Mois : juin 2026

Durante treinta años, integrar datos ha significado lo mismo: copiarlos de un sitio a otro. El ETL los extrae y los recarga en un almacén, el ESB los hace transitar por un hub central, el data lake los vuelca todos en el mismo lugar « por si acaso ». Tres generaciones de herramientas, un solo reflejo: capturar, duplicar, almacenar. Pero en 2026 el dato se ha vuelto tiempo real, distribuido y regulado. Y el viejo postulado de « almacenar para integrar » se paga ahora en latencia, en costes ocultos y en superficie de ataque.

ETL, ESB, Data Lake: tres respuestas, un mismo postulado

Los tres pilares históricos de la integración responden al mismo problema, en épocas distintas. El ETL (Extract, Transform, Load) nació con los almacenes de datos: extrae el dato de los sistemas de origen, lo transforma y luego lo recarga en una base central, casi siempre de noche, por lotes. El ESB (Enterprise Service Bus) generalizó el hub de integración: un bus central por el que todo transita, con sus colas de mensajes y sus copias intermedias. El data lake, por último, llevó la lógica al extremo: volcar la totalidad de los datos en bruto en un único depósito, apostando a que ya se sabrá explotarlos más adelante.

El punto en común salta a la vista: en los tres casos, para hacer circular el dato, se empieza por copiarlo y dejarlo en algún sitio. Este mercado sigue siendo enorme y creciente. La integración de datos representaba 17.580 millones de dólares en 2025 y debería alcanzar los 33.240 millones en 2030, es decir, un crecimiento anual del 13,6 % (fuente: MarketsandMarkets). Pero dentro de este mercado, el centro de gravedad se desplaza.

El segmento que se dispara es la integración en cloud y en tiempo real. El mercado del iPaaS (Integration Platform as a Service) superó los 9.000 millones de dólares de ingresos en 2024, frente a los 7.800 millones de 2023 y los 5.900 millones de 2022, y Gartner prevé que rebase los 17.000 millones de aquí a 2028 (fuente: Gartner, vía Informatica). A modo de comparación, el conjunto del mercado del middleware aplicativo creció un 11,9 % en 2024 hasta alcanzar los 64.100 millones de dólares (fuente: Gartner): la integración moderna crece aproximadamente el doble de rápido que el middleware clásico. La dirección es clara, incluso cuando las viejas herramientas siguen en su sitio.

El batch ya no aguanta: el dato se ha vuelto tiempo real

El modelo ETL se apoya en una hipótesis que ha dejado de ser cierta: que el dato puede esperar. Pero ya no espera. IDC estimaba que el volumen mundial de datos pasaría de 33 zettabytes en 2018 a 175 zettabytes en 2025, y sobre todo que cerca del 30 % de ese dato debería consumirse en tiempo real (fuente: IDC, Data Age 2025). Un dato que se decide al segundo encaja mal con un procesamiento nocturno por lotes.

Este dato no solo es más rápido, también está en otra parte. Gartner ya preveía en 2018 que el 75 % de los datos de empresa se crearían y procesarían fuera de un centro de datos centralizado o de un cloud tradicional de aquí a 2025, frente a alrededor del 10 % de entonces (fuente: Gartner). Arrastrar mecánicamente todo ese dato hacia un almacén central para procesarlo se convierte en un sinsentido geográfico tanto como económico.

El mercado valida este vuelco. La analítica en streaming, es decir, el procesamiento del dato mientras circula, debe pasar de 29.530 millones de dólares en 2024 a 125.850 millones en 2029, es decir, un crecimiento anual del 33,6 % (fuente: MarketsandMarkets). Sobre el terreno, más del 80 % de las empresas del Fortune 100 ya utilizan Apache Kafka para hacer circular sus flujos en modo orientado a eventos (fuente: Apache Kafka). Y la presión sigue subiendo: Gartner prevé que la adopción del streaming de datos para la IA agéntica superará el 60 % de aquí a 2028, frente a menos del 15 % en 2025 (fuente: Gartner).

