Comment Constellation bâtit une base de données gouvernée sur Databricks

Constellation exploite la plus grande flotte nucléaire des États-Unis. Pour eux, l'une des étapes les plus difficiles dans la préparation à l'IA n'a pas été de choisir les modèles, mais de se mettre d'accord sur la signification des données. L'équipe de Constellation construit une plateforme de données d'entreprise (EDP) gouvernée sur Databricks pour rendre les données cohérentes et utilisables dans toute l'entreprise, et son approche offre une feuille de route pratique pour d'autres entreprises.

Qui est Constellation

Constellation est le plus grand producteur d'énergie propre et fiable du pays, avec une capacité de génération équivalente aux besoins de 27 millions de foyers et environ 2,5 millions de clients particuliers. Cette étendue des opérations et des relations clients explique pourquoi les définitions partagées et la gouvernance sont importantes pour leur travail sur les données.

Constellation collecte des données provenant de la gestion des actifs, de la chaîne d'approvisionnement, des systèmes commerciaux et de trading, ainsi que des opérations de toute la flotte. Celles-ci alimentent tout, des modèles de marché en quasi temps réel à la télémétrie nucléaire. Dans une entreprise où la sécurité et la fiabilité passent avant tout, il est crucial de bien définir les termes et la gouvernance. Ce profil de risque guide chaque choix architectural qui s'ensuit.

Le problème : Des données de haute qualité, mais pas de sémantique partagée

Les équipes de Constellation ont développé de solides compétences en matière de données pour leurs propres besoins. Cependant, les questions transversales nécessitaient encore des efforts supplémentaires pour relier les informations et réconcilier les différences dans leur définition. Les données étaient dispersées dans des dizaines d'endroits, sans couche sémantique partagée définissant leur sens d'un domaine à l'autre.

Constellation a fait face à un problème que beaucoup d'organisations connaissent encore : une question simple sans réponse unique : « Combien avons-nous de clients ? » La vente au détail se base sur le compteur de facturation, la vente en gros sur la contrepartie, et le CRM sur un compte ou un utilisateur. Trois bonnes réponses avec trois significations différentes. Le problème n'a fait que s'amplifier au fur et à mesure que Constellation a grandi par des acquisitions, y compris celle de Calpine en 2026, qui comptait 79 centrales électriques réparties dans 22 êtats et 27 GW de capacité. Une pile technologique totalement indépendante avec ses propres définitions, entrepôts et conventions de modélisation. L'EDP a soudainement dû intégrer une entité de la taille de Constellation. Apporter du sens aux données et à la gouvernance est le changement que mène Constellation en développant l'EDP sur Databricks.

La base : Une plateforme de données d'entreprise sur Databricks

La réponse de Constellation est une EDP gouvernée bâtie sur Databricks. L'EDP constitue la base partagée qui relie des systèmes auparavant cloisonnés et offre à l'entreprise une compréhension unifiée de ses données. Il s'agit d'un passage délibéré de multiples systèmes déconnectés mais performants vers une fondation gouvernée où les données partagent un sens commun dans toute l'entreprise.

Le choix de la plateforme n'a pris que quelques semaines. Constellation a opté pour Databricks car cela lui offrait la souplesse nécessaire pour expérimenter, grandir et mûrir à son rythme et, fait tout aussi important, parce que la solution pouvait s'intégrer à son architecture existante au lieu de l'obliger a tout remplacer. Trois piliers architecturaux se sont démarqués :

