Données structurées et non structurées définition

Une donnée structurée est organisée selon un schéma prédéfini, avec des champs et des types déterminés à l’avance, comme dans une base de données relationnelle ou un tableau où chaque colonne possède une signification définie et où les valeurs suivent un format cohérent d’un enregistrement à l’autre. Une donnée non structurée ne suit pas un tel schéma directement exploitable sous forme de champs homogènes : un texte libre, une image, un enregistrement audio ou vidéo. Entre les deux, une donnée semi-structurée dispose d’une organisation partielle ou de marqueurs explicites sans schéma relationnel rigide, comme un document JSON ou XML.

Le modèle relationnel et les données structurées

La notion de donnée structurée est étroitement liée au développement des modèles de bases de données, en particulier au modèle relationnel formalisé par Edgar F. Codd, chercheur chez IBM, dans son article de 1970, A Relational Model of Data for Large Shared Data Banks. Codd y propose de représenter les données sous forme de relations composées d’attributs et de tuples, couramment assimilées dans les implémentations courantes à des tables, des colonnes et des lignes. Son objectif est notamment de rendre la structure logique des données indépendante de leur représentation physique et des programmes qui les utilisent, en opposition aux modèles hiérarchiques et en réseau alors dominants.

Le modèle relationnel constitue la forme historique la plus emblématique de cette organisation selon un schéma explicite, sans être l’unique environnement capable de stocker des données structurées. Le développement ultérieur de contenus numériques ne se prêtant pas directement à un schéma tabulaire homogène a conduit à distinguer les données structurées de catégories dites semi-structurées ou non structurées. Cette classification ne se confond toutefois pas exactement avec l’opposition entre systèmes relationnels et non relationnels : une base orientée documents peut par exemple stocker des données organisées sans recourir au modèle relationnel.

Que vaut l’estimation de 80% de données non structurées ?

Une estimation fréquemment reprise affirme qu’environ 80% des données détenues ou produites par les entreprises seraient non structurées. Cet ordre de grandeur reste utilisé par des acteurs reconnus : Mark Beyer, analyste chez Gartner, a par exemple évoqué en mai 2026 une fourchette de 70% à 90% des données d’entreprise, lors du Gartner Data & Analytics Summit de Londres.

Cette estimation doit néanmoins être interprétée avec prudence. Elle est souvent reprise sans préciser si elle mesure le volume de stockage, le nombre de fichiers, les données nouvellement produites ou les informations effectivement exploitées, ni selon quelle méthodologie. La proportion réelle dépend aussi largement du secteur et des systèmes observés : une entreprise industrielle et une agence de communication n’ont pas la même répartition. Le chiffre de 80%, ou la fourchette de 70 à 90%, constitue donc davantage un ordre de grandeur indicatif qu’une mesure universelle applicable à toute organisation.

Catégories de données non structurées et semi-structurées

Les données non structurées recouvrent des contenus très hétérogènes : documents en texte libre, images, vidéos, enregistrements audio, contenus textuels ou visuels publiés sur les réseaux sociaux. Leur point commun n’est pas leur format technique, mais l’absence d’un schéma de champs homogène permettant leur interrogation directe par les outils conventionnels. Les données semi-structurées, comme les fichiers journaux, les documents XML ou les échanges au format JSON, disposent de marqueurs et d’une organisation interne sans suivre nécessairement le schéma fixe d’une base relationnelle.

Application au ciblage B2B

Dans une base de données commerciale, les données firmographiques, secteur, effectif, forme juridique, sont généralement structurées et directement interrogeables à l’aide de filtres, notamment lorsqu’elles proviennent de registres comme le répertoire Sirene. À l’inverse, une offre d’emploi ou un communiqué de presse contient principalement du texte libre qui doit être extrait, interprété et normalisé avant de pouvoir alimenter des champs exploitables, un processus décrit plus en détail dans le cadre de l’enrichissement de données.

Un profil professionnel en ligne est généralement semi-structuré : certains champs suivent une organisation stable imposée par la plateforme, tandis que les descriptions libres nécessitent un traitement complémentaire. L’identification de décideurs à partir de ces profils illustre bien cette combinaison des trois niveaux, comme détaillé dans le guide sur l’identification des décideurs. La présence de champs homogènes réduit généralement le coût d’intégration et facilite l’automatisation, ce qui explique pourquoi de nombreux dispositifs de prospection automatisée privilégient les sources structurées pour constituer un premier socle, avant de l’enrichir avec des contenus plus complexes.

Limites

La frontière entre les catégories n’est pas toujours nette et dépend du niveau d’analyse retenu, du système utilisé et de l’usage envisagé, pas uniquement d’une propriété technique intrinsèque de la donnée. Un fichier journal comporte par exemple une structure répétitive, horodatage, niveau d’événement, message, ce qui le rapproche généralement des données semi-structurées plutôt que non structurées, bien qu’il soit souvent classé dans cette dernière catégorie par habitude. De même, un document peut associer des métadonnées structurées à un contenu textuel non structuré. La qualification retenue doit donc toujours préciser l’objet exact analysé et le critère technique appliqué.

Voir aussi

Data (définition générale)
Enrichissement de données

Sources et références

Codd, E. F. (1970). A Relational Model of Data for Large Shared Data Banks. Communications of the ACM, 13(6), 377-387.

IBM. Structured vs. unstructured data: What’s the difference?

Gartner. Data & Analytics Summit London 2026: Day 2 Highlights. Déclaration de Mark Beyer, Distinguished VP Analyst.