La brecha entre el valor percibido y la realidad sigue siendo, sin embargo, enorme. Una encuesta realizada para Solace mostraba que el 85 % de las organizaciones reconocen el valor de negocio de la arquitectura orientada a eventos, pero que solo el 13 % considera haber alcanzado su plena madurez (fuente: Coleman Parkes para Solace). El tiempo real se entiende y se desea. Lo que falta es una forma de alcanzarlo sin reconstruir un almacén más.

El data lake, del depósito al pantano

El data lake prometía resolver el problema eliminando los silos: un solo lugar para almacenarlo todo, y ya se verá más adelante. Gartner ya había advertido en 2014 con su « data lake fallacy »: sin metadatos descriptivos ni gobernanza, un lago de datos se transforma en « data swamp », un pantano donde la información existe pero se vuelve imposible de encontrar e inexplotable (fuente: Gartner).

Diez años después, el diagnóstico se confirma en las cifras. El dato almacenado sigue estando, en gran medida, inactivo.

• El 55 % de los datos de una organización son « dark data »: existen, pero no se encuentran, ni se preparan, ni se analizan (Splunk, The State of Dark Data)
• El 68 % de los datos de los que disponen las empresas no se explotan nunca, según una encuesta realizada a 1.500 directivos (Seagate e IDC, Rethink Data)
• Entre el 60 y el 73 % del conjunto de los datos de una empresa permanecen sin utilizar para la analítica (Forrester)

El problema no es el volumen, es la gobernanza de todo lo que duerme. Gartner predice, de hecho, que el 80 % de las iniciativas de gobernanza de los datos y de la analítica fracasarán de aquí a 2027 (fuente: Gartner). Acumular nunca ha sido sinónimo de explotar. Cuanto más crece el depósito, más cuesta mantenerlo, asegurarlo y gobernarlo, para una fracción de valor realmente utilizada.

Lo que cuesta de verdad el desplazamiento de los datos

Copiar y almacenar no es neutro, ni en lo financiero, ni en materia de riesgo. Cada copia que abandona un cloud se factura: la transferencia de salida estándar de AWS arranca en 0,09 dólares por gigabyte por encima de los 100 GB gratuitos mensuales (fuente: AWS). Anodino por unidad, este coste se vuelve estructural a escala: Gartner estima que la mayoría de los clientes destinan entre el 10 y el 15 % de su factura cloud solo a los gastos de egress (fuente: Gartner, vía Fierce Network). Sobre un gasto mundial en cloud público previsto en 723.400 millones de dólares en 2025 (fuente: Gartner), la cuenta da vértigo. El legislador ha tomado cartas en el asunto: el Data Act europeo suprimirá por completo los gastos de cambio de proveedor, gastos de egress incluidos, a partir del 12 de enero de 2027 (fuente: Comisión Europea).

El coste oculto más peligroso no está, sin embargo, en la factura, está en el riesgo. Cada copia es un objetivo más. El informe de IBM sobre el coste de las brechas de datos indica que el 35 % de las fugas implican « shadow data », esos datos duplicados fuera del perímetro de seguridad, y que esas brechas cuestan de media un 16 % más caras (fuente: IBM, Cost of a Data Breach 2024). Sabiendo que el coste medio mundial de una brecha alcanzó un máximo de 4,88 millones de dólares en 2024 (fuente: IBM), cada réplica inútil se convierte en una deuda de seguridad.

Queda la soberanía. Los tres gigantes estadounidenses concentran el 70 % del mercado cloud europeo, mientras que la cuota de los proveedores europeos ha caído a alrededor del 15 % (fuente: Synergy Research Group). Pero muchas herramientas de integración e iPaaS son servicios estadounidenses, sujetos al Cloud Act. En su evaluación jurídica conjunta, el EDPB y el EDPS concluyen que, a falta de un acuerdo internacional, un proveedor sujeto al derecho de la Unión no puede transferir legalmente datos hacia Estados Unidos sobre la base de tales solicitudes, en contradicción directa con el artículo 48 del RGPD (fuente: EDPB y EDPS). Hacer transitar los datos por un hub de integración estadounidense es exponer cada byte copiado. Como ya explicábamos a propósito de la soberanía digital, la nacionalidad del proveedor prima sobre la localización de los servidores.

