Microsoft Fabric

Architecture de sécurité Microsoft Fabric pour les plateformes de données en production

Un guide d’architecte pour sécuriser des plateformes Microsoft Fabric en production : modèle de menaces, identités, frontières d’espaces de travail, contrôles au niveau des données et leurs chemins de contournement, modèles d’isolation multi-tenant, contexte de tenant, secrets, réseau, identités de service, audit et rayon d’impact, avec une liste de contrôle de revue réutilisable.

Par JaviPublié 30 min de lectureAvancé

Dans cet article

La plupart des problèmes de sécurité dans Fabric ne viennent pas d’une fonctionnalité manquante. Ce sont des chemins que personne n’a cartographiés : un rapport protégé par la sécurité au niveau des lignes alors que la même table est lisible par le point de terminaison SQL, un pipeline qui s’exécute discrètement sous l’identité de la dernière personne qui l’a modifié, un raccourci qui rend le dossier d’un client visible depuis l’espace de travail d’un autre client. Ce guide répond à une question :

Comment concevoir la sécurité dans Microsoft Fabric pour que les identités, les frontières d’espaces de travail, l’accès aux données, le réseau, les secrets, l’exploitation et l’isolation des tenants fonctionnent ensemble ?

Le principe d’architecture. La sécurité ne vaut que ce que vaut le chemin le moins contrôlé vers les données. Une conception n’est pas sûre parce qu’un chemin d’accès est protégé. La même table Delta peut être atteinte par un rôle d’espace de travail, un Warehouse ou un point de terminaison d’analytique SQL, un modèle sémantique, un notebook, un pipeline, les API OneLake, un raccourci dans un autre espace de travail, une application externe ou une identité de service, et chacun de ces chemins est contrôlé par un mécanisme différent. Le travail de l’architecte consiste à lister chaque chemin et à décider ce qui protège chacun d’eux.

  1. Table des commandes clientsTable Delta dans OneLake
    • DAX
      RLS / OLS du modèleModèle sémantiqueS’applique aux Viewers seulement, pas aux créateurs
    • T-SQL
      Règles SQL ou OneLakeWarehouse ou endpoint SQLDépend de l’élément et du mode d’accès du point de terminaison
    • Spark
      Sécurité OneLakeNotebook / SparkLes créateurs lisent tout l’espace de travail
    • exécution de service
      Identité d’exécutionPipeline ou jobS’exécute sous son dernier modificateur ou une connexion
    • API ADLS
      Sécurité OneLakeAPI OneLakeExige aussi le paramètre de tenant pour les applications externes
    • raccourci
      Passthrough ou déléguéRaccourci ailleursIdentité de l’utilisateur ou identifiant de la connexion
Une table, plusieurs chemins. La même table Delta est accessible par au moins six chemins, et chacun relève d’un contrôle différent. En protéger un, par exemple avec la RLS du modèle sémantique, laisse les autres aussi ouverts qu’avant.

C’est le deuxième article phare d’architecture de Javi Builds. Concevoir une plateforme de données de production (en anglais) place la sécurité parmi les décisions à prendre avant de construire ; cet article approfondit cette décision-là. Ce n’est ni un tutoriel d’attribution de rôles ni une liste de fonctionnalités. Chaque fait documenté par Microsoft est lié dans les Sources ; les cadres, modèles et recommandations relèvent des conseils d’architecture de Javi Builds et sont formulés comme des recommandations.

Terminologie : trois sortes de « tenant »

Le mot « tenant » a plusieurs sens dans ce sujet ; cet article en distingue trois :

Terme Sens ici Exemple
Tenant de plateforme (client) Un client, une entité commerciale, un partenaire ou tout autre consommateur logiquement isolé de votre plateforme de données L’un des 60 clients du commerce de détail d’un produit analytique
Tenant Entra Un annuaire Microsoft Entra ID : utilisateurs, groupes, principaux de service L’annuaire de votre organisation ; l’annuaire d’un partenaire
Tenant Fabric L’environnement Fabric rattaché à un tenant Entra, avec ses paramètres de tenant et ses capacités Tout ce que gouvernent vos administrateurs Fabric

Dans cet article, « multi-tenant » signifie toujours plusieurs tenants de plateforme servis par une même plateforme Fabric, sauf mention explicite d’un tenant Entra.

L’exemple suivi

Un scénario générique garde les décisions concrètes. Une entreprise exploite un produit analytique pour une soixantaine de clients professionnels. Les clients consultent des tableaux de bord et téléchargent des extractions via une application web ; trois grands clients veulent aussi un accès SQL direct à leurs propres données. La même plateforme Fabric sert les équipes internes finance et opérations de l’entreprise, et contient les coordonnées des clients et des données de paiement. Le scénario est inventé et ne contient aucune donnée réelle de client ou d’employeur.

Les couches de sécurité

La suite de l’article parcourt ces couches dans l’ordre. Chacune restreint l’accès pour la suivante, et aucune n’en remplace une autre : une frontière réseau solide ne rend pas sûr un rôle d’espace de travail trop large, et un filtre de lignes précis n’aide pas si un rôle de créateur le contourne. La gouvernance, les secrets, l’audit et le contexte de tenant traversent toutes les couches.

  1. Identité

    • Personnes en groupesEntra ID, Accès conditionnel
    • Identités de charge de travailPrincipaux de service, identité d’espace de travail
  2. Réseau

    • EntrantLiaisons privées de tenant ou d’espace de travail
    • SortantPasserelles, points de terminaison privés managés, OAP
  3. Espace de travail

    • CréateursAdmin, Member, Contributor : accès complet aux données
    • ConsommateursViewer : soumis aux règles de données
  4. Élément

    • Autorisations d’élémentRead, ReadData, ReadAll, Build, Reshare
    • Raccourcis et partagesPassthrough, délégués, externes
  5. Données

    • Sécurité OneLakeTables, dossiers, RLS, CLS
    • Autorisations SQLGRANT, RLS, CLS, masquage
    • Sécurité du modèleRLS, OLS pour les lecteurs de rapports
  6. Consommateur

    • Rapports
    • Applications et API
    • Notebooks et clients SQL

Enjeux transversaux

  • Gouvernance
  • Secrets
  • Audit
  • Contexte de tenant
L’architecture de sécurité de Microsoft Fabric sous forme de couches de décisions. Chaque niveau restreint l’accès pour le suivant ; aucun n’en remplace un autre. Gouvernance, secrets et audit traversent tous les niveaux, et le contexte de tenant doit survivre à chacun.

Le modèle de menaces avant les contrôles

Commencez par trois questions avant de choisir le moindre contrôle :

Que protégeons-nous, contre qui, et par quels chemins d’accès ?

