--- title: "Notebook dans Microsoft Fabric" url: https://kwanzeo.com/ressources/notebook-dans-fabric date: 2025-03-04 updated: 2026-10-13 --- # Notebook dans Microsoft Fabric > Le Notebook Fabric permet de développer des tâches Apache Spark et des modèles de Machine Learning dans un environnement interactif : atouts, limites et création pas à pas. **En résumé :** le Notebook dans Microsoft Fabric est un environnement **interactif** basé sur le Web pour développer des tâches **Apache Spark** et des expériences d'apprentissage automatique. Les data scientists et les ingénieurs de données y écrivent du code, avec des visualisations riches et du texte Markdown. ![Interface d'un Notebook dans Microsoft Fabric, affichant du code, des visualisations et du texte explicatif](ressources/notebook-dans-fabric/notebook.jpg) ## Qu'est-ce qu'un Notebook dans Fabric ? Les ingénieurs de données utilisent les Notebooks pour **l'ingestion, la préparation et la transformation des données**. Les data scientists les exploitent pour créer des **solutions d'apprentissage automatique** : expériences, modèles, suivi et déploiement. Les Notebooks permettent d'écrire du code dans une variété de langages et de le commenter grâce à des **cellules interactives**. Ils sont intégrés aux **Lakehouses** et disposent d'un système de fichiers intégré pour stocker des fichiers associés au Notebook. Ils sont constitués de cellules, des blocs individuels de code ou de texte exécutables indépendamment ou en groupe. Les **Notebooks dans Fabric** prennent en charge quatre langages Apache Spark : - PySpark (Python) - Spark (Scala) - Spark SQL - SparkR En une phrase : le **Notebook Fabric** est l'endroit où les ingénieurs de données et les data scientists écrivent et exécutent leur code. ## Pourquoi choisir les Notebooks dans Fabric ? Avec un Notebook, les utilisateurs accèdent et analysent rapidement les informations, travaillent sur des projets à plusieurs et créent des documents mêlant code et visualisations interactives. Le Notebook Microsoft Fabric permet aussi de partager facilement des documents pour collaborer et recueillir des commentaires. C'est un outil essentiel pour les data scientists, les développeurs et les chercheurs. ## Avantages - Démarrage **sans aucun effort** de configuration. - Accès facile aux données stockées dans les **Lakehouses, Data Warehouses et fichiers**. - Exploration et traitement des données grâce à une **expérience intuitive low-code**. - Protection des données grâce aux **fonctionnalités intégrées** de sécurité d'entreprise. - Écriture d'algorithmes complexes et **automatisation** des pipelines avec un contrôle total. - Analyse des données brutes (CSV, txt, JSON…) et des formats traités (Parquet, Delta Lake…) avec la puissance de **Spark**. - Productivité accrue grâce à des **capacités de création** améliorées et à la visualisation des données intégrée. ## Limites des Notebooks dans Fabric - **Compétences en programmation nécessaires** : contrairement à [Dataflow Gen2](/ressources/dataflow-gen2), les Notebooks sont orientés code. - **Temps de démarrage des clusters Spark** : le démarrage peut prendre quelques secondes, ce qui ralentit les petites analyses. - **Gestion des erreurs** : les erreurs dans le code peuvent être complexes à diagnostiquer pour les non-développeurs. ## Quand utiliser les Notebooks dans Fabric ? - Lorsque vous avez besoin de traitements avancés ou distribués sur de **grandes quantités de données**. - Pour les projets nécessitant des modèles de **Machine Learning** ou des analyses complexes. - Lorsque vous avez besoin d'une **flexibilité maximale** pour personnaliser les transformations de données. ## Comment créer un Notebook ? Dans Fabric, choisissez **Data Engineering** : ![Première étape de création d'un Notebook dans Microsoft Fabric : sélection de l'option Data Engineering](ressources/notebook-dans-fabric/create1-notebook.jpg) Plusieurs options vous sont proposées, dont la création d'un **Lakehouse, d'un Notebook ou d'une tâche Spark**. Cliquez sur Notebook : ![Options de création dans Microsoft Fabric : Lakehouse, Notebook ou tâche Spark, avec l'option Notebook mise en avant](ressources/notebook-dans-fabric/create2-notebook.jpg) Le **Notebook** vide s'ouvre : ![Notebook vide dans Microsoft Fabric, prêt pour l'écriture de code et l'analyse de données](ressources/notebook-dans-fabric/blank-page-notebook.jpg) Dans le coin supérieur gauche, vous pouvez **modifier le nom** du Notebook : ![Modification du nom d'un Notebook en haut à gauche de l'interface Microsoft Fabric](ressources/notebook-dans-fabric/rename-notebook.jpg) Dans l'explorateur Lakehouse, vous pouvez **ajouter un Lakehouse existant** au Notebook ou en créer un nouveau : ![Explorateur Lakehouse d'un Notebook Fabric permettant d'ajouter un Lakehouse existant ou d'en créer un nouveau](ressources/notebook-dans-fabric/add-lakehouse-notebook.jpg) Si vous ajoutez un Lakehouse existant, vous êtes redirigé vers le hub de données **OneLake**, où vous choisissez parmi les Lakehouses disponibles : ![Hub de données OneLake affichant la sélection d'un Lakehouse existant à ajouter à un Notebook](ressources/notebook-dans-fabric/onelake-catalog-notebook.jpg) Une fois le Lakehouse choisi, il est ajouté au Notebook : les tables, dossiers et fichiers existants s'affichent dans **l'explorateur Lakehouse**. ![Lakehouse ajouté à un Notebook Fabric, avec ses tables, dossiers et fichiers visibles dans l'explorateur](ressources/notebook-dans-fabric/data-notebook.jpg) Vous pouvez aussi créer un Notebook depuis **l'intérieur d'un Lakehouse**, ou y ouvrir un Notebook existant : ![Option de création ou d'ouverture d'un Notebook depuis un Lakehouse dans Microsoft Fabric](ressources/notebook-dans-fabric/create3-lakehouse-notebook.jpg) ## Bénéficiez de la puissance de Fabric avec Kwanzeo Les Notebooks s'orchestrent avec [les Data Pipelines dans Fabric](/ressources/les-data-pipelines-dans-fabric) et s'industrialisent avec [un pipeline CI/CD GitHub](/ressources/pipeline-ci-cd-fabric-github-prerequis-depot). Pour aller plus loin, découvrez [notre accompagnement Microsoft Fabric](/technologies/microsoft-fabric) ou [contactez nos équipes](/contact). ### Quels langages les Notebooks Fabric prennent-ils en charge ? Quatre langages Apache Spark : PySpark (Python), Spark (Scala), Spark SQL et SparkR. ### Quand utiliser un Notebook plutôt qu'un Dataflow ? Pour des traitements avancés ou distribués sur de grandes quantités de données, des modèles de Machine Learning ou des analyses complexes, et lorsque vous avez besoin d'une flexibilité maximale. Contrairement à Dataflow, les Notebooks sont orientés code.