3 Les données non structurées dominent désormais les environnements d’entreprise. Partages de fichiers, référentiels d’objets et jeux de données d’IA éclipsent ensemble les bases de données traditionnelles, en volume comme en croissance. Pour les administrateurs de sauvegarde, la croissance des données non structurées pose des défis fondamentalement différents de la sauvegarde de bases de données structurées. Les données non structurées croissent de façon exponentielle, évoluent de manière imprévisible, se dispersent dans des référentiels distribués et résistent aux approches de sauvegarde classiques. Il est essentiel de savoir concevoir une infrastructure qui suit la croissance tout en gardant une complexité opérationnelle raisonnable pour protéger les actifs informationnels modernes. Une approche moderne tient compte de la révolution des données non structurées (en anglais) et de ses implications pour le stockage. Au-delà du volume, les données non structurées sont hétérogènes. Les partages de fichiers contiennent des documents, des images, des vidéos et des artefacts applicatifs. Les stockages objet contiennent des données applicatives, des copies de sauvegarde et des jeux de données d’entraînement d’IA. Cette diversité rend difficile l’application de politiques uniformes. Certaines données doivent être protégées quotidiennement, car elles changent souvent et ont une forte valeur métier. D’autres changent rarement et peuvent être sauvegardées chaque semaine ou chaque mois. Certaines doivent être conservées pendant des années pour des raisons de conformité. D’autres devraient être supprimées au bout de 30 jours. Traiter toutes les données de la même façon gaspille des ressources sur des données non critiques tout en risquant de sous-protéger les informations critiques. Pour le contexte, il est utile de consulter les cas d’usage du stockage objet (en anglais). Reconnaître les défis propres aux données non structurées Les technologies de sauvegarde traditionnelles ont été conçues pour des bases de données structurées, dont les changements sont prévisibles et capturés via des journaux de transactions ou des snapshots incrémentiels. Une base qui croît de 10 Go par jour génère 10 Go de modifications. Cette prévisibilité permettait des conceptions à mise à l’échelle linéaire. Les données non structurées ne se comportent pas ainsi. La croissance des partages de fichiers illustre le problème. Les partages de fichiers d’entreprise contiennent des documents, des tableurs, des présentations et des fichiers applicatifs. Les équipes ajoutent, modifient et suppriment des fichiers en permanence. Plutôt qu’une croissance constante, les partages affichent des courbes qui s’accélèrent : les données s’accumulent parce que les suppressions sont en retard sur les ajouts. Les collaborateurs hésitent à supprimer des fichiers potentiellement utiles, ce qui crée une accumulation organisationnelle. Un partage de 10 To peut nécessiter 50 To en cinq ans, non pas du fait d’une croissance structurée, mais de ce retard de suppression. Ce schéma non linéaire met à mal la planification de capacité. Vous provisionnez le stockage de sauvegarde pour la taille actuelle, mais en 18 mois les partages de fichiers doublent et dépassent la capacité. Vous devez alors choisir entre une extension d’urgence coûteuse et des politiques de cycle de vie agressives qui frustrent les utilisateurs privés d’accès à leurs fichiers archivés. Les schémas de croissance du stockage objet diffèrent, mais posent des défis tout aussi importants. Une organisation déploie un stockage objet pour des données applicatives. Les équipes découvrent ses capacités et commencent à y stocker des sauvegardes, des fichiers journaux, des données analytiques et des données d’entraînement de ML. Le stockage initialement dédié à un seul usage devient un fourre-tout multi-usage aux exigences de protection variées. Certaines applications nécessitent une protection horaire. D’autres une protection hebdomadaire. Certaines n’en nécessitent aucune. La croissance des jeux de données d’IA s’accélère de façon explosive et imprévisible. Une équipe démarre avec quelques téraoctets, découvre qu’il lui faut des pétaoctets parce que des jeux de données plus volumineux améliorent les modèles, collecte des données externes, met en place des pipelines continus et dépasse rapidement la capacité provisionnée. Les administrateurs de sauvegarde se retrouvent soudain à protéger des exaoctets qui n’existaient pas six mois plus tôt, avec une rétention et une responsabilité mal définies. Mettre en place des stratégies de sauvegarde par niveaux L’approche la plus efficace consiste à mettre en œuvre des stratégies par niveaux qui appliquent des niveaux de protection différents selon la criticité et les schémas de changement. Classez les données selon leur impact métier et leur fréquence de modification, puis appliquez les politiques adaptées. Les données de niveau 1 sont critiques : projets actifs, fichiers opérationnels, données financières récentes, informations essentielles à l’activité. Appliquez une protection quotidienne, voire plus fréquente. Gardez une rétention courte (30 à 90 jours) avec plusieurs snapshots pour une restauration granulaire. Le niveau 1 représente généralement 20 à 30 % du volume, mais reçoit une part disproportionnée des ressources, car la vitesse de restauration compte. Les données de niveau 2 