Publié le 29 septembre 2026 à 13:00 · Publication originale
Vendredi, ses données ont changé.
Des transactions ont été corrigées. Des lignes supprimées. Une colonne ajoutée. Certains fichiers ont été remplacés.
Six mois plus tard, un auditeur veut comprendre pourquoi le modèle avait produit un résultat précis.
Utiliser la base actuelle ne suffit plus.
Il faudrait retrouver la table telle qu'elle existait au moment de l'entraînement.
Des formats de table modernes comme Apache Iceberg ont précisément introduit cette possibilité.
Iceberg ne considère pas une table comme une simple collection de fichiers.
Son état est décrit par des métadonnées. Lorsqu'une modification est validée, un nouvel instantané, ou "snapshot", référence l'état correspondant de la table.
Les anciens instantanés peuvent être conservés.
Un moteur compatible peut alors demander la table telle qu'elle existait à une date donnée ou selon un identifiant d'instantané.
C'est le "time travel".
Les données n'ont pas nécessairement été copiées intégralement à chaque modification. Les instantanés référencent les fichiers qui composent chaque état.
Cette architecture permet aussi des changements de schéma.
Une colonne peut être ajoutée, renommée ou supprimée tout en conservant une histoire structurée de la table.
Pour l'IA, la conséquence est importante.
Reproduire un modèle ne demande pas seulement de connaître son code, ses paramètres et sa version.
Il faut également pouvoir retrouver l'état exact des données utilisées.
Un jeu de données portant toujours le même nom peut avoir changé des milliers de fois.
"transactions_2026" n'est donc pas une provenance.
Un identifiant d'instantané peut l'être beaucoup mieux.
ULTRA®
Le voyage dans le temps possède une limite que son nom dissimule.
Un snapshot Iceberg n'est pas nécessairement une copie autonome des données.
Il référence des fichiers.
Si les anciens instantanés sont expirés et que les fichiers devenus inutiles sont supprimés, revenir à cet état peut devenir impossible.
La reproductibilité possède donc elle aussi une politique de rétention.
Autre subtilité: Iceberg identifie les colonnes par des identifiants stables plutôt que seulement par leur nom. Une colonne peut ainsi être renommée sans être interprétée comme une nouvelle donnée.
Conseil: enregistrer avec chaque entraînement l'identifiant du snapshot, la version du code, la configuration et l'artefact du modèle.
Un modèle peut être parfaitement versionné et rester impossible à reproduire si les données qui l'ont produit ne le sont pas.
Dans une infrastructure IA, la durée de conservation des snapshots devient ainsi une décision de gouvernance autant que de stockage.