La orquestación en tránsito: integrar sin almacenar

Si copiar y almacenar es el origen del problema, la solución consiste en dejar de hacerlo. Es el principio de la orquestación en tránsito: procesar el dato mientras circula, en el momento preciso de su paso, sin posarlo ni duplicarlo jamás. El dato ya no se aspira hacia un depósito central, se transforma al vuelo y luego se libera hacia su destino.

Es el enfoque de iD4Connect. Cada DataCell es una unidad de procesamiento autónoma que limpia, transforma, enriquece, anonimiza o enruta el dato durante su tránsito, y luego no guarda nada. La orquestación de estos DataCells, organizada en DataGraph, permite construir flujos complejos entre cualquier aplicación, on-premise, en cloud o en híbrido. El Conector Universal se encarga de la ingesta a través de todos los protocolos estándar (REST, SQL, MQTT, Kafka, OPC-UA, SFTP…), sin imponer su propio formato.

El beneficio es triple. La superficie de exposición cae a cero, ya que ningún dato se almacena de paso. La soberanía está garantizada por diseño, al estar la arquitectura concebida en Europa y ejecutada dentro del perímetro del cliente. Y el coste se vuelve previsible, sin almacén que mantener ni egress que pagar por copias que nadie utiliza. Allí donde el ETL, el ESB y el data lake añaden una capa de almacenamiento entre sus sistemas, la orquestación en tránsito la suprime. Para profundizar, detallamos nuestro posicionamiento frente a las herramientas existentes.

El ETL, el ESB y el data lake no han fracasado: resolvieron los problemas de su época. Pero aquella época suponía un dato lento, centralizado y poco regulado. En 2026 el dato es rápido, está en todas partes y bajo vigilancia jurídica. La verdadera pregunta ya no es « dónde almacenar para integrar », sino « cómo integrar sin almacenar ». Y la mejor copia sigue siendo la que nunca se hizo.

Descubra cómo iD4Connect orquesta sus datos sin almacenamiento intermedio →

For thirty years, integrating data has meant the same thing: copying it from one place to another. ETL extracts it and reloads it into a warehouse, the ESB routes it through a central hub, the data lake dumps it all in one spot « just in case. » Three generations of tools, one single reflex: capture, duplicate, store. But in 2026, data has become real-time, distributed and regulated. And the old premise of « storing in order to integrate » is now paid for in latency, hidden costs and attack surface.

ETL, ESB, Data Lake: three answers, one shared premise

The three historical pillars of integration address the same problem at different points in time. ETL (Extract, Transform, Load) was born with data warehouses: it extracts data from source systems, transforms it, then reloads it into a central database, most often overnight, in batches. The ESB (Enterprise Service Bus) generalized the integration hub: a central bus through which everything transits, with its message queues and intermediate copies. The data lake, finally, pushed the logic to the extreme: dump all raw data into a single reservoir, betting that we will know how to exploit it later.

The common thread is obvious: in all three cases, to move data around, you start by copying it and putting it somewhere. This market remains massive and growing. Data integration was worth 17.58 billion dollars in 2025 and is expected to reach 33.24 billion in 2030, a yearly growth rate of 13.6% (source: MarketsandMarkets). But within this market, the center of gravity is shifting.

The segment that is exploding is cloud and real-time integration. The iPaaS (Integration Platform as a Service) market exceeded 9 billion dollars in revenue in 2024, up from 7.8 billion in 2023 and 5.9 billion in 2022, and Gartner sees it crossing 17 billion by 2028 (source: Gartner, via Informatica). For comparison, the entire application middleware market grew 11.9% in 2024 to reach 64.1 billion dollars (source: Gartner): modern integration is growing roughly twice as fast as classic middleware. The direction is clear, even where the old tools remain in place.