Ce n’est pas une méthode formelle de modélisation des menaces. C’est une liste pratique des façons dont les plateformes Fabric fuient ou cassent réellement, pour que chaque contrôle présenté dans la suite ait une raison d’exister :

Menace Comment elle se produit le plus souvent Contrôle d’architecture principal
Accès inter-tenants accidentel Une table partagée sans filtre de tenant appliqué ; une requête, une vue ou une extraction qui oublie le prédicat Modèle d’isolation choisi par catégorie de clients ; filtre appliqué sous l’application
Privilèges d’espace de travail excessifs Des consommateurs ajoutés en Contributor ou Member « pour qu’ils voient tout » Créateurs et consommateurs dans des espaces de travail et des rôles différents
Identité de service compromise Un seul principal de service Contributor sur tous les espaces de travail ; son secret fuit Une identité par charge de travail et par frontière ; moindre privilège ; aucun secret partagé
Secret divulgué Des identifiants dans le code d’un notebook, le JSON d’un pipeline, Git ou un fichier de configuration Identité d’espace de travail ou références Key Vault ; jamais de secret dans les définitions
Accès SQL qui contourne les contrôles du modèle sémantique RLS définie uniquement dans le modèle sémantique ; les utilisateurs ont aussi accès au point de terminaison SQL Appliquer les règles là où tous les chemins lisent : autorisations SQL ou sécurité OneLake
Accès aux données sensibles par notebook ou pipeline Des ingénieurs Contributor en production lisent des données personnelles via Spark Espaces de travail de production restreints ; données sensibles séparées ou masquées
Partage mal configuré Élément partagé avec Reshare, puis repartagé hors de l’audience prévue Politique de partage, revues d’accès, audit des événements de partage
Accès d’utilisateurs externes Invités B2B ajoutés à des rôles ou des groupes sans cycle de vie ; partages de données inter-tenants oubliés Revues des accès invités ; partages de données externes avec propriétaire et revue
Exposition réseau Accès public alors que la politique exige le privé ; sources ouvertes sur Internet pour Fabric Private Link, passerelles et accès approuvé choisis selon l’exigence
Accès obsolète après un changement de rôle Des personnes gardent leur appartenance à des groupes ou des attributions directes après un changement d’équipe Accès par groupes et revues récurrentes
Identifiants de production en développement Des pipelines de dev connectés aux sources de production avec un secret de production Identités, connexions et données séparées par environnement

Chaque ligne devient ensuite un test : pour chaque menace, la liste de contrôle de revue demande comment la conception l’empêche et comment cela a été vérifié.

L’architecture des identités

Chaque requête vers Fabric est authentifiée par Microsoft Entra ID. La conception des identités décide deux choses : qui peut faire quoi, et ce qui continue de fonctionner quand des personnes partent.

Identités humaines et identités de charge de travail

Séparez les deux dès le départ :

  • Les identités utilisateur appartiennent à des personnes : analystes, ingénieurs, administrateurs, utilisateurs clients. Elles arrivent, partent, changent d’équipe et prennent des congés.
  • Les identités de charge de travail appartiennent à des processus : pipelines planifiés, déploiements, applications, intégrations. Dans Fabric, ce sont les principaux de service (inscriptions d’applications Entra) et les identités d’espace de travail. Une identité d’espace de travail est un principal de service géré automatiquement que Fabric crée pour un espace de travail ; Fabric gère ses identifiants, et elle peut authentifier des connexions et permettre un accès approuvé à un ADLS Gen2 protégé par pare-feu.

Les identités managées Azure appartiennent à des ressources Azure. Dans Fabric, l’équivalent le plus proche est l’identité d’espace de travail, mais Microsoft précise que son cycle de vie, son administration et sa gouvernance diffèrent : elle appartient à l’espace de travail, elle est supprimée quand l’espace de travail est définitivement supprimé, elle ne reçoit aucun rôle d’espace de travail par défaut, et elle n’est pas prise en charge dans les scénarios B2B ou inter-tenants.

Des règles de conception valables pour les deux sortes :

  • Des groupes, pas des individus. Attribuez les rôles d’espace de travail, les autorisations d’élément et les rôles de sécurité OneLake à des groupes de sécurité Entra. Rejoindre ou quitter une équipe devient un seul changement d’identité, revu à un seul endroit.
  • Chaque identité non humaine a un propriétaire nommé et une finalité. « Déploiement vers Ventes PROD » est une finalité ; « le SPN Fabric » n’en est pas une.
  • Aucun identifiant partagé. Deux pipelines, deux équipes ou deux clients ne partagent pas un même secret.
  • Moindre privilège par frontière. Une identité reçoit le rôle le plus restreint sur le moins d’espaces de travail possible pour sa mission.
  • Le cycle de vie se conçoit. La rotation, l’expiration et la suppression font partie de la conception, pas de la réponse à incident.

Choisir le modèle d’identité

Besoin Modèle d’identité préféré Pourquoi
Analyste interne qui lit des données préparées Utilisateur dans un groupe Entra ; Viewer ou autorisation d’élément, plus des règles au niveau des données L’accès suit la personne ; les règles de données peuvent s’appliquer parce que les Viewers y sont soumis
Consommateur de rapports Utilisateur dans un groupe ayant accès à une application ou à un rapport ; RLS du modèle sémantique si nécessaire Aucun rôle d’espace de travail n’est nécessaire pour consommer
Utilisateur client d’un produit analytique Identité applicative qui appelle Fabric, le client étant résolu par l’application ; ou un invité B2B seulement quand un accès direct est exigé La plupart des clients ne devraient jamais détenir de rôle Fabric ; l’application applique la portée du tenant
Pipeline planifié en production Principal de service comme dernier modificateur du pipeline, ou identité d’espace de travail dans les connexions L’exécution ne doit pas dépendre d’un compte personnel qui reste actif et inchangé
Automatisation et déploiement (CI/CD) Principal de service dédié par environnement, Contributor ou Admin uniquement là où il déploie Le déploiement est privilégié ; il doit relever d’une seule identité auditable, pas d’une personne
Traitement inter-espaces de travail Identité de charge de travail avec le rôle minimal sur chaque espace de travail, ou raccourcis OneLake en passthrough Une dépendance explicite et vérifiable au lieu de rôles larges
Connexion à un ADLS Gen2 protégé par pare-feu Identité d’espace de travail avec l’accès approuvé à l’espace de travail Aucun secret stocké ; accès limité à cet espace de travail (exige une référence SKU F)
Source sans authentification Entra Identifiant de connexion stocké sous forme de référence Azure Key Vault Le secret reste dans le coffre ; la rotation se fait à un seul endroit
Partenaire externe qui lit vos données Partage de données externe OneLake vers son propre tenant Fabric, ou accès invité B2B pour un usage interactif Les partages de données sont en lecture seule et sur place ; les invités sont gouvernés comme des utilisateurs

Deux contraintes documentées façonnent ce tableau. Les principaux de service doivent être activés par un administrateur Fabric (le paramètre « Service principals can call Fabric public APIs » est désactivé par défaut). Et certains services en aval, Microsoft cite le point de terminaison d’analytique SQL en exemple, n’acceptent pas les principaux de service et exigent un principal utilisateur ; vérifiez donc chaque étape d’un pipeline avant de supposer qu’une seule identité de charge de travail la couvre de bout en bout.

Les frontières de sécurité des espaces de travail

Les espaces de travail sont l’une des décisions de sécurité les plus importantes d’une plateforme Fabric, parce qu’un rôle d’espace de travail s’applique à tous les éléments de l’espace de travail. Tracer les frontières des espaces de travail, c’est tracer les frontières du rayon d’impact.

