Portlane : une alternative à Azure Data Factory pour l'ETL sans lock-in cloud

Il y a deux façons d'arriver sur une page alternative à Azure Data Factory. Soit vous êtes encore sur SSIS², et la feuille de route Microsoft vous pousse vers le cloud. Soit ADF¹ tourne déjà, la facture suit l'activité des pipelines, et quelqu'un a demandé ce que coûterait de faire tourner la même logique ailleurs qu'Azure. Les deux chemins mènent à la même question : votre intégration doit-elle dépendre d'un seul cloud ?

Portlane répond : non, pas nécessairement. Pipelines en Python versionnés, licence à vie, exécution dans votre infrastructure (Azure compris, mais pas Azure exclusif). Pas de canevas lié aux services natifs d'un seul fournisseur.

À dire tout de suite : Portlane est en développement actif. Si SSIS² vous expose aujourd'hui ou si ADF¹ est déjà le centre de gravité, cette page traite de l'horizon où vous choisissez la portabilité, pas d'une bascule à lancer lundi.

Ce qui a réellement changé

• SSIS² reste en production partout, mais n'est plus le futur Microsoft : l'investissement va à ADF¹, Synapse, Fabric.
• ADF¹ est réellement pratique si votre patrimoine vit déjà dans Azure, et structurellement couplé à ce cloud.
• La tarification à l'activité rend la facture difficile à figer sur cinq ans.
• Les pipelines ADF¹ se relisent mal hors de l'écosystème Azure : peu portables, peu testables comme du code applicatif.
• Une stratégie multi-cloud ou une sortie partielle d'Azure devient un projet de réécriture, pas un changement d'hébergeur.

Le confort ADF¹ est réel. Le coût de ce confort, c'est que votre logique d'intégration devient un actif Azure.

Portlane et Azure Data Factory, côte à côte

• Paradigme ADF¹ : pipelines low-code⁷, activités et linked services Azure. Portlane : Python full-code, diffable, testable en pull request.
• Couplage cloud ADF¹ : natif Azure (Synapse, Data Lake, SQL, Fabric). Portlane : exécution chez vous (Azure, autre cloud, ou on-prem).
• SSIS² Microsoft : voie de migration implicite vers ADF¹ / Fabric. Portlane : réécriture en Python plutôt que reconduction du modèle jobs SQL Server.
• Tarification ADF¹ : paiement à l'usage / activité de pipeline. Portlane : licence à vie, sans compteur d'activité cloud.
• Portabilité ADF¹ : logique difficile à emporter hors Azure. Portlane : code source dans votre dépôt, indépendant du fournisseur.
• Cible ADF¹ : organisations déjà engagées sur Azure, qui veulent de la vitesse d'orchestration. Portlane : équipes qui refusent de coupler toute l'intégration à un seul cloud.

Si vous êtes 100 % Azure pour les dix prochaines années et que l'équipe maîtrise déjà ADF¹, le confort a de la valeur. Si la question de la sortie ou du multi-cloud n'est pas absurde, le confort d'aujourd'hui est une dette de demain.

À qui Portlane convient vraiment

Portlane est une alternative à Azure Data Factory (et une sortie crédible de SSIS²) pour les équipes qui veulent posséder leurs flux. Le profil : culture ingénierie, Python en place, besoin d'ETL³ / synchronisation sans dépendre de la feuille de route Fabric.

ADF¹ reste le bon choix si Azure est déjà le SI data, si l'intégration native Synapse / Data Lake est un actif, et si personne n'envisage sérieusement de sortir. Dans ce cas, ajouter Portlane par idéologie est un mauvais calcul.

Les erreurs de migration qu'on voit passer

• Migrer SSIS² vers ADF¹ « parce que Microsoft le dit », sans avoir tranché la question du lock-in cloud.
• Traduire les packages SSIS² un pour un dans ADF¹, en reconduisant vingt ans de contournements.
• Basculer sans exécution parallèle ni comparaison de sorties.
• Quitter ADF¹ pour un autre orchestrateur cloud propriétaire : même problème, autre logo.

Une migration réaliste, dans l'ordre

• 1. Inventaire : packages SSIS² et pipelines ADF¹, dépendances Azure natives, fréquences, criticité.
• 2. Tri : ce qui doit rester proche d'Azure (pour de bonnes raisons) vs candidats à une logique portable.
• 3. Réécriture : Python, tests sur données réelles, observabilité dans le dépôt.
• 4. Bascule : parallèle, comparaison, validation métier, coupure.
• 5. Exploitation : propriétaire nommé, runbooks, licence. Un flux sans propriétaire n'est pas migré.

Si votre sujet est plutôt Talend / jobs visuels, voir Portlane et Talend. Pour la thèse ownership plus large, pourquoi louer sa plateforme data coûte plus cher qu'il n'y paraît.

Questions fréquentes

Portlane remplace-t-il Azure Data Factory ou SSIS aujourd'hui ?

Non. Portlane est en développement actif, sans date de sortie publique. Cette page compare le confort cloud Azure et l'indépendance full-code. Ce n'est pas un plan de migration exécutable cette semaine.

Que fait bien Azure Data Factory ?

ADF¹ est un service d'orchestration réellement pratique et payé à l'usage si votre patrimoine data vit déjà dans Azure. Son canevas low-code⁷ et son intégration native (Synapse, Data Lake, SQL) permettent de monter vite un ETL³/ELT⁴ quand vous êtes déjà engagé sur ce cloud.

Pourquoi SSIS est-il considéré comme legacy ?

SSIS² est un ETL³ on-prem lié à SQL Server, largement dépassé par la feuille de route cloud-first de Microsoft (Data Factory, puis Fabric). Il fait encore tourner beaucoup de jobs en production, mais ce n'est plus là que Microsoft investit pour l'avenir.

Utiliser ADF crée-t-il un lock-in ?

Oui, structurellement. Les pipelines ADF¹ se construisent autour de concepts et services natifs Azure. Plus vous construisez, plus votre logique d'intégration se couple à la feuille de route et à la tarification d'un seul fournisseur cloud. C'est un lock-in différent d'un iPaaS⁵ SaaS⁶, mais c'en est un.

Quel modèle de licence propose Portlane ?

Licence à vie sur devis, flux en Python dans votre dépôt, exécution dans votre infrastructure : Azure, autre cloud, ou on-prem. Pas de facturation à l'activité de pipeline Azure.

Glossaire

• ¹ ADF (Azure Data Factory) : service cloud Microsoft qui orchestre le déplacement et la transformation de données dans l'écosystème Azure.
• ² SSIS (SQL Server Integration Services) : outil historique de Microsoft pour construire et exécuter des traitements d'intégration de données sur site.
• ³ ETL (Extract, Transform, Load) : processus qui extrait les données, les transforme, puis les charge dans le système cible.
• ⁴ ELT (Extract, Load, Transform) : variante où les données sont chargées avant d'être transformées dans la plateforme cible.
• ⁵ iPaaS (Integration Platform as a Service) : plateforme d'intégration fournie et facturée comme un service cloud.
• ⁶ SaaS (Software as a Service) : logiciel hébergé par son éditeur et utilisé sous abonnement.
• ⁷ Low-code : approche qui permet de construire des traitements surtout par configuration visuelle, avec peu de code.