Batch can no longer keep up: data has become real-time

The ETL model rests on an assumption that has become false: that data can wait. Yet it no longer waits. IDC estimated that the global volume of data would grow from 33 zettabytes in 2018 to 175 zettabytes in 2025, and above all that close to 30% of that data would need to be consumed in real time (source: IDC, Data Age 2025). Data that is decided by the second sits poorly with overnight batch processing.

This data is not only faster, it is also elsewhere. As early as 2018, Gartner predicted that 75% of enterprise data would be created and processed outside a centralized data center or a traditional cloud by 2025, compared with around 10% at the time (source: Gartner). Mechanically pulling all of this data back to a central warehouse to process it becomes a geographic as much as an economic absurdity.

The market confirms this shift. Streaming analytics, meaning the processing of data while it is in motion, is expected to grow from 29.53 billion dollars in 2024 to 125.85 billion in 2029, a yearly growth rate of 33.6% (source: MarketsandMarkets). On the ground, more than 80% of Fortune 100 companies already use Apache Kafka to move their event streams (source: Apache Kafka). And the pressure keeps rising: Gartner predicts that the adoption of data streaming for agentic AI will exceed 60% by 2028, compared with less than 15% in 2025 (source: Gartner).

The gap between perceived value and reality nonetheless remains enormous. A survey conducted for Solace showed that 85% of organizations recognize the business value of event-driven architecture, but that only 13% believe they have reached its full maturity (source: Coleman Parkes for Solace). Real time is understood and wanted. What is missing is a way to reach it without building yet another warehouse.

The data lake, from reservoir to swamp

The data lake promised to solve the problem by removing silos: a single place to store everything, and we will sort it out later. Yet Gartner warned as early as 2014 with its « data lake fallacy »: without descriptive metadata or governance, a data lake turns into a « data swamp, » a marsh where information exists but becomes impossible to find and impossible to use (source: Gartner).

Ten years later, the diagnosis is borne out in the numbers. Stored data remains very largely dormant.

• 55% of an organization’s data is « dark data »: it exists but is neither found, nor prepared, nor analyzed (Splunk, The State of Dark Data)
• 68% of the data available to companies is never used, according to a survey of 1,500 executives (Seagate and IDC, Rethink Data)
• 60 to 73% of all of a company’s data goes unused for analytics (Forrester)

The problem is not volume, it is the governance of everything that lies dormant. Gartner in fact predicts that 80% of data and analytics governance initiatives will fail by 2027 (source: Gartner). Accumulating has never been the same as exploiting. The larger the reservoir grows, the more it costs to maintain, secure and govern, for a fraction of the value actually used.

What moving data really costs

Copying and storing is not neutral, neither financially nor in terms of risk. Every copy that leaves a cloud is billed: AWS standard outbound transfer starts at 0.09 dollar per gigabyte beyond the free 100 GB per month (source: AWS). Trivial per unit, this cost becomes structural at scale: Gartner estimates that most customers devote 10 to 15% of their cloud bill to egress fees alone (source: Gartner, via Fierce Network). On worldwide public cloud spending forecast at 723.4 billion dollars in 2025 (source: Gartner), the total is staggering. Lawmakers have taken up the issue: the European Data Act will fully remove switching fees, including egress fees, as of January 12, 2027 (source: European Commission).

The most dangerous hidden cost, however, is not on the bill, it is in the risk. Every copy is one more target. IBM’s report on the cost of data breaches indicates that 35% of leaks involve « shadow data, » this data duplicated outside the security perimeter, and that these breaches cost on average 16% more (source: IBM, Cost of a Data Breach 2024). Knowing that the global average cost of a breach reached a peak of 4.88 million dollars in 2024 (source: IBM), every needless replica becomes a security debt.

