Streaming de données

Mode de traitement informatique où les données sont analysées et utilisées au fur et à mesure qu’elles arrivent, sans être stockées au préalable contrairement au traitement par lots (batch).

Imaginons un robinet d’eau qui coule en continu.

• Le traitement par lots reviendrait à remplir un seau, puis à l’analyser une fois plein.
• Le streaming de données, lui, observe l’eau pendant qu’elle coule, goutte après goutte, pour réagir immédiatement (ex. : détecter une couleur anormale, mesurer le débit en temps réel).

Dans le numérique, cela signifie qu’on capte, filtre, enrichit et réagit à des données en temps réel, dès leur génération.

Exemples concrets :

• Affichage en direct du nombre de connexions sur un site web,
• Détection instantanée de fraudes bancaires,
• Suivi en temps réel de capteurs dans une usine (température, vibration),
• Recommandations immédiates sur un réseau social ou une plateforme de streaming.

Caractéristiques clés :

• Faible latence (réaction en quelques millisecondes à secondes),
• Volume continu (flux potentiellement infini),
• Pas de stockage préalable obligatoire,
• Traitement événement par événement (ou par micro-lots).

Principaux outils et plateformes :

Cas d’usage par secteur :

• Finance : détection de fraude, trading algorithmique,
• IoT : supervision industrielle, villes intelligentes,
• Cybersécurité : analyse de logs en continu (SIEM),
• Médias : personnalisation en direct, analyse d’audience live.

À retenir :
Le streaming ne remplace pas le traitement par lots — les deux sont souvent combinés dans une architecture Lambda ou Kappa :

• Le streaming pour la réactivité immédiate,
• Le batch pour l’analyse approfondie sur historique.