’on peut dupliquer comme une branche Git pour tester une modification (Neon, PlanetScale, Supabase).

• Le retour de SQLite : utilisé aussi côté serveur et au plus près des visiteurs (Cloudflare D1, Turso), il suffit largement pour beaucoup de sites.

• L’analytique sans entrepôt : DuckDB et ClickHouse analysent des milliards de lignes sur un simple ordinateur portable ou un petit serveur.

• L’IA et la recherche vectorielle : les bases stockent désormais des vecteurs pour la recherche sémantique et les chatbots (pgvector, Pinecone, Qdrant).

• Les licences : après le passage de Redis sous une licence non libre en 2024, la communauté a lancé le fork Valkey, soutenu par la Linux Foundation. Redis est revenu à une licence open source (AGPL) en 2025.

MySQL et MariaDB restent omniprésents : WordPress, qui fait tourner plus de 40% des sites web, les utilise toujours.

Ce qu’il faut retenir, époque par époque :

• Un site WordPress, PrestaShop ou Drupal : MySQL ou MariaDB, imposé par le CMS et fourni par l’hébergeur. Rien à choisir.

• Une nouvelle application web ou un SaaS : PostgreSQL. Robuste et gratuit, il couvre l’essentiel des besoins (JSON, recherche plein texte, géolocalisation, vecteurs) avant qu’une autre base ne devienne nécessaire.

• Une application mobile ou un logiciel de bureau : SQLite, embarqué dans l’application.

• Un cache ou des sessions : Redis ou Valkey, en complément de la base principale.

• Des données sans structure fixe : MongoDB, ou PostgreSQL avec ses colonnes JSONB.

• Des tableaux de bord sur de gros volumes : ClickHouse, BigQuery ou DuckDB.

• Un chatbot ou une recherche « par le sens » : pgvector si vous avez déjà PostgreSQL, sinon Qdrant ou Pinecone.

On accède à une base de données de trois façons : avec un logiciel à interface graphique, en ligne de commande, ou depuis le code d’une application.

• Interfaces web : phpMyAdmin (MySQL et MariaDB, présent chez presque tous les hébergeurs, dans cPanel comme dans Plesk), Adminer (un seul fichier PHP, compatible MySQL, PostgreSQL, SQLite…), pgAdmin (PostgreSQL).

• Logiciels de bureau : DBeaver (gratuit, compatible avec presque toutes les bases), HeidiSQL (Windows), TablePlus, MySQL Workbench, DataGrip (JetBrains).

• Ligne de commande : mysql, psql, sqlite3, ou WP-CLI (wp db) pour un site WordPress.

• Depuis le code : avec des requêtes SQL directes, ou un ORM qui traduit le code en requêtes : Prisma ou Drizzle en JavaScript, Eloquent (Laravel) ou Doctrine (Symfony) en PHP, $wpdb dans WordPress.

• Facilité d’accès : retrouver une information parmi des millions en une fraction de seconde, grâce aux index.

• Efficacité : une donnée modifiée à un seul endroit est à jour partout où elle est utilisée.

• Intégrité : les types, les contraintes et les clés étrangères empêchent les incohérences, comme un article sans auteur ou une date invalide.

• Accès simultanés : des milliers d’utilisateurs lisent et écrivent en même temps sans écraser le travail des autres.

• Sécurité : comptes, droits par utilisateur et par table, chiffrement des données.

• Partage : plusieurs applications peuvent utiliser les mêmes données (le site, l’application mobile, la comptabilité).

• Sauvegarde : toute la base s’exporte et se restaure en une commande.