Then there is sovereignty. The three American giants concentrate 70% of the European cloud market, while the share of European providers has fallen to around 15% (source: Synergy Research Group). Yet many integration and iPaaS tools are American services, subject to the Cloud Act. In their joint legal assessment, the EDPB and the EDPS conclude that, absent an international agreement, a provider subject to Union law cannot legally transfer data to the United States on the basis of such requests, in direct contradiction with Article 48 of the GDPR (source: EDPB and EDPS). Routing your data through an American integration hub means exposing every copied byte. As we explained regarding digital sovereignty, the provider’s nationality takes precedence over the location of the servers.

In-transit orchestration: integrate without storing

If copying and storing is the source of the problem, the solution is to stop doing it. That is the principle of in-transit orchestration: processing data while it is in motion, at the precise moment it passes through, without ever putting it down or duplicating it. Data is no longer pulled toward a central reservoir, it is transformed on the fly then released to its destination.

This is the approach of iD4Connect. Each DataCell is an autonomous processing unit that cleans, transforms, enriches, anonymizes or routes data during its transit, then keeps nothing. The orchestration of these DataCells, organized into a DataGraph, makes it possible to build complex flows between any applications, on-premise, in the cloud or in hybrid setups. The Universal Connector handles ingestion via all standard protocols (REST, SQL, MQTT, Kafka, OPC-UA, SFTP…), without imposing its own format.

The benefit is threefold. The exposure surface drops to zero, since no data is stored along the way. Sovereignty is guaranteed by design, the architecture being conceived in Europe and executed within the customer’s perimeter. And the cost becomes predictable, with no warehouse to maintain and no egress to pay for copies that no one uses. Where ETL, the ESB and the data lake add a storage layer between your systems, in-transit orchestration removes it. To go further, we detail this how we compare to existing tools.

ETL, the ESB and the data lake did not fail: they solved the problems of their era. But that era assumed slow, centralized and lightly regulated data. In 2026, data is fast, everywhere and under legal scrutiny. The real question is no longer « where to store in order to integrate, » but « how to integrate without storing. » And the best copy remains the one that was never made.

Discover how iD4Connect orchestrates your data without intermediate storage →

Pendant trente ans, intégrer des données a voulu dire la même chose : les copier d’un endroit à un autre. L’ETL les extrait et les recharge dans un entrepôt, l’ESB les fait transiter par un hub central, le data lake les déverse toutes au même endroit « au cas où ». Trois générations d’outils, un seul réflexe : capturer, dupliquer, stocker. Mais en 2026, la donnée est devenue temps réel, distribuée et réglementée. Et le vieux postulat « stocker pour intégrer » se paie désormais en latence, en coûts cachés et en surface d’attaque.

ETL, ESB, Data Lake : trois réponses, un même postulat

Les trois piliers historiques de l’intégration répondent au même problème, à des époques différentes. L’ETL (Extract, Transform, Load) est né avec les entrepôts de données : il extrait la donnée des systèmes sources, la transforme, puis la recharge dans une base centrale, le plus souvent la nuit, par lots. L’ESB (Enterprise Service Bus) a généralisé le hub d’intégration : un bus central par lequel tout transite, avec ses files de messages et ses copies intermédiaires. Le data lake, enfin, a poussé la logique à l’extrême : déverser l’intégralité des données brutes dans un réservoir unique, en pariant qu’on saura les exploiter plus tard.

Le point commun saute aux yeux : dans les trois cas, pour faire circuler la donnée, on commence par la recopier et la poser quelque part. Ce marché reste massif et en croissance. L’intégration de données pesait 17,58 milliards de dollars en 2025 et devrait atteindre 33,24 milliards en 2030, soit une croissance annuelle de 13,6 % (source : MarketsandMarkets). Mais à l’intérieur de ce marché, le centre de gravité se déplace.

Le segment qui explose, c’est l’intégration cloud et temps réel. Le marché de l’iPaaS (Integration Platform as a Service) a dépassé 9 milliards de dollars de revenus en 2024, contre 7,8 milliards en 2023 et 5,9 milliards en 2022, et Gartner le voit franchir les 17 milliards d’ici 2028 (source : Gartner, via Informatica). À titre de comparaison, l’ensemble du marché du middleware applicatif a progressé de 11,9 % en 2024 pour atteindre 64,1 milliards de dollars (source : Gartner) : l’intégration moderne croît environ deux fois plus vite que le middleware classique. La direction est claire, même quand les vieux outils restent en place.