• Sens partagé sous forme de sémantique conforme. Plutôt que d'imposer une seule définition à chaque domaine, l'équipe EDP de Constellation collabore avec les dirigeants pour définir des entités conformes et gouvernées — en se mettant d'accord sur ce que signifie un « client » dans la vente au détail, la vente en gros, le gaz et le CRM — et pour répliquer ces définitions à l'échelle de l'entreprise. En plus de cela, Constellation a bâti une couche de connaissances sémantique qui cartographie les relations commerciales (client, contrat, actif et leurs liens entre les domaines).
  L'équipe utilise Data Vault comme méthode de modélisation de manière sélective pour les entités critiques et réutilisables qui doivent être flexibles face aux changements des systèmes. Tous les ensembles de données ne passent pas par Data Vault. Le choix de la modélisation est délibéré et dépend de la réutilisation, de l'audit ou de l'évolution future de l'entité.
• La gouvernance est un modèle de responsabilité, pas seulement un contrôle d'accès. L'un des principaux critères de choix pour Constellation a été de trouver un service allant au-delà du contrôle d'accès traditionnel pour insuffler un sens sémantique à ses parties prenantes. Ce critère posé, Unity Catalog s'est imposé comme une évidence. Unity Catalog offre la lignée, un contrôle d'accès granulaire et un modèle de permissions unique. Constellation est allé au-delà de la couche technique pour répondre à la question qui tourmente tant d'autres plateformes : à qui appartient le sens des données ? Les vues métriques de Unity Catalog simplifient encore plus la tâche. Les différents domaines de données exigent des contrôles d'accès et de gouvernance variés. L'équipe de Constellation a conçu la plateforme pour répondre à ces exigences à mesure qu'elle intègre de nouveaux cas d'usage. L'établissement d'approbations internes et d'une gouvernance est devenu le garant de la confiance.
• Espaces de travail multiples sur une base unique gouvernée. Les mêmes ensembles de données gouvernés, affichés dans des espaces de travail séparés et dont la sémantique métier est définie une seule fois et consommée à de multiples reprises.

Pour Constellation, Databricks prend en charge à la fois l'ingénierie des données et la gouvernance, offrant aux équipes un environnement contrôlé pour concevoir de l'IA.

Trois exemples de cas d'usage basés sur la même fondation :

Sur cette même base gouvernée, trois premiers cas d'usage démontrent le potentiel accessible dans des secteurs très différents de l'entreprise.

1. Assistant en ingénierie nucléaire

Constellation développe un assistant, conçu avec Databricks Genie et gouverné via Unity Catalog, pour aider les équipes d'ingénierie à trouver et utiliser plus facilement des informations techniques approuvées, réduisant ainsi l'effort nécessaire pour répondre à des questions complexes.

2. Planification des pannes : Gestion de la maintenance nucléaire planifiée

Les pannes planifiées comptent parmi les opérations les plus complexes menées par Constellation. Elles ont lieu pour le rechargement en combustible, la maintenance majeure, les inspections réglementaires et les travaux sur les équipements. Chacune mobilise de grand groupes de travail et de nombreux ordres de mission sur un même site avec un calendrier serré. Leur coordination nécessite de croiser des données de planification, d'exécution des tâches et de santé des actifs issues de différents systèmes. L'équipe rassemble ces données dans Databricks pour aider les planificateurs à analyser les plannings et à coordonner les activités, la prise de décision restant entre les mains des équipes d'intervention.

3. Intelligence commerciale : Priorisation des opportunités et prochaine meilleure action

En matière de vente, regrouper les informations pertinentes sur les clients et le commerce aide les équipes à préparer leurs échanges et à identifier des opportunités de croissance. L'équipe développe des fonctionnalités d'IA sur Databricks pour rendre ces informations plus cohérentes, accessibles et exploitables — favorisant des résultats tels que la priorisation d'opportunités à forte valeur et la recommandation de la prochaine meilleure action. Tout cela repose sur la même base de données gouvernée au sein de Databricks, dotée de garde-fous adaptés.

Principaux enseignements

L'expérience de Constellation met en lumière le fait qu'une plateforme de données d'entreprise repose autant sur le sens et la gouvernance que sur la technologie. Son équipe met en place les définitions, les contrôles et une base de données réutilisable nécessaires pour alimenter des analyses et une IA utiles dans différents secteurs de l'entreprise. Databricks associé à Unity Catalog rend les données fiables et faciles à découvrir pour les utilisateurs métier.

Cette base gouvernée permet également aux data scientists de créer des solutions de machine learning et d'IA agentique avec Databricks, notamment Genie One et Genie Agents. L'équipe s'appuie sur ces possibilités pour développer des cas d'usage dans la vente, la planification de la maintenance et le support technique.

Perspectives

Constellation explore Genie Ontology, un graphe de connaissances auto-apprenant qui apporte un contexte métier, ainsi que les Pages de Unity Catalog, qui gèrent de manière centralisée les définitions métier au sein de Unity Catalog. Ensemble, ces fonctionnalités enrichissent la couche sémantique en rendant les données plus riches de sens, cohérentes et simples d'utilisation.

Pour en savoir plus sur leur parcours, lisez cet article de blog rédigé par les dirigeants de Constellation, Jay Cavalcanto, SVP et CIO, et Vineeth Vijaykumar, VP du bureau de gestion commerciale IT.

Visionnez la présentation de Constellation au Databricks Data + AI Summit (à partir de 56:23)

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original