đź“– Sommaire
- 🌪️ Le Post-Mortem du Navire Fantôme : Les données corrompues
- 🔎 Le Mythe de la Donnée Fiable : Sources de distorsion
- ⚙️ Le Purification Engine : Du chaos à la base D1
- 🛡️ Vaccination V3 et Intégrité Drizzle
- 🚀 Conclusion : L’Auditabilité Souveraine
« Dans le silence d’une interface figée se cache souvent une bataille invisible entre des noms de champs mal mappés et des types de données incohérents. »
🌪️ Le Post-Mortem du Navire Fantôme : Les données corrompues
Lors de la migration de l’intranet CriloCom vers son architecture Astro + D1, nous avons été confrontés à une réalité brutale : la donnée “réelle” est un navire fantôme. Les exports provenant de notre ancien CRM étaient saturés de placeholders, de dates au format exotique et de doublons fantômes.
Le résultat ? Un tableau de bord financier qui affichait des écarts de -12% totalement artificiels. Ce n’était pas un bug de code, mais une corruption de la source. La “Vérité Stable” était devenue un mirage.
🔎 Le Mythe de la Donnée Fiable : Sources de distorsion
Chaque donnée financière est le résultat d’une chaîne de transformations où chaque maillon est un risque. Voici les points de rupture que nous avons identifiés lors de l’audit des Sages :
| Maillon | Risque identifié sur CriloCom | Impact Qualiopi |
|---|---|---|
| Ingestion | Saisie manuelle des factures sans validation de type. | Erreurs de format (virgules vs points). |
| Mapping | Utilisation de placeholders comme -9999 pour les montants inconnus. | Calculs de moyennes totalement biaisés. |
| Synchronisation | Décalage entre le Drizzle Schema local et la base D1 réelle. | Crash du rendu SSR (Invalid Type Error). |
| Localisation | Codes ISO de pays non standardisés (ex: “France” vs “FR”). | Rupture des agrégations géographiques. |
⚙️ Le Purification Engine : Du chaos à la base D1
Pour rétablir la vérité, nous avons implémenté un Purification Engine au cœur de notre pipeline d’ingestion. Ce moteur n’est pas un simple script, c’est une sentinelle qui filtre chaque enregistrement avant son insertion dans la base Cloudflare D1.
flowchart LR
A[Export CRM Raw] --> B{Validation de Schéma}
B -->|Échec| C[Rejet & Log Erreur]
B -->|Succès| D[Normalisation ISO/Dates]
D --> E[Suppression Placeholders]
E --> F[Drizzle Push to D1]
F --> G[Vérité Stable Active]1. Élimination des Placeholders
Nous avons identifié que le système legacy utilisait la valeur 0 ou N/A de manière inconsistante. Notre moteur transforme désormais systématiquement ces valeurs en NULL SQL pour permettre des agrégations précises via les fonctions AVG() et SUM().
2. Normalisation des Types
Grâce à Drizzle ORM, nous avons imposé une discipline de fer sur les types de données. Fini les dates stockées en chaînes de caractères ; tout est désormais casté en timestamp ou integer de manière déterministe.
🛡️ Vaccination V3 et Intégrité Drizzle
La “Vaccination V3” de notre code a consisté à injecter des gardes-fous (Zod schemas) à chaque entrée d’API. Si une donnée ne correspond pas à la structure attendue, elle est “mise en quarantaine” plutôt que de polluer la base de données.
| Code Erreur | Situation | Action des Sages |
|---|---|---|
| 402 | Défaut d’intégrité financière (montant incohérent). | Blocage de la transaction et audit manuel. |
| 404 | Référence croisée introuvable (Client ID manquant). | Fallback sur un compte “Orphelin” pour analyse. |
| 429 | Tentative d’ingestion massive suspecte. | Throttling déterministe via le middleware Cloudflare. |
🚀 Conclusion : L’Auditabilité Souveraine
Aujourd’hui, l’intranet CriloCom ne se contente pas d’afficher des chiffres ; il affiche des certitudes. Chaque ligne de la base D1 est traçable, purifiée et conforme aux exigences de la certification Qualiopi.
La Vérité Stable est enfin atteinte : le navire a un gouvernail, et les chiffres ne mentent plus.
« La qualité d’une interface n’est que le reflet de la pureté de sa base de données. »