Ce que les rôles accordent réellement

Le tableau ci-dessous résume les capacités d’espace de travail documentées par Microsoft qui comptent pour la conception de la sécurité :

Capacité Admin Member Contributor Viewer
Ajouter ou retirer des personnes, y compris des administrateurs Oui Members et rôles inférieurs Non Non
Créer, modifier ou supprimer des éléments, y compris des Lakehouses et des Warehouses Oui Oui Oui Non
Modifier les rôles de sécurité OneLake Oui Oui Non Non
Lire les données d’un Lakehouse ou d’un Warehouse en T-SQL (ReadData) Oui Oui Oui Oui
Lire les données via Spark et les API OneLake (ReadAll) Oui Oui Oui Non, sauf si un rôle de sécurité OneLake l’accorde
Exécuter des notebooks et des pipelines Oui Oui Oui Non
Créer l’identité d’espace de travail ; connecter Git Admin uniquement Non Non Non

Deux conséquences passent facilement inaperçues :

  1. Admin, Member et Contributor donnent un accès complet aux données. Microsoft documente que les rôles de sécurité OneLake et la RLS des modèles sémantiques ne restreignent pas ces rôles, et ses recommandations pour le Warehouse les réservent aux personnes qui collaborent activement à la solution. Il existe des exceptions documentées et étroites, par exemple la RLS OneLake dans le mode identité utilisateur du point de terminaison d’analytique SQL s’applique à tous les utilisateurs, mais l’hypothèse de conception sûre reste : toute personne qui peut construire dans un espace de travail peut tout y lire.
  2. Viewer ne signifie pas « aucun accès aux données ». Les Viewers peuvent se connecter aux points de terminaison d’analytique SQL et aux Warehouses et lire les données en T-SQL. Qu’ils voient ou non toutes les lignes dépend des autorisations SQL ou de la sécurité OneLake, que vous devez configurer. Viewer est le rôle auquel s’appliquent les règles de données ; ce n’est pas en soi une restriction des données.

Tracer les frontières

Séparer les espaces de travail par Quand Effet sur la sécurité
Environnement Toujours, dès que quelque chose est consommé Un accès en développement n’implique jamais un accès aux données de production
Créateurs et consommateurs Quand des consommateurs ont besoin d’accéder aux données de production Les consommateurs reçoivent Viewer ou un accès à l’élément dans un espace de travail de service ; les droits des créateurs restent dans les espaces de travail d’ingénierie
Domaine ou propriétaire Propriétaires de données ou réglementations différents Chaque propriétaire contrôle qui construit et qui lit ses données
Sensibilité Un sous-ensemble des données est bien plus sensible que le reste Moins de personnes détiennent des rôles de créateur là où se trouvent les données sensibles
Équipe d’exploitation Ingestion, transformation et mise à disposition gérées par des équipes différentes Les privilèges de chaque équipe s’arrêtent à son étape
Équipe applicative Une application possède ses données de service L’identité de l’application est limitée à son espace de travail
Tenant de plateforme Modèle d’isolation C ou D (ci-dessous) Les données et les rôles d’un client s’arrêtent à une frontière d’espace de travail

Une organisation courante et défendable sépare les espaces de travail d’ingénierie (où les données sont ingérées et transformées, avec peu de créateurs) des espaces de travail de service (tables préparées, Warehouses et modèles sémantiques, où les consommateurs détiennent Viewer ou des autorisations d’élément). Des raccourcis ou des chargements les relient. La suite de l’article s’appuie sur cette séparation.

La sécurité au niveau des données

Les rôles d’espace de travail décident qui entre dans la pièce. Les contrôles au niveau des données décident ce qu’un lecteur voit une fois à l’intérieur. La question clé pour chacun :

Un utilisateur peut-il contourner le contrôle prévu en passant par un autre moteur ?

Fabric propose plusieurs mécanismes au niveau des données, et chacun protège un chemin précis :

Contrôle Protège Ne protège pas
RLS et OLS du modèle sémantique Les requêtes DAX passant par ce modèle, pour les Viewers Les Admins, Members et Contributors ; le point de terminaison SQL, le Warehouse, Spark ou OneLake qui lisent les mêmes tables ; les principaux de service, qui ne peuvent pas être membres d’un rôle RLS
Autorisations SQL, RLS, CLS et masquage dynamique des données du Warehouse Le T-SQL exécuté sur ce Warehouse Les mêmes données lues par un raccourci OneLake : Microsoft documente que la sécurité SQL du Warehouse n’est pas traduite en sécurité OneLake, si bien que les lecteurs du raccourci peuvent voir toutes les données
Point de terminaison d’analytique SQL, mode identité déléguée (par défaut) Le T-SQL, régi par les GRANT SQL, la RLS, la CLS et le masquage Les chemins Spark et OneLake ; les règles de sécurité OneLake ne s’appliquent pas aux requêtes SQL dans ce mode, et le point de terminaison lit OneLake sous l’identité du propriétaire de l’élément
Point de terminaison d’analytique SQL, mode identité utilisateur Le T-SQL, régi par les rôles de sécurité OneLake transmis avec l’identité de l’utilisateur Le masquage dynamique des données n’est pas pris en charge ; les GRANT SQL sur les tables sont ignorés
Rôles de sécurité OneLake (tables, dossiers, RLS, CLS) Spark, les API OneLake, le point de terminaison SQL en mode identité utilisateur, Direct Lake sur OneLake, pour les Viewers et les utilisateurs disposant de l’autorisation Read Les Admins, Members et Contributors (avec des exceptions documentées) ; les chemins qui lisent sous une identité de propriétaire
Rôles d’espace de travail Tout l’espace de travail Rien à l’intérieur : ils sont la frontière grossière

Trois exemples de contournement, tous courants :

  • RLS dans le modèle sémantique, accès direct au Warehouse. Un rapport limite chaque responsable régional à sa région. Les mêmes responsables sont Viewers de l’espace de travail ; ils peuvent donc aussi se connecter au Warehouse avec SSMS, où aucune RLS SQL n’existe. Le rapport est sécurisé ; les données ne le sont pas.
  • Point de terminaison SQL sécurisé, notebook ouvert. Des autorisations SQL en mode délégué cachent une table de paiements aux analystes. Un membre de l’équipe data science qui est Contributor lit la même table Delta depuis un notebook. Les règles SQL ne s’appliquent jamais à Spark.
  • Un rôle d’espace de travail au-dessus d’une règle de niveau inférieur. Un rôle de sécurité OneLake limite un groupe du support client aux colonnes non sensibles. Plus tard, quelqu’un ajoute ce groupe en tant que Member « pour qu’il puisse publier un rapport », et toutes les colonnes deviennent lisibles.

Conseil Javi Builds : décidez, pour chaque jeu de données, où vit la règle de référence, puis faites en sorte que chaque autre chemin applique la même règle ou soit fermé :

  • Si plusieurs moteurs lisent les données, privilégiez la sécurité OneLake avec le point de terminaison d’analytique SQL en mode identité utilisateur, pour qu’une seule règle s’applique à Spark, à SQL et à Direct Lake sur OneLake.
  • Si les données ne sont consommées qu’en T-SQL et via un modèle sémantique, les autorisations SQL d’un Warehouse, plus un modèle sémantique qui lit à travers elles, peuvent suffire, tant qu’aucun raccourci n’expose les mêmes fichiers.
  • Traitez la RLS du modèle sémantique comme une règle de couche de présentation pour les consommateurs de rapports, jamais comme la seule protection de données que des personnes peuvent atteindre autrement.
  • Testez chaque règle par chaque chemin dont dispose un utilisateur réel, avec de vraies identités plutôt qu’avec des simulations « tester en tant que rôle », dont Microsoft indique qu’elles ne reproduisent pas tous les contextes d’identité.

L’architecture multi-tenant

Cette section porte sur le service de nombreux tenants de plateforme : clients, entités commerciales, partenaires ou autres consommateurs logiquement isolés d’une même plateforme. La question est de savoir à quel point leurs données et leurs opérations sont séparées, et ce que coûte cette séparation.

Microsoft Fabric offre plusieurs niveaux d’isolation pour construire : des lignes dans des tables partagées, des schémas ou des dossiers dans un élément, des éléments, des espaces de travail et des capacités. Ils se combinent en quatre modèles.

