Modern Data Warehouse pour Iris Galerie : backup BigQuery, architecture 5 couches, Claude AI via Vertex AI, et plateforme web full-stack.

URL Production : ops.irisgalerie.com | Région : europe-west1 | Projets GCP : iris-data-hub (PROD, read-only) → iris-data-ai (Analytics/AI)

Architecture

🔒 JAMAIS d'écriture sur iris-data-hub — PROD est READ-ONLY. Toutes les écritures vont dans iris-data-ai. dbt est le seul ETL. Documentation is code.

Principes fondamentaux

iris-data-hub est le fallback — si données manquent dans iris-data-ai, l'original reste dans iris-data-hub
dbt est le seul ETL — toutes les transformations passent par dbt (34 modèles, 47 tests)
Idempotent — chaque script vérifie l'état avant de créer (safe to re-run)
Read-only enforcement — validateur SQL bloque tout DDL/DML sur PROD
Config centralisée — .env est la single source of truth

Architecture 5+1 couches

Couche	Dataset	Matérialisation	Description
Raw	`raw`	Incremental	Copie brute des sources (Cegid, Odoo, Combo, Deputy*)
Staging	`staging`	View	Nettoyage, typage, renommage (préfixe `stg_`)
Fact	`fact`	Table	Tables de faits enrichies, grain fin, partitionnées
Mart	`mart`	Table	Agrégations métier prêtes à consommer
Ref	`ref`	Table	Dimensions et référentiels (SCD Type 2)
_meta	`_meta`	Table	Registre tables, log qualité

Décisions architecturales

ID	Décision	Contexte
DEC-001	Ajout couche FACT	Les marts masquaient les données grain fin
DEC-002	25 → 6 datasets	Simplifier la gouvernance
DEC-003	SCD Type 2	Historique stores/salespersons
DEC-004	Double devise	Montant local + EUR + taux utilisé
DEC-005	Calendrier fériés	ref_calendar 2022-2027 par pays
DEC-006	dbt comme ETL	Lineage, tests, doc intégrés
DEC-007	Migration parallèle	Réconciliation avant bascule

Modèle de données

Raw — 53 tables

Cegid POS — Transactions vente (2M+ lignes), données magasins
Odoo ERP — Commandes, produits, clients, pays