L’un des principaux atouts de Direct Lake tient dans sa promesse : offrir des performances proches du mode Import tout en conservant un accès quasi temps réel aux données stockées dans OneLake.
Jusqu’à présent, cette promesse s’accompagnait toutefois d’une contrainte importante. Lorsqu’une équipe BI avait besoin d’ajouter une colonne calculée, même relativement simple, il fallait généralement déplacer cette logique en amont dans le Lakehouse ou adopter une autre approche de modélisation et de stockage.
Avec l’arrivée de Direct Lake Calculated Columns, actuellement disponible en Preview pour Direct Lake on OneLake, Microsoft lève une partie importante de cette limitation. Il devient possible de créer des colonnes calculées directement dans le modèle sémantique à l’aide de DAX, depuis Power BI Desktop ou le web modeling, sans modifier les tables Delta sous-jacentes.
Pourquoi est-ce important ?
Parce que la réalité des projets décisionnels dépasse rapidement le schéma de données d’origine.
Créer un âge à partir d’une date de naissance, construire une clé fonctionnelle, concaténer plusieurs attributs pour faciliter l’utilisation d’un slicer ou encore afficher des libellés en fonction de la langue de l’utilisateur sont des besoins très courants.
Jusqu’à présent, ce type de transformation pouvait nécessiter une intervention dans les pipelines ou directement dans les tables sources. Avec les Direct Lake Calculated Columns, une partie de cette logique peut désormais rester là où elle a naturellement sa place : dans le modèle sémantique.
Cette évolution rapproche ainsi Direct Lake d’une expérience de modélisation Power BI plus complète, tout en conservant son principe d’accès direct aux données présentes dans OneLake.
Autre point intéressant : ces colonnes sont évaluées dans le contexte de sécurité de l’utilisateur. Elles peuvent donc s’intégrer aux mécanismes de sécurité déjà définis dans le modèle, notamment RLS et OLS. Microsoft illustre également cette possibilité avec des scénarios comme l’utilisation de USERCULTURE() pour adapter dynamiquement certains libellés à la langue de l’utilisateur.
Quelques limites à garder en tête
La fonctionnalité reste en Preview et ne supprime pas toutes les contraintes. Les colonnes calculées Direct Lake ne peuvent notamment pas être utilisées comme clés de relation. Elles ne remplacent pas non plus les mesures DAX lorsqu’un calcul doit réagir dynamiquement aux filtres et sélections effectués dans un rapport.
Autre élément important : contrairement à une colonne physiquement présente dans une table Delta, ces colonnes ne sont pas matérialisées. Leur valeur est calculée au moment de la requête. Leur utilisation doit donc rester réfléchie, en particulier sur des modèles volumineux ou lorsque les expressions DAX deviennent complexes.
Direct Lake continue de gagner en maturité
Au-delà de cette fonctionnalité, l’évolution est intéressante pour les architectures Fabric.
Microsoft continue progressivement de réduire l’écart entre la souplesse attendue par les équipes BI et les principes d’une architecture Lakehouse. Certaines transformations qui nécessitaient auparavant de modifier la couche de données peuvent désormais être prises en charge directement dans le modèle sémantique.
Direct Lake devient ainsi une option de plus en plus complète pour construire des modèles Power BI à grande échelle, tout en conservant une séparation claire entre les données stockées dans OneLake et la logique métier portée par le modèle sémantique.
Une évolution qui peut sembler mineure au premier regard, mais qui simplifie concrètement la conception et la maintenance de nombreux modèles Fabric.