  1. 1Isolation faible–moyenneStockage partagéColonne d’ID de tenant dans des tables partagées ; coût le plus bas
  2. 2Isolation moyenneSéparation par schémaSchéma ou dossier par tenant dans des éléments partagés
  3. 3Isolation forteEspace de travail par tenantRôles, éléments et cycle de vie par client
  4. 4Isolation très forteDédiéEspace de travail, stockage et capacité propres ; coût le plus élevé
Le spectre de l’isolation multi-tenant. Chaque palier vers le bas renforce l’isolation et réduit le rayon d’impact, mais accroît le coût et le travail d’exploitation. La plupart des plateformes réelles combinent les modèles par catégorie de clients au lieu d’en choisir un seul.

Modèle A : espace de travail partagé, stockage de données partagé

Les lignes de tous les tenants vivent dans les mêmes tables, distinguées par une colonne tenant_id ; l’isolation est logique.

  • Avantages : le modèle le plus efficace ; un pipeline, un schéma, un déploiement ; le coût par tenant le plus bas.
  • Risques : le rayon d’impact le plus large ; chaque chemin d’accès doit appliquer le filtre de tenant ; un seul prédicat manquant dans une vue, une extraction ou une requête ad hoc expose tous les clients.
  • Adapté quand : les tenants ont des exigences similaires, les besoins d’isolation réglementaire sont limités, les tenants consomment via une application ou un modèle sémantique que vous contrôlez, et le modèle de sécurité est mature et testé.

Les spécificités de Fabric à prendre en compte : la sécurité OneLake peut filtrer les lignes par rôle, mais les rôles se combinent par union (un utilisateur présent dans deux rôles de tenant voit les deux tenants), un élément prend en charge 250 rôles de sécurité OneLake par défaut (1 000 sur demande), chaque rôle accepte jusqu’à 500 membres, et les changements d’appartenance aux groupes mettent environ une heure à s’appliquer. Des rôles par tenant pour un accès client direct passent donc mal à l’échelle au-delà d’un nombre modeste de tenants. Le modèle A fonctionne le mieux quand les clients n’interrogent jamais Fabric directement et que l’application, ou un modèle sémantique avec une RLS dynamique ou une identité effective intégrée, applique la portée du tenant.

Modèle B : espace de travail partagé, schémas ou tables séparés

Chaque tenant reçoit son propre schéma (dans un Warehouse ou un Lakehouse avec schémas) ou son propre dossier ; l’espace de travail et les éléments sont partagés.

  • Avantages : des frontières plus claires ; des autorisations au niveau du schéma ou du dossier au lieu de prédicats sur les lignes ; les opérations propres à un tenant (recharger, supprimer ou exporter un client) deviennent plus simples.
  • Inconvénients : les métadonnées grossissent avec chaque tenant ; les déploiements doivent créer et faire évoluer N schémas ; le reporting inter-tenants exige des unions ; et les rôles d’espace de travail couvrent toujours tous les tenants, si bien que les créateurs et les identités de service de la plateforme les voient tous.

Modèle C : un espace de travail par tenant

Chaque client reçoit son propre espace de travail (souvent un par environnement), déployé à partir des mêmes définitions.

  • Avantages : une frontière d’exploitation solide ; les rôles d’espace de travail, le partage, l’identité d’espace de travail, la connexion Git et le cycle de vie sont propres à chaque client ; le départ d’un client se résume à la suppression d’un espace de travail ; le rayon d’impact d’une erreur est un seul client.
  • Inconvénients : la prolifération des espaces de travail ; l’automatisation devient obligatoire (création, attribution des rôles, déploiement et configuration via les API REST ou un outil de CI/CD, jamais à la main) ; la supervision et la gouvernance doivent agréger de nombreux espaces de travail ; la capacité reste partagée tant que vous ne la séparez pas.

Modèle D : stockage de données, espace de travail et capacité dédiés

Un client reçoit ses propres espaces de travail sur sa propre capacité, et éventuellement sa propre clé de chiffrement et sa propre configuration réseau.

  • À utiliser quand : une isolation réglementaire ou contractuelle l’exige ; le risque de voisin bruyant est inacceptable ; le client a un SLA, une région ou une exigence de reprise dédiés ; ou le tenant est assez grand pour justifier sa propre capacité.
  • Inconvénients : le coût le plus élevé ; chaque capacité est dimensionnée, supervisée et payée séparément ; la complexité d’exploitation augmente avec chaque client dédié.

La capacité est ici un vrai levier d’isolation, pas seulement de performance : la limitation, le lissage et le paramètre de reprise après sinistre s’appliquent tous par capacité, et les clés gérées par le client au niveau de l’espace de travail permettent une clé par espace de travail. Le Fabric Capacity Planner (en anglais) aide à dimensionner une capacité dédiée à partir de l’utilisation mesurée plutôt qu’au jugé.

Matrice de décision multi-tenant

Exigence Stockage partagé Séparation par schéma Espace de travail par tenant Dédié
Force de l’isolation Faible à moyenne ; dépend entièrement de l’application des règles Moyenne Forte Très forte
Efficacité des coûts Élevée Élevée Moyenne ; une capacité partagée la garde raisonnable Faible
Complexité d’exploitation Faible, jusqu’à ce qu’il faille prouver l’application des règles Moyenne Élevée ; exige de l’automatisation Élevée
Rayon d’impact d’une erreur Tous les tenants En général tous les tenants de l’espace de travail Un tenant Un tenant, capacité comprise
Personnalisation par tenant Faible Moyenne Élevée La plus élevée
Adéquation réglementaire Limitée ; doit être argumentée et testée Modérée Forte pour la plupart des isolations contractuelles La plus forte possible dans un même tenant Fabric
Protection contre les voisins bruyants Aucune Aucune Aucune, sauf si les capacités sont séparées Oui
Intégration d’un tenant Insérer des lignes de configuration Créer le schéma et les autorisations Provisionner l’espace de travail, les rôles et le déploiement Provisionner la capacité, les espaces de travail et le déploiement

Aucune de ces cellules n’est absolue. Un stockage partagé où les règles sont bien appliquées peut être plus sûr qu’une centaine d’espaces de travail construits à la main dont les attributions de rôles dérivent.

Conseil Javi Builds : classez d’abord les clients et appliquez les modèles par catégorie. Une forme courante pour l’exemple suivi : ingestion et conformation partagées (modèle A dans les espaces de travail d’ingénierie, jamais exposés aux clients), mise à disposition via l’application pour la plupart des clients (modèle A avec une portée appliquée par l’application), et un espace de travail par tenant (modèle C) pour les trois clients qui ont besoin d’un accès SQL direct, le modèle D étant réservé à un client dont le contrat exige une capacité dédiée.

