La modélisation des données en génie logiciel est le processus de création d'un modèle de données pour un système d'information par l'application de techniques formelles. Elle p...
La modélisation des données est un processus permettant de définir et d'analyser les besoins en données nécessaires au bon fonctionnement des processus métier au sein des systèmes d'information des organisations. Ce processus implique donc une collaboration étroite entre des modélisateurs de données professionnels, les parties prenantes métier et les utilisateurs potentiels du système d'information. Trois types de modèles de données sont produits lors du passage des exigences à la base de données finale du système d'information. Les besoins en données sont initialement consignés dans un modèle conceptuel, qui constitue un ensemble de spécifications indépendantes de toute technologie et sert à définir les besoins initiaux avec les parties prenantes métier. Ce modèle conceptuel est ensuite traduit en un modèle logique , qui documente les structures de données pouvant être implémentées dans les bases de données. L'implémentation d'un modèle conceptuel peut nécessiter plusieurs modèles logiques. La dernière étape consiste à transformer le modèle logique en un modèle physique, qui organise les données en tables et prend en compte les modalités d'accès, de performance et de stockage. La modélisation des données définit non seulement les éléments de données, mais aussi leurs structures et les relations qui les unissent.
Les techniques et méthodologies de modélisation des données permettent de modéliser les données de manière standardisée, cohérente et prévisible afin de les gérer comme une ressource. L'utilisation de normes de modélisation des données est fortement recommandée pour tous les projets nécessitant une méthode standardisée de définition et d'analyse des données au sein d'une organisation, par exemple :
pour aider les analystes d'affaires, les programmeurs, les testeurs, les rédacteurs de manuels, les sélectionneurs de progiciels, les ingénieurs, les gestionnaires, les organisations connexes et les clients à comprendre et à utiliser un modèle semi-formel convenu qui englobe les concepts de l'organisation et leurs relations.
gérer les données en tant que ressource
intégrer les systèmes d'information
concevoir des bases de données/ entrepôts de données (également appelés référentiels de données)
La modélisation des données peut être réalisée dans le cadre de différents types de projets et à plusieurs étapes de ceux-ci. Les modèles de données sont évolutifs ; il n’existe pas de modèle de données définitif pour une entreprise ou une application. Un modèle de données doit plutôt être considéré comme un document vivant qui évolue en fonction des besoins de l’entreprise. Idéalement, les modèles de données devraient être stockés dans un référentiel afin de pouvoir être consultés, enrichis et modifiés au fil du temps. Whitten et al. (2004) ont identifié deux types de modélisation des données :
Modélisation stratégique des données : Elle s’inscrit dans le cadre de l’élaboration d’une stratégie des systèmes d’information, qui définit une vision et une architecture globales pour ces systèmes. L’ingénierie des technologies de l’information est une méthodologie qui privilégie cette approche.
Modélisation des données lors de l'analyse des systèmes : Dans le cadre de l'analyse des systèmes, des modèles de données logiques sont créés lors du développement de nouvelles bases de données.
La modélisation des données est également utilisée comme technique pour détailler les exigences métier relatives à des bases de données spécifiques . On l'appelle parfois modélisation de bases de données car un modèle de données est finalement implémenté dans une base de données.
Sujets
Modèles de données
Schémas conceptuels, logiques et physiques
L’architecture à trois niveaux ANSI/SPARC. Elle montre qu’un modèle de données peut être un modèle externe (ou vue), un modèle conceptuel ou un modèle physique. Ce n’est pas la seule façon d’envisager les modèles de données, mais c’est une approche utile, notamment pour comparer les modèles.
Schéma conceptuel : il décrit la sémantique d’un domaine (le périmètre du modèle). Par exemple, il peut s’agir d’un modèle du domaine d’intérêt d’une organisation ou d’un secteur d’activité. Il se compose de classes d’entités, représentant des types d’éléments importants du domaine, et d’assertions de relations décrivant les associations entre paires de classes d’entités. Un schéma conceptuel spécifie les types de faits ou de propositions pouvant être exprimés à l’aide du modèle. En ce sens, il définit les expressions autorisées dans un « langage » artificiel dont le périmètre est limité par celui du modèle. En résumé, un schéma conceptuel constitue la première étape de l’organisation des exigences en matière de données.