ont de la valeur sans être immédiatement critiques : fichiers de projets archivés, documentation de référence, archives historiques. Appliquez une protection hebdomadaire avec une rétention de 3 à 6 mois. Mettez en œuvre des stratégies incrémentielles qui ne capturent que les données modifiées, ce qui réduit la durée des sauvegardes et le stockage par rapport à une protection quotidienne. Les données de niveau 3 sont soumises à des exigences de conformité, mais ont une criticité opérationnelle moindre : données financières réglementées, documents historiques. Appliquez une protection mensuelle ou trimestrielle avec une rétention pluriannuelle. La consommation de stockage est élevée du fait de la rétention, mais la fréquence plus faible réduit la complexité et l’impact. Les données de niveau 4 regroupent tout le reste : fichiers à supprimer, documents oubliés, résidus accumulés. Mettez en place des politiques de cycle de vie agressives qui suppriment automatiquement les fichiers après une période d’inactivité (180 jours, 1 an ou selon la politique). Ce niveau ne nécessite aucune sauvegarde. L’exclure du périmètre réduit considérablement le volume et la complexité. La réussite repose sur une affectation rigoureuse aux niveaux. Utilisez des outils de découverte et de classification des données qui analysent automatiquement les caractéristiques des fichiers (âge, taille, fréquence de modification, propriétaire) et les affectent au niveau approprié. Automatisez plutôt que de classer manuellement. Vous évitez ainsi les erreurs de classification tout en vous adaptant à l’évolution des usages. Concevoir une sauvegarde incrémentielle évolutive À mesure que les volumes augmentent, les besoins en calcul et en réseau des sauvegardes complètes deviennent prohibitifs. La sauvegarde complète d’un partage de fichiers de l’ordre du pétaoctet peut prendre 24 à 48 heures, même sur des réseaux haut débit, ce qui rend impossibles les sauvegardes complètes quotidiennes. Les approches incrémentielles, qui ne capturent que les modifications, deviennent indispensables. Mettez en œuvre des sauvegardes incrémentielles au niveau fichier, qui identifient les fichiers modifiés depuis la sauvegarde précédente. Pour les partages de fichiers, cela fonctionne bien : les modifications de fichiers sont discrètes et suivies via les horodatages de modification. Les logiciels de sauvegarde comparent les horodatages actuels à ceux déjà sauvegardés, identifient les fichiers modifiés et ne protègent que ceux-ci. Le volume diminue alors fortement : la plupart des partages de fichiers présentent des taux de modification quotidiens de 5 à 15 % malgré leur taille totale importante. Pour le stockage objet, mettez en place des mécanismes de notification des changements. De nombreuses plateformes émettent des notifications d’événements lors de la création, de la modification ou de la suppression d’objets. Intégrez-les à vos pipelines de sauvegarde pour ne sauvegarder que les objets modifiés, au lieu de rescanner l’intégralité des stockages. Cette approche pilotée par les événements passe bien à l’échelle, car les besoins en calcul dépendent du volume de changements et non du volume total. Les stratégies incrémentielles exigent une gestion attentive des chaînes de sauvegarde. La restauration nécessite la sauvegarde complète de référence et toutes les incrémentielles intermédiaires. Une chaîne à cinq niveaux (une complète et quatre incrémentielles) peut être nécessaire pour restaurer un point précis. Si un maillon de la chaîne est corrompu ou manquant, la restauration à ce point devient impossible. Réduisez ce risque grâce à des consolidations et des cycles complets périodiques. Plutôt que des chaînes sans fin, effectuez régulièrement (chaque semaine ou chaque mois) des sauvegardes complètes qui réinitialisent la chaîne. Cela augmente le stockage et la bande passante consommés par ces sauvegardes complètes, mais élimine le risque de corruption de chaîne et simplifie la restauration. Ce compromis en vaut la peine pour les données critiques. Éviter la prolifération grâce à la gestion du cycle de vie La stratégie la plus efficace pour maîtriser la croissance consiste à empêcher l’accumulation grâce à une gestion du cycle de vie agressive. Une donnée supprimée à la source n’a jamais besoin d’être sauvegardée. Pour les administrateurs, des politiques de cycle de vie efficaces à la source coûtent moins cher qu’une extension sans fin de l’infrastructure. Définissez avec les équipes métier des politiques de rétention pour les partages de fichiers. Les documents doivent être archivés ou supprimés automatiquement à un âge donné, sauf s’ils sont explicitement marqués pour une rétention longue. Les données financières, les contrats et les informations de conformité peuvent être soumis à des obligations légales, mais la plupart des fichiers opérationnels ne le sont pas. Choisissez des valeurs par défaut agressives (180 à 365 jours) avec des exceptions explicites pour les besoins de rétention plus longs. Mettez en place des politiques automatisées dans le stockage objet et les data lakes. Le stockage objet accumule particulièrement les données, car le provisionnement est facile et la suppression demande une action. Mettez en place des politiques qui suppriment automatiquement les objets après une période d’inactivité, sauf s’ils sont explicitement marqués comme permanents. Supprimez