Les contrôles d’isolation des tenants

Quel que soit le modèle, ces contrôles portent l’isolation :

Contrôle Ce qu’il fait Règle de conception
Propagation de l’ID de tenant Chaque ligne, fichier et exécution porte son tenant Marquer à l’ingestion ; ne jamais déduire le tenant plus tard d’un nom de fichier ou d’un chemin seul
Autorisation consciente du tenant Détermine à quels tenants un appelant peut accéder Dérivée de l’identité authentifiée et d’une correspondance de confiance, pas d’un paramètre de requête
Filtrage appliqué Applique le prédicat de tenant sous le client Dans la RLS SQL, la sécurité OneLake, le modèle sémantique ou une couche de requêtes côté serveur ; jamais uniquement dans l’interface
Séparation par schéma ou par stockage Place les tenants dans des conteneurs différents À utiliser quand les filtres seuls ne satisfont pas l’exigence d’isolation
Frontières d’espaces de travail Sépare les rôles et le cycle de vie par tenant Modèles C et D ; déploiement automatisé
Isolation des pipelines Empêche le chargement d’un tenant d’écrire les données d’un autre Paramètre de tenant validé par rapport à la configuration ; cibles ou partitions par tenant
Isolation des identités de service Limite ce qu’une identité compromise peut atteindre Identités par tenant ou par groupe de tenants pour les modèles C et D
Secrets propres à chaque tenant Empêche l’identifiant d’un client d’ouvrir la source d’un autre Un secret Key Vault par connexion client ; aucun identifiant partagé
ID de tenant dans les journaux Permet de répondre aux incidents et aux audits client par client Chaque journal d’exécution et chaque enregistrement d’audit porte le tenant
Attribution des coûts Rend visible le coût par tenant Tenant sur les exécutions et les requêtes ; capacités séparées là où la refacturation doit être exacte
Isolation de l’usage Empêche un tenant d’épuiser une capacité partagée Limites de concurrence et de requêtes par tenant dans l’application ; séparation de la capacité pour les grands tenants

La propagation du contexte de tenant

L’isolation des tenants ne vaut que ce que vaut le contexte de tenant qui atteint les données. Ce contexte doit circuler, inchangé et vérifié, à chaque étape :

  1. 1Utilisateur ou applicationSe connecte ; peut demander un client
  2. 2IdentitéLe jeton Entra prouve qui appelle
  3. 3Autorisation du tenantUne correspondance de confiance décide quels tenants sont autorisés
  4. 4Requête ou pipelinePrédicat de tenant, schéma ou espace de travail appliqué
  5. 5DonnéesUn filtre appliqué ou un stockage isolé renvoie un seul tenant
  6. 6Audit et journalisationTenant, identité et opération enregistrés ensemble
Propagation du contexte de tenant. Le tenant est résolu une seule fois, côté serveur, depuis l’identité authentifiée, puis transporté jusqu’aux données et à l’audit. Une étape qui le perd ou le redéduit ouvre la voie aux fuites inter-tenants et aux incidents inexplicables.

Quand le contexte se perd, deux sortes de problèmes suivent. Des problèmes de sécurité : une requête s’exécute sans son prédicat, un pipeline écrit les données d’un tenant dans la cible d’un autre, un résultat en cache est servi au mauvais client. Des problèmes d’exploitation : une requête lente, un chargement en échec ou un pic de capacité ne peut pas être attribué à un client ; le support ne peut donc pas répondre à « mes données ont-elles été affectées ? » et la finance ne peut pas refacturer. L’architecture du moteur de rapports montre le côté applicatif de ce flux, y compris pourquoi les prédicats de tenant obligatoires ne doivent jamais pouvoir être remplacés par des métadonnées de rapport définies par l’utilisateur.

Les anti-modèles multi-tenant

  • Faire confiance à un ID de tenant fourni par le client (?tenantId=42) sans le valider par rapport à la portée autorisée de l’appelant.
  • Filtrer uniquement dans l’interface, si bien que toute requête directe, extraction ou appel d’API renvoie tous les tenants.
  • Un seul principal de service avec un accès illimité partout, utilisé par chaque pipeline pour chaque client.
  • Des secrets partagés entre tenants, si bien que la rotation ou la révocation de l’accès d’un client les affecte tous.
  • Ne compter que sur la RLS du modèle sémantique alors que des clients ou du personnel de support peuvent atteindre les tables sous-jacentes via SQL, Spark ou des raccourcis.
  • Copier des données de tenants dans une zone intermédiaire partagée sans marquage du tenant, si bien qu’une étape ultérieure ne peut pas savoir à qui appartiennent les lignes.
  • Des journaux sans identifiant de tenant, ce qui transforme « quels clients ont été affectés ? » en enquête manuelle.
  • Un déploiement manuel d’un espace de travail par tenant, ce qui garantit une dérive entre clients en quelques mois.
  • Donner aux utilisateurs clients Contributor ou Member alors que Viewer plus des règles au niveau des données, ou un accès à l’élément, suffit.

La séparation des environnements

Le développement, le test et la production ont besoin d’espaces de travail différents, mais la frontière n’est réelle que si plus que l’espace de travail change :

Séparer Règle
Espaces de travail Un par environnement (et par tenant là où le modèle C s’applique) ; la production n’est modifiée que par déploiement
Identités Des identités de déploiement et d’exécution différentes par environnement ; l’identité de dev n’a aucun rôle en production
Connexions et identifiants Des connexions et des secrets séparés par environnement ; les secrets de production ne sont jamais référencés hors production
Données Aucune donnée personnelle de production en développement ; utiliser des données synthétiques, échantillonnées ou masquées
Accès Les ingénieurs sont créateurs en développement, lecteurs (au plus) en production
Configuration Les valeurs propres à chaque environnement sont paramétrées, par exemple dans des bibliothèques de variables, jamais modifiées à la main après le déploiement

L’assainissement des données de test mérite son propre propriétaire. « Nous avons copié la production en test pour un seul bug » : c’est ainsi que des données personnelles de production finissent dans un espace de travail avec dix Contributors.

Là où les frontières de tenant et d’environnement se croisent

Dans une plateforme multi-tenant, il faut décider si les environnements sont propres à chaque tenant :

Option Forme Compromis
Par tenant, par environnement prod-customer-a, test-customer-a, dev-customer-a La séparation la plus forte et des tests par client ; le nombre d’espaces de travail est multiplié par le nombre d’environnements
Par tenant en production, hors production partagé prod-customer-a, prod-customer-b ; un seul test et un seul dev avec des tenants synthétiques Beaucoup moins d’espaces de travail ; les personnalisations propres à un tenant doivent pouvoir être testées avec des tenants synthétiques
Par tenant seulement là où il y a personnalisation Hors production partagé, plus test-customer-c pour le seul client doté d’une logique personnalisée Équilibré ; exige une règle claire pour décider quand un client mérite son propre environnement de test

Conseil Javi Builds : commencez par une production par tenant et un hors-production partagé avec des tenants synthétiques, et n’ajoutez des environnements de test propres à un tenant que pour les clients dotés d’une logique personnalisée ou d’exigences de test contractuelles. Quel que soit le choix, le hors-production ne doit jamais contenir les données d’un vrai client sans l’accord de ce client.

Secrets et identifiants

Le principe est simple :

Les secrets ne doivent pas devenir des fichiers de configuration.

Un secret qui vit dans une cellule de notebook, un paramètre de pipeline, une définition JSON ou un dépôt Git a déjà été distribué à toutes les personnes qui peuvent lire cet artefact, y compris chaque Viewer capable de lire le contenu des notebooks et des pipelines.

