Partenaire dltHub : une ingestion de données en Python, maîtrisée et versionnée

Modeo est partenaire consulting dltHub (niveau Bronze) et compte 12 ingénieurs experts sur dlt. Nos équipes conçoivent des socles d'ingestion de données, notamment pour RATP Cap et BKW, en France et en Suisse.

Mis à jour le 3 novembre 2026

Ingestion

Python

Open source

Site de dltHub

dltHub en bref

dlt (data load tool) extrait les données, en déduit le schéma, le fait évoluer automatiquement et les charge de façon incrémentale vers Snowflake, BigQuery, ClickHouse ou un lakehouse. Les pipelines sont du code Python, versionné et testé comme le reste du projet data.

Modeo écrit les pipelines dlt dans le dépôt de chaque client, avec un espace de travail dltHub par client, puis les orchestre avec Airflow ou Kestra et enchaîne les modèles dbt et les contrôles qualité Elementary.

Cas d'usage

Ce que Modeo construit avec dlt pour la Finance, le Marketing et l'IT

Finance

Les données de l'ERP et des outils de facturation réunies chaque jour

Les exports sont récupérés à la main depuis plusieurs logiciels.

Des chargements quotidiens automatisés, sans export manuel.

Marketing

Les API publicitaires et le CRM chargés dans le data warehouse

Les connecteurs du marché sont coûteux et ne couvrent pas toutes les sources.

Des connecteurs sur mesure, facturés au temps de calcul et non au volume.

IT

Des pipelines d'ingestion versionnés dans Git

Des scripts d'extraction dispersés, sans tests ni gestion des changements de schéma.

Des pipelines testés, qui absorbent les évolutions de schéma automatiquement.

Projets clients

Nos projets dltHub en France et en Suisse

RATP Cap

RATP Cap : un socle d'ingestion décrit en YAML et déployé par CI/CD

Enjeu: Industrialiser l'ingestion de nombreuses sources sans écrire un pipeline par source. dlt a été écarté : l'incrémental demandait trop d'adaptations.
Stack: YAML, microservices conteneurisés, Airflow, CI/CD
Durée: 12 mois
Gains: Des DAGs Airflow générés automatiquement depuis la configuration YAML de chaque source

BKW : l'ingestion dlt des données énergie, orchestrée par Kestra

Enjeu: Charger les données de plusieurs systèmes dans la data platform.
Stack: dlt, Kestra (version Enterprise)
Durée: 4 mois
Gains: Des flux d'ingestion versionnés, orchestrés et supervisés dans Kestra

Pays de livraison

FranceSuisse

Langues de travail : français, anglais

Méthode

Nos formats d'intervention sur dltHub

Cadrage

Inventaire des sources, choix entre connecteurs existants et pipelines sur mesure, mode d'exécution (dltHub, Airflow, Kestra ou conteneurs).

Durée type: 2 à 3 semaines
Budget: 8 à 15 k€ HT

Build

Écriture des pipelines dlt, chargement incrémental, gestion des schémas, tests, CI/CD et orchestration.

Durée type: 1 à 3 mois
Budget: 30 à 90 k€ HT selon le nombre de sources

TMA

Supervision des chargements, ajout de nouvelles sources et montées de version de dlt.

Durée type: Engagement mensuel, sans durée minimale
Budget: 2 à 5 k€ HT par mois

Équipe

L'équipe dltHub de Modeo

12

ingénieurs experts dltHub

Data engineer senior

Conçoit les pipelines dlt et le chargement incrémental

Analytics engineer

Modélise les données chargées avec dbt

Comparatif

dltHub ou Fivetran : critères de choix

Critère	dltHub	Fivetran
Modèle	Bibliothèque Python open source	Service managé propriétaire
Connecteurs	Sources vérifiées et pipelines sur mesure pour toute API	Catalogue de connecteurs prêts à l'emploi
Coût	Temps de calcul uniquement, sans facturation au volume	Facturation au volume de lignes modifiées
Hébergement	Chez le client, dans son cloud ou sur dltHub	Infrastructure de l'éditeur
Prise en main	Demande des compétences Python	Configuration sans code

Questions fréquentes

Questions fréquentes sur dltHub

Quelle différence entre dlt et dltHub ?

dlt est la bibliothèque Python open source qui charge les données. dltHub est la plateforme de l'éditeur pour exécuter, superviser et partager les pipelines dlt. Modeo utilise les deux.

Pourquoi choisir dlt plutôt que Fivetran ou Airbyte ?

dlt convient aux équipes qui veulent garder leurs pipelines dans leur code et éviter une facturation au volume. Pour quelques sources standard sans équipe Python, un service managé comme Fivetran reste plus simple.

Les pipelines dlt restent-ils chez nous ?

Oui, Modeo écrit les pipelines dans votre dépôt Git et les exécute dans votre cloud ou sur votre espace dltHub. Vous gardez le code et les données.

dlt fonctionne-t-il avec Snowflake, BigQuery et dbt ?

Oui, dlt charge vers Snowflake, BigQuery, ClickHouse, Databricks ou des fichiers Parquet et Iceberg. Modeo enchaîne ensuite les modèles dbt sur les tables chargées.

Que se passe-t-il quand le schéma d'une source change ?

dlt détecte les nouvelles colonnes et fait évoluer le schéma de destination automatiquement. Des règles peuvent bloquer ou signaler les changements indésirables.

dlt convient-il à toutes nos sources ?

dlt couvre très bien les API, bases et fichiers standard. Pour une source atypique ou un chargement incrémental très spécifique, Modeo complète dlt par du code dédié, ou retient un autre outil si dlt demande trop d'adaptations.

Pour aller plus loin

Nos articles sur dltHub et son écosystème

Article

La Modern Data Stack et ses outils : panorama et bonnes pratiques

Article

Qu'est-ce qu'une Modern Data Platform ?

Un projet en tête ?

Cadrons votre projet dltHub

Échangez avec un expert Modeo et choisissez les briques adaptées à vos cas d'usage.

Demander un cadrage dltHub