Schéma logique : décrit la structure d’un domaine d’information. Il comprend des descriptions de (par exemple) tables, colonnes, classes orientées objet et balises XML. Le schéma logique et le schéma conceptuel sont parfois implémentés comme un seul et même schéma.
Schéma physique : décrit les moyens physiques utilisés pour stocker les données. Il s’agit notamment des partitions, des processeurs, des espaces de tables , etc.
Selon l'ANSI, cette approche permet aux trois perspectives d'être relativement indépendantes les unes des autres. La technologie de stockage peut évoluer sans incidence sur le schéma logique ni sur le schéma conceptuel. La structure des tables et des colonnes peut également changer sans (nécessairement) modifier le schéma conceptuel. Dans tous les cas, bien entendu, les structures doivent rester cohérentes entre tous les schémas d'un même modèle de données.
processus de modélisation des données
Les modèles de données représentent des domaines d'information d'intérêt. Bien qu'il existe de nombreuses façons de créer des modèles de données, selon de réingénierie . Ils s'appuient généralement sur les structures de données existantes : formulaires, champs d'écrans d'application ou rapports. Ces modèles sont généralement physiques, spécifiques à une application et incomplets du point de vue de l'entreprise . Ils peuvent ne pas favoriser le partage de données, surtout s'ils sont construits sans tenir compte des autres parties de l'organisation.
Les modèles de données logiques descendants , quant à eux, sont créés de manière abstraite en recueillant des informations auprès de personnes connaissant le domaine. Un système peut ne pas implémenter toutes les entités d'un modèle logique, mais ce dernier sert de point de référence ou de modèle.
Il arrive que les modèles soient créés en combinant les deux méthodes : en tenant compte des besoins et de la structure des données d’une application et en faisant systématiquement référence à un modèle de domaine. Dans de nombreux environnements, la distinction entre un modèle de données logique et un modèle de données physique est floue. De plus, certains outils CASE ne font pas de distinction entre les modèles de données logiques et physiques .
Diagrammes entité-relation
Exemple de modèle de données générique.
Les modèles de données génériques sont des généralisations des modèles de données conventionnels . Ils définissent des types de relations généraux standardisés, ainsi que les types d'éléments pouvant être liés par un tel type de relation. La définition d'un modèle de données générique est comparable à celle d'un langage naturel. Par exemple, un modèle de données générique peut définir des types de relations tels qu'une « relation de classification », relation binaire entre un élément individuel et une catégorie (une classe), et une « relation partie-tout », relation binaire entre deux éléments, l'un jouant le rôle de partie, l'autre celui de tout, indépendamment de leur nature.
Grâce à une liste extensible de classes, il est possible de classifier tout élément et de spécifier les relations partie-tout pour chaque objet. La standardisation d'une liste extensible de types de relations permet, par un modèle de données générique, d'exprimer un nombre illimité de faits et d'atteindre des capacités comparables à celles des langages naturels. À l'inverse, les modèles de données conventionnels ont un domaine d'application fixe et limité, car leur utilisation ne permet d'exprimer que les types de faits prédéfinis.
Modélisation sémantique des données
Pages affichant de brèves descriptions des cibles de redirection
ter Bekke, Johannes Hendrikus (4 juin 1991). Modélisation des données sémantiques dans des environnements relationnels (PDF) (Thèse de doctorat). Université technique de Delft. Archivé (PDF) de l'original le 2 avril 2025 2025 .
John Vincent Carlis, Joseph D. Maguire (2001). Maîtriser la modélisation des données : une approche axée sur l'utilisateur .
Alan Chmura, J. Mark Heumann (2005). Modélisation logique des données : ce que c'est et comment le faire .
Martin E. Modell (1992). Analyse des données, modélisation des données et classification .
M. Papazoglou, Stefano Spaccapietra, Zahir Tari (2000). Progrès dans la modélisation des données orientée objet .
G. Lawrence Sanders (1995). Modélisation des données
Graeme C. Simsion, Graham C. Witt (2005). Principes fondamentaux de la modélisation des données
Matthew West (2011) Développement de modèles de données de haute qualité
Worldlex Wiki 