Besoin Approche préférée Pourquoi
Source qui prend en charge l’authentification Entra Identité d’espace de travail ou principal de service dans la connexion Aucun secret de longue durée à stocker ni à faire tourner
Source qui exige un mot de passe, une clé ou un jeton Référence Azure Key Vault dans une connexion Fabric Fabric ne stocke que le nom du coffre et du secret, et récupère le secret actuel à l’exécution
Code qui doit appeler une API externe Lire le secret dans Key Vault à l’exécution, sous l’identité qui exécute le code Rien de sensible dans la définition ni dans Git
Valeurs propres à chaque environnement (points de terminaison, ID, chemins) Paramètres ou bibliothèques de variables La configuration varie selon l’environnement ; les secrets restent dans le coffre
Identifiants par tenant Un secret par connexion de tenant Révoquer un client ne touche jamais un autre

Les références Key Vault s’accompagnent de limites documentées autour desquelles il faut concevoir : elles résolvent toujours la dernière version du secret (pas d’épinglage de version), elles se créent via Gérer les connexions et les passerelles (Manage connections and gateways) plutôt que par l’expérience Obtenir des données, et leur prise en charge varie selon le connecteur et le type d’authentification. Une rotation consiste donc à écrire une nouvelle version et à vérifier que chaque connexion dépendante fonctionne toujours, idéalement en test avant la production.

La rotation a besoin d’un propriétaire et d’un calendrier, et les identifiants des principaux de service ont besoin de dates d’expiration choisies délibérément. Un secret qui « n’expire jamais » est un secret que personne n’a fait tourner.

Réseau et connectivité

La conception réseau décide d’où le trafic peut venir et où il peut aller. Elle ne décide pas qui peut lire quelles données.

L’isolation réseau n’est pas une autorisation. La connectivité privée réduit qui peut atteindre la plateforme ; l’identité et les contrôles au niveau des données décident toujours ce que chaque appelant peut lire.

Exigence Approche réseau Remarques
Restreindre l’accès par plage d’IP, MFA, appareil ou emplacement Accès conditionnel Microsoft Entra Évalué quand les identités s’authentifient auprès de Fabric
Aucun accès public à l’ensemble du tenant Fabric Private Link au niveau du tenant avec Bloquer l’accès Internet public (Block public Internet access) Impact large : certaines fonctionnalités deviennent indisponibles, et les passerelles de données locales ne sont pas prises en charge tant que ce paramètre est actif ; les passerelles de données de réseau virtuel fonctionnent
Accès privé pour certains espaces de travail seulement Liaisons privées au niveau de l’espace de travail La prise en charge varie selon l’élément ; la plupart des éléments de données sont en disponibilité générale, certains en préversion
Contrôler où les éléments d’un espace de travail peuvent se connecter en sortie Protection de l’accès sortant de l’espace de travail, avec des points de terminaison privés managés ou des règles de connexion de données comme exceptions La prise en charge varie selon l’élément ; certains éléments sont en préversion
Spark qui atteint des sources Azure privées Points de terminaison privés managés depuis le réseau virtuel managé de l’espace de travail L’activation de Private Link provisionne un réseau virtuel managé pour Spark
Lire un compte ADLS Gen2 protégé par pare-feu Accès approuvé à l’espace de travail avec une identité d’espace de travail Exige une capacité de référence SKU F achetée
Atteindre des sources locales Passerelle de données locale Non prise en charge quand Private Link au niveau du tenant est activé
Atteindre des sources dans un réseau virtuel Azure Passerelle de données de réseau virtuel (VNet) Passerelle managée injectée dans votre réseau

Deux faits documentés méritent d’être rappelés à chaque revue de conception. Les points de terminaison privés protègent le trafic vers Fabric ; ils ne garantissent pas que le trafic de Fabric vers vos sources est sécurisé, donc les sources ont besoin de leurs propres règles de pare-feu et de réseau. Et Private Link fonctionne dans la frontière d’un seul tenant : les raccourcis inter-tenants et le partage de données externe OneLake ne fonctionnent pas à travers lui, si bien qu’une conception entièrement privée et le partage inter-tenants sont aujourd’hui mutuellement exclusifs.

Consultez le tableau actuel de disponibilité des fonctionnalités de sécurité avant de vous appuyer sur un élément précis : la prise en charge des liaisons privées au niveau de l’espace de travail, des clés gérées par le client et de la protection de l’accès sortant est suivie élément par élément, et plusieurs éléments sont encore en préversion.

Accès inter-espaces de travail et inter-domaines

Les produits de données sont faits pour être partagés. L’architecture décide comment ils le sont, pour que le partage n’élargisse pas discrètement l’accès.

Mécanisme Comment l’accès est décidé Points d’attention
Raccourci OneLake, passthrough (par défaut de OneLake à OneLake) L’identité de l’utilisateur qui interroge est vérifiée à la fois sur le chemin du raccourci et sur la cible Les utilisateurs ont besoin de droits des deux côtés ; les chemins sous identité de propriétaire se comportent différemment
Raccourci OneLake, délégué (toujours pour les sources externes) Un identifiant de connexion configuré lit la cible ; la sécurité OneLake limite ce que les appelants voient à travers lui Toute personne autorisée sur le chemin du raccourci lit avec l’accès de la connexion à la source
Données de Warehouse lues par un raccourci Les autorisations OneLake, pas les règles SQL du Warehouse La RLS, la CLS et les autorisations d’objet du Warehouse ne sont pas reportées
Point de terminaison SQL en mode délégué, Direct Lake sur SQL L’identité du propriétaire de l’élément consommateur lit OneLake Utiliser le mode identité utilisateur ou Direct Lake sur OneLake pour une identité utilisateur de bout en bout
Partage de données externe (un autre tenant Fabric) Raccourci en lecture seule, sur place, dans le tenant consommateur N’importe quel utilisateur du tenant consommateur peut recevoir l’accès ; les étiquettes et la DLP du tenant fournisseur ne s’y appliquent pas
Partage d’élément avec Reshare Autorisation d’élément, repartageable Des chaînes de repartage hors de l’audience prévue

Le choix entre données centrales et données détenues par les domaines est une question de qui approuve l’accès : une équipe plateforme centrale peut posséder les données de référence partagées, tandis que chaque domaine possède ses produits et en approuve l’accès. Dans les deux cas, documentez la dépendance : quel consommateur lit quel producteur, par quel raccourci ou quel chargement, sous quelle identité.

Pour les plateformes multi-tenant, une règle compte plus que les autres :

Un raccourci ne doit pas élargir par accident l’accès aux données d’un autre tenant.

En pratique : faites pointer les raccourcis par tenant vers des chemins par tenant, jamais vers un dossier partagé qui contient tous les clients ; utilisez le passthrough quand c’est possible pour que les droits propres de l’appelant soient évalués ; évitez les raccourcis délégués dont la connexion peut lire les données de plus d’un client ; et ne nommez pas les raccourcis d’après des clients dans des emplacements partagés, parce que OneLake liste les raccourcis internes que l’appelant puisse ou non ouvrir la cible.

La sécurité de service à service

La plupart du travail dans Fabric s’exécute sans que personne ne regarde. Chaque enquête, revue de sécurité et erreur d’autorisation finit par poser la question :

Quelle identité effectue réellement l’opération ?

