Fiche concept

Databricks Lakebase — Postgres serverless sur stockage lakehouse, et ce que cela signifie dans SAP Databricks

À jour au 4 novembre 2026

Édité par Cédric Mary, directeur de la publication — 27 ans d'écosystème SAP. Comment ces pages sont produites, et où intervient l'automatisation.

Qu'est-ce que Databricks Lakebase ?

Un Lakebase, selon la définition même de Databricks, est une base transactionnelle dont le calcul est séparé du stockage, les données restant en formats ouverts dans un stockage objet cloud, avec Postgres en calcul serverless par-dessus. Databricks revendique la descente à zéro, le branchement instantané et un stockage partagé entre OLTP et OLAP. SAP a annoncé Lakebase pour SAP Databricks dans SAP Business Data Cloud les 27 et 29 oct. 2026 ; les sources SAP ne donnent aucune date de disponibilité.

Ce qu'est un Lakebase

Lakebase est le terme que Databricks emploie pour une base de données transactionnelle reconstruite sur une conception de data lake. Le blog Databricks « A New Era of Databases: Lakebase » (publié le 12 juin 2025, mis à jour le 24 févr. 2026) le définit comme une architecture ouverte qui sépare le calcul du stockage et place les données de la base directement dans un stockage objet cloud peu coûteux, dans des formats ouverts, tandis que la couche de calcul transactionnelle s'exécute indépendamment par-dessus. Le moteur nommé dans le blog est Postgres, fourni comme service serverless entièrement managé. Tout ce qui suit est la description que Databricks fait de sa propre catégorie de produit : c'est un point de vue éditeur, pas un benchmark indépendant.

Les problèmes que Databricks dit résoudre

Le blog énumère trois limites des bases traditionnelles. D'abord, des opérations fragiles et coûteuses : calcul et stockage sont groupés, si bien que les équipes dimensionnent pour le pic, paient de la capacité inactive, et que des tâches courantes comme les snapshots ou une requête de nettoyage RGPD peuvent mettre tout le système sous tension. Ensuite, une expérience développeur laborieuse : une branche git de code prend moins d'une seconde, alors qu'une copie isolée d'une base de production prend de quelques minutes à plusieurs heures, ce qui pèse davantage maintenant que les agents d'IA veulent des environnements temporaires. Enfin, l'enfermement chez l'éditeur : les données ne sont accessibles que par le moteur de la base elle-même, d'où des migrations redoutées.

Pourquoi c'est important

Les agents ont besoin d'un endroit pour garder état, files et mémoire avec des garanties transactionnelles ; un Lakebase est la réponse de Databricks, et SAP l'a annoncé pour SAP Databricks.
Le récit des trois générations est un argument d'éditeur ; savoir quel cadrage on écoute garde neutre le conseil du consultant.
Rien dans les sources SAP ne donne de date, de prix ni de limite pour Lakebase dans SAP Databricks : un plan client ne doit pas encore en dépendre.

Points clés

Databricks définit un Lakebase comme une architecture ouverte : calcul séparé du stockage, données en formats ouverts dans un stockage objet cloud (blog Databricks, 12 juin 2025, mis à jour le 24 févr. 2026).
Le moteur nommé est Postgres, fourni en calcul managé et serverless qui monte avec la demande et redescend à l'inactivité.
Databricks revendique la descente à zéro en moins d'une seconde et la copie en quelques secondes de bases même à l'échelle du pétaoctet : affirmations d'éditeur, pas des benchmarks.
Les charges transactionnelles et analytiques partagent la couche de stockage, si bien que l'analytique et l'IA tournent sur les données transactionnelles sans les déplacer (formulation Databricks).
Le cadrage en trois générations (monolithe, découplage propriétaire, Lakebase) est l'argument propre de Databricks.
SAP a annoncé Lakebase pour SAP Databricks dans SAP BDC (SAP News, 27 et 29 oct. 2026).
Le guide des innovations SAP TechEd 2026 classe l'extension de SAP Databricks comme annoncée, sans date (SAP, 27 oct. 2026).
Utiliser Lakebase pour l'état des agents à côté des produits de données SAP est notre inférence, pas une déclaration de SAP.

Termes employés sur cette page

Lakebase: Terme de Databricks pour une base transactionnelle dont le calcul est séparé du stockage, avec données en formats ouverts dans un stockage objet cloud.
OLTP: Traitement transactionnel en ligne : beaucoup de petites lectures et écritures avec garanties transactionnelles.
OLAP: Traitement analytique en ligne : grands balayages et agrégations sur l'historique.
Postgres serverless: Calcul Postgres qu'un fournisseur gère et dimensionne selon la demande, jusqu'à zéro à l'inactivité.
Scale to zero: Libérer le calcul en l'absence de charge pour ne payer aucune machine inactive.
Branchement: Créer une copie isolée et modifiable d'une base pour le développement, comme une branche git.
Format ouvert: Format de stockage documenté que plusieurs moteurs peuvent lire, de sorte que les données ne sont pas liées à un seul moteur de base.
SAP Databricks: Capacités Databricks livrées dans SAP Business Data Cloud, où SAP a annoncé Lakebase le 27 oct. 2026.

Sources

Fiche complète avec le palier Consultant — 19,90 €/mois. Ce que la fiche complète ajoute : le cadre de décision complet · la comparaison SAP · Snowflake · Databricks · Fabric · les pièges courants et leur correctif · l'aide-mémoire · les schémas d'architecture · les blocs de code · les chiffres à citer.

Ouvrir dans l'application →

Missions ouvertes

offres d'emploi et missions SAP analytics · missions freelance SAP.