Le batch ne suit plus : la donnée est devenue temps réel

Le modèle ETL repose sur une hypothèse devenue fausse : que la donnée peut attendre. Or elle n’attend plus. IDC estimait que le volume mondial de données passerait de 33 zettaoctets en 2018 à 175 zettaoctets en 2025, et surtout que près de 30 % de cette donnée devrait être consommée en temps réel (source : IDC, Data Age 2025). Une donnée qui se décide à la seconde s’accommode mal d’un traitement nocturne par lots.

Cette donnée n’est pas seulement plus rapide, elle est aussi ailleurs. Gartner prévoyait dès 2018 que 75 % des données d’entreprise seraient créées et traitées en dehors d’un data center centralisé ou d’un cloud traditionnel d’ici 2025, contre environ 10 % à l’époque (source : Gartner). Ramener mécaniquement toute cette donnée vers un entrepôt central pour la traiter devient un contresens géographique autant qu’économique.

Le marché valide cette bascule. L’analytique en streaming, c’est à dire le traitement de la donnée pendant qu’elle circule, doit passer de 29,53 milliards de dollars en 2024 à 125,85 milliards en 2029, soit une croissance annuelle de 33,6 % (source : MarketsandMarkets). Côté terrain, plus de 80 % des entreprises du Fortune 100 utilisent déjà Apache Kafka pour faire circuler leurs flux en événementiel (source : Apache Kafka). Et la pression continue de monter : Gartner prévoit que l’adoption du streaming de données pour l’IA agentique dépassera 60 % d’ici 2028, contre moins de 15 % en 2025 (source : Gartner).

L’écart entre la valeur perçue et la réalité reste pourtant énorme. Une enquête menée pour Solace montrait que 85 % des organisations reconnaissent la valeur métier de l’architecture orientée événements, mais que seulement 13 % estiment avoir atteint sa pleine maturité (source : Coleman Parkes pour Solace). Le temps réel est compris et désiré. Ce qui manque, c’est une façon de l’atteindre sans rebâtir un entrepôt de plus.

Le data lake, du réservoir au marécage

Le data lake promettait de résoudre le problème en supprimant les silos : un seul endroit pour tout stocker, et on verra plus tard. Gartner avait pourtant prévenu dès 2014 avec sa « data lake fallacy » : sans métadonnées descriptives ni gouvernance, un lac de données se transforme en « data swamp », un marécage où l’information existe mais devient introuvable et inexploitable (source : Gartner).

Dix ans plus tard, le diagnostic se confirme dans les chiffres. La donnée stockée reste très largement dormante.

• 55 % des données d’une organisation sont des « dark data » : elles existent mais ne sont ni trouvées, ni préparées, ni analysées (Splunk, The State of Dark Data)
• 68 % des données dont disposent les entreprises ne sont jamais exploitées, selon une enquête menée auprès de 1 500 dirigeants (Seagate et IDC, Rethink Data)
• 60 à 73 % de l’ensemble des données d’une entreprise restent inutilisées pour l’analytique (Forrester)

Le problème n’est pas le volume, c’est la gouvernance de tout ce qui dort. Gartner prédit d’ailleurs que 80 % des initiatives de gouvernance des données et de l’analytique échoueront d’ici 2027 (source : Gartner). Accumuler n’a jamais été synonyme d’exploiter. Plus le réservoir grossit, plus il coûte cher à maintenir, à sécuriser et à gouverner, pour une fraction de valeur réellement utilisée.