Opération Identité à vérifier
Exécution interactive d’un notebook L’utilisateur connecté
Notebook exécuté depuis un pipeline L’utilisateur ou le principal de service qui a modifié en dernier le pipeline, ou l’identité de connexion configurée dans l’activité Notebook (par exemple une identité d’espace de travail)
Exécution planifiée d’un notebook L’utilisateur qui a créé ou mis à jour en dernier la planification
Exécution d’un pipeline Le dernier modificateur du pipeline ; en faire un principal de service pour les exécutions de production
Activité Copy, Copy job, Dataflow, raccourci externe L’identifiant de la connexion : OAuth utilisateur, principal de service, identité d’espace de travail ou secret référencé dans Key Vault
Point de terminaison d’analytique SQL en mode délégué L’appelant pour les autorisations SQL ; le propriétaire de l’élément pour la lecture de OneLake
Direct Lake sur SQL / Direct Lake sur OneLake Le propriétaire ou une identité fixe / l’utilisateur (passthrough)
Déploiement et automatisation REST Le principal de service utilisé par le pipeline ou l’outil de CI/CD
Rapport incorporé avec un principal de service Le principal de service, plus l’identité effective transmise dans le jeton d’incorporation

La ligne du pipeline est celle qui surprend le plus souvent les équipes. Microsoft documente qu’un notebook déclenché par un pipeline s’exécute sous l’identité du dernier modificateur du pipeline, pas sous celle du propriétaire du pipeline ou du notebook. La dernière personne qui a modifié le pipeline détermine l’accès aux données de chaque exécution. En production, ce doit être un principal de service dédié (un principal de service qui modifie le pipeline par l’API REST devient son dernier modificateur), jamais le compte d’un ingénieur qui pourrait gagner ou perdre des droits demain. Une habitude associée protège contre un autre risque : avant d’ajouter un notebook à un pipeline ou à une planification, vérifiez qui a modifié son code en dernier, car il s’exécutera sous l’identité de quelqu’un d’autre.

Classification des données et données sensibles

La gouvernance et la sécurité fonctionnent ensemble, mais ce n’est pas la même chose :

La gouvernance vous dit ce que sont les données et à qui elles appartiennent ; la sécurité contrôle qui peut les utiliser.

Une étiquette de confidentialité sur une table n’empêche personne de la lire. Elle indique à tout le monde, et à chaque outil en aval qui prend en charge les étiquettes, ce que sont les données, pour que les bons contrôles de sécurité puissent être choisis et vérifiés.

Catégorie de données Exemples Contrôles d’architecture minimaux
Données personnelles (PII) Noms, e-mails, adresses, identifiants clients Étiquette ; rôles de créateur restreints là où elles se trouvent ; sécurité au niveau des colonnes ou masquage pour la plupart des lecteurs ; procédure de suppression
Données financières Chiffre d’affaires par client, détails de paiement, marges Étiquette ; espace de travail de service séparé ; règles au niveau des lignes ou des objets selon le rôle
Données réglementées Données de santé, de cartes de paiement ou propres à un secteur Espaces de travail ou capacité dédiés ; restrictions réseau ; audit conservé pendant la durée imposée par la réglementation
Données de tenant Les données de n’importe quel client d’une plateforme multi-tenant Modèle d’isolation ; ID de tenant sur chaque ligne et chaque journal ; tests inter-tenants
Interne Indicateurs d’exploitation, données de référence Rôles d’espace de travail standard et revues

Les étiquettes de confidentialité Microsoft Purview classifient les éléments Fabric et suivent les données vers les exportations prises en charge, et le lignage montre où circulent les données étiquetées. La rétention fait partie de la même décision : les données personnelles ont besoin d’un chemin de suppression qui atteint la zone d’atterrissage brute, les tables d’historique et les sauvegardes, pas seulement le modèle de service. Le guide de gouvernance Fabric couvre les domaines, les étiquettes, le lignage et la certification ; cet article n’ajoute que la conséquence de chaque catégorie pour la sécurité.

Audit et observabilité

Une architecture de sécurité qu’on ne peut pas observer n’inspire pas confiance. Prévoyez d’où vient chaque type de preuve avant qu’un incident en ait besoin :

Preuve D’où elle vient
Authentification et connexions, y compris des principaux de service Les journaux de connexion et d’audit Microsoft Entra
Changements d’espace de travail, de rôles, de partage et d’autorisations Le journal d’audit Fabric, consultable dans Microsoft Purview Audit
Changements des rôles de sécurité OneLake, des raccourcis et des partages Le journal d’audit Fabric
Accès aux données via OneLake Les diagnostics OneLake, activés par espace de travail : qui a accédé à quoi, quand et comment, y compris par des raccourcis
Activité SQL sur les Warehouses et les points de terminaison SQL Les journaux d’audit SQL du Warehouse
Comportement des pipelines et des identités de service L’historique des exécutions plus votre propre journal d’exécution, qui enregistre l’identité exécutante
Contexte de tenant ou de client Votre journal d’exécution et vos journaux applicatifs, avec tenant_id sur chaque enregistrement
Changements d’administration et de paramètres de tenant Le journal d’audit Fabric

Les diagnostics OneLake écrivent leurs événements dans un lakehouse de la même capacité, y compris le principal exécutant, le fait que l’accès soit passé ou non par un raccourci, et l’adresse IP de l’appelant. Ils peuvent être rendus immuables pour une période de rétention, et les identifiants peuvent être masqués par un paramètre de tenant. Pour les charges de travail Fabric, ils enregistrent que l’accès a été accordé ; les journaux propres à chaque moteur fournissent le détail.

Transformez les preuves en signaux : alertez sur les changements de rôles dans les espaces de travail de production, sur les nouveaux partages de données externes, sur les accès d’identités inattendues, et sur les échecs d’autorisation qui grimpent après un déploiement. Pour les plateformes multi-tenant, chaque enregistrement de journal qui touche des données client devrait porter l’ID de tenant, pour que « le client A a-t-il été affecté ? » soit une requête et non une enquête. Concevoir un journal d’exécution donne le schéma d’enregistrement des exécutions à étendre avec tenant_id et l’identité exécutante, et Superviser les pipelines et notebooks Microsoft Fabric couvre ce que montre la supervision intégrée de Fabric.

Concevoir le rayon d’impact

Toute architecture de sécurité devrait pouvoir répondre à une question pour chaque identité, chaque espace de travail et chaque processus :

Si une identité, un espace de travail ou un processus est compromis, à quelle quantité de données peut-il accéder ?

Si ceci est compromis… Il peut atteindre… Concevoir pour le réduire
Le compte d’un créateur dans un espace de travail partagé Tous les éléments et toutes les données de cet espace de travail Moins de créateurs en production ; espaces de travail d’ingénierie et de service séparés
Un principal de service à l’échelle de la plateforme Chaque espace de travail sur lequel il détient un rôle Une identité par charge de travail et par frontière ; aucune identité d’automatisation à l’échelle du tenant
Une identité d’espace de travail par tenant L’espace de travail de ce tenant et les sources auprès desquelles elle peut s’authentifier Un espace de travail par tenant pour les clients à forte isolation
Un identifiant de connexion partagé Tout ce que lit cet identifiant, depuis chaque élément qui l’utilise Identifiants par source et par tenant ; références Key Vault ; rotation
Le dernier modificateur d’un pipeline Tout ce que lisent et écrivent les exécutions de ce pipeline Un principal de service comme dernier modificateur, limité aux espaces de travail de ce pipeline
Une capacité partagée La disponibilité de chaque espace de travail qu’elle héberge, par surcharge Séparation de la capacité pour les tenants critiques ou grands
Une table partagée du modèle A Les lignes de chaque tenant si le filtre est contourné Filtrage appliqué sous l’application ; passer les tenants à haut risque en C ou D

Le rayon d’impact devrait changer l’architecture, pas seulement le registre des risques. Si la réponse honnête pour un principal de service est « les données de tous les clients », alors soit c’est un risque accepté et documenté avec des contrôles compensatoires, soit l’identité doit être scindée.