automatiquement les objets temporaires (fichiers journaux, résultats intermédiaires, données de test) à l’issue de leur période de rétention. Pour les jeux de données d’IA, mettez en place des politiques de cycle de vie explicites liées aux cycles des modèles. Un jeu de données servant à entraîner un modèle donné peut nécessiter une rétention d’un an après le déploiement pour de nouveaux entraînements, puis être supprimé, sauf si le modèle reste en production. Ce cycle de vie explicite empêche l’accumulation indéfinie. Appliquez ces règles par des contrôles techniques plutôt que par la discipline humaine. Automatisez la suppression via des tâches planifiées, et non des procédures manuelles. Faites de la suppression le comportement par défaut pour les données sans étiquette de rétention explicite. La charge s’inverse : les données n’existent que si les équipes les marquent explicitement pour la rétention, au lieu de subsister indéfiniment tant que personne ne les supprime. Optimiser l’infrastructure pour une échelle croissante À mesure que les volumes augmentent, l’infrastructure de sauvegarde doit évoluer. Les appliances traditionnelles à capacité fixe atteignent vite leurs limites. Une infrastructure basée sur le stockage objet évolue en douceur : vous ajoutez de la capacité progressivement, sans contrainte architecturale. Mettez en œuvre des stratégies de sauvegarde parallèles, où plusieurs tâches s’exécutent simultanément en répartissant la charge sur l’infrastructure. Plutôt que de sauvegarder les partages de fichiers les uns après les autres, exécutez-en plusieurs en parallèle avec un taux d’utilisation élevé. Vous réduisez ainsi la durée totale de la fenêtre de sauvegarde et utilisez efficacement la bande passante. Concevez l’infrastructure avec plusieurs chemins d’ingestion répartissant la charge sur des nœuds indépendants. Une cible de sauvegarde unique crée des goulets d’étranglement. Plusieurs nœuds indépendants, chacun traitant 10 à 20 % du trafic, permettent une mise à l’échelle linéaire par simple ajout de nœuds. Mettez en place une limitation de bande passante pour empêcher la sauvegarde de consommer toute la capacité. Une sauvegarde non maîtrisée prive les applications de production de ressources et dégrade l’expérience et les performances. Appliquez des politiques de QoS qui limitent la sauvegarde à des allocations précises tout en autorisant des pics pendant les fenêtres de maintenance. Vous pouvez ainsi adopter des planifications agressives sans affecter la production. Bâtir une stratégie de protection à long terme Maîtriser la croissance exige une planification à long terme, pas des réponses tactiques aux crises. Créez un comité de gouvernance des données réunissant les équipes métier, l’IT, la conformité et la sécurité. Élaborez des politiques de cycle de vie à l’échelle de l’organisation, avec des normes claires de rétention, de protection et de suppression. Mettez en place une découverte et une classification continues des données, qui surveillent l’évolution des volumes, des types et des schémas. De nombreux administrateurs manquent de visibilité sur les données protégées : ils acceptent tout ce qui arrive sans en comprendre les caractéristiques ni la valeur. Déployez des outils de découverte qui analysent les partages de fichiers, les stockages objet et les data lakes pour en comprendre la composition, identifier les données dormantes et signaler les problèmes de conformité. Construisez des modèles de capacité qui projettent la croissance sur 3 à 5 ans à partir des tendances historiques et des évolutions de l’activité. Servez-vous-en pour guider les décisions d’infrastructure et vérifier l’évolutivité. Si l’historique montre que les partages de fichiers doublent tous les 18 mois, l’infrastructure doit pouvoir suivre sans changement d’architecture. Comprendre les cas d’usage du stockage objet (en anglais) aide à concevoir une infrastructure de sauvegarde qui s’adapte à l’évolution des types de données et des charges de travail. Enfin, définissez des objectifs de niveau de service pour la restauration, alignés sur les exigences métier. Toutes les données n’ont pas la même importance : votre organisation a besoin de restaurer les partages de fichiers en moins de 4 heures, mais tolère une restauration en 24 à 48 heures pour les données de conformité archivées. Concevez une infrastructure capable de respecter des RTO différents sans surinvestir dans une restauration rapide pour des données peu critiques. Votre capacité à maîtriser une croissance explosive dépend de stratégies qui tiennent compte des différences fondamentales entre données non structurées et structurées. Protection par niveaux, sauvegarde incrémentielle, gestion du cycle de vie et infrastructure évolutive composent une stratégie efficace à long terme. Les organisations qui les mettent en œuvre protègent leurs informations critiques tout en maîtrisant coûts et complexité. Celles qui s’en tiennent aux approches héritées des données structurées se heurtent à des contraintes d’infrastructure croissantes. Pour aller plus loin La révolution des données non structurées (en anglais) Cas d’usage du stockage objet (en anglais) Stockage objet pour les data lakes (en anglais) Stratégie de sauvegarde en entreprise Politique de conservation des données : définition, exemples et bonnes pratiques Architecture de cible de sauvegarde évolutive (en anglais)
