En fin d'année dernière, une page historique s'est tournée dans le paysage de la donnée publique en France : l'Insee a définitivement éteint ses derniers serveurs reposant sur les technologies SAS Institute. Ce choix marque une transition radicale vers l'Open Source et le développement interne avec leur nouvelle solution, Onyxia, que l'Institut ambitionne désormais d'exporter à l'international.
La fin d'une dépendance historique
Le 24 décembre dernier, le dernier serveur SAS de l'Insee a été mis hors tension. Pour l'Institut statistique national, utilisateur de longue date des outils de l'éditeur américain, la décision est avant tout stratégique et financière.
Comme le souligne Jean-Séverin Lair, DSI de l'Insee (qui regroupe près de 400 collaborateurs au service d'une administration de 5000 personnes) :
« C'est la politique tarifaire de cet éditeur, basée sur des prix catalogue très élevés et des niveaux de remise dont il décide seul, qui nous a poussé à prendre cette décision. Sur un sujet aussi cœur de métier pour nous, nous ne voulons plus être dépendants d'un fournisseur unique avec ce type de pratiques. »
Le coût de cette dépendance s'était déjà fait lourdement sentir en 2022, avec des prix multipliés par quatre lors du renouvellement de contrat. S'affranchir de cette solution a ainsi permis à la DSI d'économiser plus de 5 % de son budget annuel.
Une refonte technique vers R, Python et SQL
Se passer d'un fournisseur aussi emblématique a nécessité la migration d'une base de code colossale, accumulée au fil des années, vers des langages plus ouverts : R, Python et SQL.
Cette vaste opération a été menée sur trois ans. Selon le DSI, la contrainte d'une montée de version majeure a finalement joué un rôle de catalyseur. Le terrain était d'ailleurs favorable, les compétences techniques capables de porter cette transformation étant déjà présentes en interne.
Onyxia : KubernetesKubernetes est l'orchestrateur open source gérant le déploiement, la mise à l'échelle et l'exécution conteneurisée des microservices de l'architecture cloud-native de SAS Viya., DevOps et Data Science
Au-delà du changement de langage, c'est toute l'approche self-service et l'environnement de travail de quelque 1500 statisticiens qui ont été repensés. C'est ici qu'entre en jeu Onyxia.
Cette plateforme moderne offre aux data scientistsExperts extrayant des connaissances via des méthodes statistiques, algorithmes et IA. Ils transforment les données brutes en insights stratégiques pour résoudre des problèmes métier complexes. un environnement KubernetesKubernetes est l'orchestrateur open source gérant le déploiement, la mise à l'échelle et l'exécution conteneurisée des microservices de l'architecture cloud-native de SAS Viya. complet, donnant accès à un catalogue d'outils et de services data interconnectés avec un datalake et un stockage objet S3.
Frédéric Comte, responsable de la division innovation, précise :
« Au-delà de la sortie de SAS, c'est une décision écosystémique. Nous voulions proposer une stack data offrant la capacité à déployer une myriade d'outils. »
Ce virage technologique permet également d'insuffler une véritable culture DevOps au sein des équipes de l'organisme public :
- Adoption du code versionné et de processus automatisés dans l'outillage.
- Modernisation des pratiques orientées vers le calcul distribué.
- Transition vers de véritables logiques de Data Science.
2026 : Le cap de l'internationalisation
Développé par la division innovation et maintenu par une équipe très restreinte, le datalab Onyxia a déjà fait ses preuves. L'objectif pour l'année 2026 est clair : étendre la communauté.
Le succès est d'ailleurs déjà au rendez-vous au-delà de nos frontières :
- L'équivalent norvégien de l'Insee a adopté Onyxia comme socle principal.
- Des organismes d'envergure comme Eurostat et l'ONU exploitent également la solution.
- La plateforme de démonstration SSP Cloud compte déjà plus de 3000 utilisateurs réguliers à travers 600 organisations.
Une évolution fascinante pour l'ingénierie de la donnée publique, qui redéfinit les standards de l'analyse statistique à grande échelle.