Cadre de décision de sécurité

Utilisez les mêmes dix étapes pour chaque jeu de données, chaque charge de travail ou chaque catégorie de clients :

Étape Question Livrable Critère de validation
1. Classification des données Que sont ces données, et à quel point sont-elles sensibles ? Catégorie et étiquette par jeu de données Chaque jeu de données de production a une catégorie et un propriétaire
2. Acteurs Qui et quoi en a besoin : personnes, groupes, applications, services, clients ? Liste des acteurs avec leur finalité Aucun accès sans finalité nommée
3. Chemins d’accès Par quels moteurs et interfaces chaque acteur peut-il les atteindre ? Carte des chemins par jeu de données Chaque chemin de la carte est contrôlé ou fermé
4. Exigence d’isolation Qu’est-ce qui doit rester séparé : environnements, domaines, tenants de plateforme ? Modèle d’isolation par catégorie Modèle documenté ; les tests inter-tenants passent
5. Modèle d’identité Quelle identité effectue chaque opération ? Identité par charge de travail, propriétaire par identité Aucune exécution de production ne dépend d’un compte personnel
6. Contrôles au niveau des données Où vit la règle de référence, et qu’appliquent les autres chemins ? Contrôle par chemin Les tests de contournement échouent comme prévu sur chaque chemin
7. Contrôles réseau Qu’est-ce qui doit être privé, et comment les sources se connectent-elles ? Conception entrante et sortante L’accès public correspond à la politique ; les sources ne sont joignables que comme prévu
8. Secrets Quels identifiants existent, et où vivent-ils ? Inventaire des secrets, propriétaire de la rotation Aucun secret dans le code, les définitions ou Git
9. Supervision et audit Quelles preuves existeront, et qui les surveille ? Sources d’audit, alertes, propriétaires Les événements de test apparaissent dans les journaux et les alertes atteignent une personne
10. Validation Comment la conception est-elle prouvée, et à quelle fréquence de nouveau ? Plan de test et cadence de revue Revues d’accès et tests de contournement planifiés et consignés

Consignez les choix importants dans des enregistrements de décision d’architecture (ADR), comme toute autre décision de plateforme, pour que le raisonnement survive aux personnes qui l’ont tenu.

Liste de contrôle de revue de l’architecture de sécurité

Utilisez-la avant d’approuver une plateforme Fabric de production, un nouveau modèle d’espace de travail ou une nouvelle catégorie de clients. Chaque élément non coché est soit une décision à prendre, soit un risque à accepter par écrit. Pour une version plus complète et imprimable à utiliser en réunion de revue, avec des tableaux à remplir pour les chemins d’accès, les identités de service, le rayon d’impact et l’enregistrement de décision, utilisez la Data Platform Security Architecture Review Checklist (en anglais).

Identité

  • Des groupes, pas des individus : rôles d’espace de travail, autorisations d’élément et rôles de données attribués à des groupes.
  • Identités non humaines recensées : chaque principal de service et chaque identité d’espace de travail listé avec sa finalité.
  • Propriété définie : chaque identité a une équipe propriétaire nommée.
  • Rotation et cycle de vie : des procédures d’expiration, de rotation et de suppression des identifiants existent et sont planifiées.

Espace de travail

  • Attributions de rôles revues : une revue récurrente, avec un propriétaire, pour Admin, Member et Contributor.
  • Dev, test et prod séparés : espaces de travail, identités, connexions et données séparés.
  • Rôles privilégiés réduits au minimum : les consommateurs ne détiennent que Viewer ou des autorisations d’élément.

Données

  • Chaque chemin d’accès identifié : modèle sémantique, SQL, Spark, pipelines, API OneLake, raccourcis et applications.
  • RLS, OLS et autorisations SQL vérifiées : la règle de référence de chaque jeu de données est documentée.
  • Chemins de contournement testés : avec de vraies identités, par chaque chemin dont dispose réellement un utilisateur.

Multi-tenant

  • Modèle d’isolation documenté : par catégorie de clients, avec la justification.
  • Contexte de tenant propagé : résolu côté serveur et transporté jusqu’aux données et aux journaux.
  • Tests inter-tenants : des tests automatisés prouvent qu’un tenant ne peut pas lire un autre tenant par aucun chemin.
  • Rayon d’impact compris : pour chaque identité, table et capacité partagées.
  • Secrets propres à chaque tenant si nécessaire : aucun identifiant partagé entre clients.
  • Attribution des coûts : consommation attribuable par tenant.

Réseau

  • Exigence publique ou privée : décidée et reflétée par la configuration.
  • Conception des passerelles : chemins locaux et de réseau virtuel choisis, compatibles avec les paramètres Private Link.
  • Connectivité des sources : sources protégées par leurs propres règles de pare-feu, pas seulement par les paramètres Fabric.

Secrets

  • Aucun identifiant intégré : ni dans les notebooks, ni dans les définitions de pipelines, ni dans les paramètres, ni dans Git.
  • Processus de rotation : testé hors production avant la production.

Exploitation

  • Journaux d’audit : journal d’audit Fabric, diagnostics OneLake et audit SQL activés là où c’est exigé.
  • Revues d’accès : planifiées, avec un propriétaire, et consignées.
  • Propriétaire des incidents : un propriétaire nommé pour les incidents de sécurité de la plateforme.
  • Journalisation consciente du tenant : ID de tenant et identité exécutante sur chaque enregistrement de journal pertinent.

Reprise

  • Identités révoquées gérées : les pipelines et les connexions ne cassent pas en silence, ni ne continuent de tourner, quand une personne part.
  • Réponse à un identifiant compromis : une procédure répétée pour faire tourner, révoquer et évaluer la portée.
  • Isolation des tenants préservée pendant la restauration et le rejeu : le retraitement n’écrit les données de chaque tenant que dans ses propres cibles.

Recommandation

Commencez par le modèle de menaces et la carte des chemins d’accès, pas par les attributions de rôles. Séparez les créateurs des consommateurs au niveau des espaces de travail, parce que les rôles de créateur donnent un accès complet aux données. Décidez où vit la règle de référence de chaque jeu de données, et fermez ou alignez chaque autre chemin. Choisissez un modèle d’isolation multi-tenant par catégorie de clients, résolvez le contexte de tenant côté serveur et transportez-le jusqu’aux données et aux journaux. Exécutez le travail de production sous des identités de charge de travail qui ont un propriétaire, gardez les secrets hors des définitions, et traitez le réseau privé comme un contrôle d’accessibilité, pas d’autorisation. Mesurez ensuite honnêtement le rayon d’impact et prouvez la conception par des tests de contournement et des revues d’accès, parce qu’un modèle de sécurité qui n’a jamais été testé par chaque chemin n’est qu’une hypothèse.

À lire ensuite

Sources

Le comportement documenté par Microsoft dans cet article provient de ces pages Microsoft Learn :

Le tableau des menaces, les modèles d’identité, les recommandations sur les frontières d’espaces de travail, la comparaison des contrôles au niveau des données, les modèles et la matrice multi-tenant, les contrôles d’isolation des tenants, le tableau du rayon d’impact, le cadre de décision et la liste de contrôle de revue sont des conseils d’architecture de Javi Builds, pas de la documentation Microsoft. L’exemple suivi est inventé.

Comportement de Fabric vérifié par rapport à Microsoft Learn en novembre 2026. Les fonctionnalités de sécurité de Fabric évoluent souvent, et la prise en charge des liaisons privées au niveau de l’espace de travail, de la protection de l’accès sortant et des clés gérées par le client est suivie élément par élément, plusieurs éléments étant en préversion. Revérifiez les pages liées avant de vous appuyer sur un comportement ou une limite précis.

Étiquettes

  • Microsoft Fabric
  • Architecture de données
  • Multi-locataire
  • Fabric Workspace
  • Fabric Warehouse
  • Sécurité