Menu
Close
Le pool représente un acteur global, généralement une organisation, une entreprise ou un système complet.
Exemples de pools :
On utilise un pool différent lorsqu’on veut montrer une interaction entre plusieurs parties distinctes.
Le pool est l’entité principale, comme un terrain de jeu.
Une lane (couloir) divise un pool en sous-sections.
Elle représente une fonction, un rôle, un service ou une équipe à l’intérieur d’un même pool.
Exemples de lanes dans un pool Entreprise :
La lane sert à indiquer qui exécute chaque tâche dans un même organisme.
La lane est un couloir à l’intérieur de la piscine.
Chaque couloir = un rôle ou un service.
Un client passe une commande auprès d’une entreprise.
L’entreprise comporte deux services :
Lanes de l’entreprise :
Trouver le bon pool :
CLIENTENTREPRISETrouver la bonne lane :
Service CommercialService Comptabilité
comprendre ce qu’est une automatisation et écrire un script simple.
transformer une liste simple.txt en traitée.txt
Comprendre l’intérêt de l’automatisation sur une tâche répétitive
# --- Automatisation simple : numérotation de lignes ---
# Ouvre le fichier source en lecture
with open("liste.txt", "r", encoding="utf-8") as fichier_entree:
lignes = fichier_entree.readlines()
# Prépare un tableau pour stocker les lignes modifiées
lignes_traitees = []
# Ajoute un numéro devant chaque ligne
for i, ligne in enumerate(lignes, start=1):
ligne_modifiee = f"{i}. {ligne.strip()}\n"
lignes_traitees.append(ligne_modifiee)
# Écrit le résultat dans un nouveau fichier
with open("liste_traitee.txt", "w", encoding="utf-8") as fichier_sortie:
fichier_sortie.writelines(lignes_traitees)
print("Traitement terminé ! Le fichier 'liste_traitee.txt' a été généré.")
pomme
banane
poire
kiwi
représenter un workflow avant de le programmer.
Start Event : Commande reçue
Task 1 : Enregistrer la commande
Task 2 : Vérifier le stock
Gateway 1 (XOR) : Article disponible ?
Oui →
Task 3 : Préparer la commande
Task 4 : Valider le paiement
Gateway 2 (XOR) : Paiement accepté ?
Oui →
Task 5 : Expédier la commande
End Event : Commande expédiée
Non →
Task 6 : Notifier échec de paiement
End Event : Commande annulée
Non →
Task 7 : Informer client (rupture de stock)
End Event : Commande non livrable
Les schémas DAG (Directed Acyclic Graphs)
Un DAG (Directed Acyclic Graph) est une structure composée de nœuds reliés par des arêtes orientées, sans aucun cycle. Il permet de représenter un ensemble d’opérations ordonnées où il est impossible de revenir en arrière.
Les DAG servent à représenter des séquences de tâches avec dépendances strictes. Ils sont utilisés dans :
Contrairement à BPMN, il n’existe pas de norme universelle pour représenter visuellement un DAG. Le DAG est un concept mathématique, et chaque outil (Airflow, Dagster, Prefect, etc.) utilise sa propre notation ou syntaxe (JSON, YAML, DSL Python).
Un DAG se lit en suivant l’orientation des flèches :
DAG :
BPMN :
Résumé
Les DAG sont des outils puissants pour orchestrer des workflows techniques complexes. Ils assurent une exécution structurée, scalable et déterministe, même si leur représentation graphique n'est pas normalisée comme celle des processus BPMN.
ETL signifie Extract – Transform – Load. C’est un processus d’intégration de données comportant trois étapes :
Usages :
Avantages :
ELT signifie Extract – Load – Transform. Ce processus inverse l’ordre ETL :
Usages :
Avantages :
ETL : extraction → transformation → chargement.
ELT : extraction → chargement → transformation via SQL dans le data warehouse.
ETL = idéal pour infrastructures classiques.
ELT = idéal pour plateformes cloud modernes nécessitant scalabilité et traitement rapide.
[A] Extraction des données
|
[B] Validation des données
/ \
[C] Nettoyage [D] --- Enrichissement
\/
[E] Génération du rapport
Récupère des données depuis une API, une base SQL ou un fichier.
Format brut, non vérifié.
Vérifie la qualité : formats, valeurs manquantes, doublons.
Point de décision : un rejet si problème > seuil.
Suppression des lignes invalides.
Normalisation des colonnes.
Ajout de données externes (ex : lookup dans une autre base).
Transformation métier.
Fusion des données nettoyées + enrichies.
Export en CSV, Excel ou tableau de bord.