Ce que coûte vraiment le déplacement des données

Copier et stocker n’est pas neutre, ni financièrement, ni en matière de risque. Chaque copie qui quitte un cloud est facturée : le transfert sortant standard d’AWS démarre à 0,09 dollar par gigaoctet au delà des 100 Go gratuits mensuels (source : AWS). Anodin à l’unité, ce coût devient structurel à l’échelle : Gartner estime que la plupart des clients consacrent 10 à 15 % de leur facture cloud aux seuls frais d’egress (source : Gartner, via Fierce Network). Sur une dépense mondiale en cloud public prévue à 723,4 milliards de dollars en 2025 (source : Gartner), l’addition donne le vertige. Le législateur s’en est saisi : le Data Act européen supprimera totalement les frais de changement de fournisseur, frais d’egress compris, à compter du 12 janvier 2027 (source : Commission européenne).

Le coût caché le plus dangereux n’est toutefois pas sur la facture, il est dans le risque. Chaque copie est une cible de plus. Le rapport d’IBM sur le coût des violations de données indique que 35 % des fuites impliquent des « shadow data », ces données dupliquées hors du périmètre de sécurité, et que ces violations coûtent en moyenne 16 % plus cher (source : IBM, Cost of a Data Breach 2024). Sachant que le coût moyen mondial d’une violation a atteint un pic de 4,88 millions de dollars en 2024 (source : IBM), chaque réplique inutile devient une dette de sécurité.

Reste la souveraineté. Les trois géants américains concentrent 70 % du marché cloud européen, quand la part des fournisseurs européens est tombée à environ 15 % (source : Synergy Research Group). Or beaucoup d’outils d’intégration et d’iPaaS sont des services américains, soumis au Cloud Act. Dans leur évaluation juridique commune, l’EDPB et l’EDPS concluent qu’en l’absence d’accord international, un fournisseur soumis au droit de l’Union ne peut légalement transférer des données vers les États Unis sur la base de telles demandes, en contradiction directe avec l’article 48 du RGPD (source : EDPB et EDPS). Faire transiter ses données par un hub d’intégration américain, c’est exposer chaque octet copié. Comme nous l’expliquions à propos de la souveraineté numérique, la nationalité du fournisseur prime sur la localisation des serveurs.

L’orchestration en transit : intégrer sans stocker

Si copier et stocker est la source du problème, la solution consiste à ne plus le faire. C’est le principe de l’orchestration en transit : traiter la donnée pendant qu’elle circule, au moment précis de son passage, sans jamais la poser ni la dupliquer. La donnée n’est plus aspirée vers un réservoir central, elle est transformée à la volée puis libérée vers sa destination.

C’est l’approche d’iD4Connect. Chaque DataCell est une unité de traitement autonome qui nettoie, transforme, enrichit, anonymise ou route la donnée pendant son transit, puis ne garde rien. L’orchestration de ces DataCells, organisée en DataGraph, permet de bâtir des flux complexes entre n’importe quelles applications, sur site, en cloud ou en hybride. Le Connecteur Universel prend en charge l’ingestion via tous les protocoles standards (REST, SQL, MQTT, Kafka, OPC-UA, SFTP…), sans imposer son propre format.

Le bénéfice est triple. La surface d’exposition tombe à zéro, puisqu’aucune donnée n’est stockée au passage. La souveraineté est garantie par construction, l’architecture étant conçue en Europe et exécutée dans le périmètre du client. Et le coût devient prévisible, sans entrepôt à maintenir ni egress à payer pour des copies que personne n’utilise. Là où l’ETL, l’ESB et le data lake ajoutent une couche de stockage entre vos systèmes, l’orchestration en transit la supprime. Pour aller plus loin, nous détaillons ce positionnement face aux outils existants.

L’ETL, l’ESB et le data lake n’ont pas démérité : ils ont résolu les problèmes de leur époque. Mais cette époque supposait une donnée lente, centralisée et peu réglementée. En 2026, la donnée est rapide, partout et sous surveillance juridique. La vraie question n’est plus « où stocker pour intégrer », mais « comment intégrer sans stocker ». Et la meilleure copie reste celle qu’on n’a jamais faite.

Découvrez comment iD4Connect orchestre vos données sans stockage intermédiaire →