La programmation orientée objet et les bases de données relationnelles partent de visions opposées : d'un côté des objets dotés d'attributs et de méthodes, de l'autre des tables composées de lignes et de colonnes. Cette divergence irrigue en profondeur la façon dont on conçoit un schéma de données.
Le mapping objet-relationnel
C'est l'effet le plus visible. Un ORM (Hibernate, Entity Framework, SQLAlchemy, Doctrine) fait office de traducteur entre le monde applicatif et le monde relationnel. On manipule des objets et des collections plutôt que d'écrire du SQL, ce qui améliore la lisibilité et la productivité. Le revers est connu : des requêtes générées sous-optimales, notamment le problème des N+1 sélections, qui dégradent les performances sans que le code paraisse fautif.
Ce que l'héritage change
La modélisation par classes pousse à représenter des hiérarchies. Trois stratégies coexistent : une table unique avec une colonne de discriminant (simple, mais comportant beaucoup de colonnes vides), une table par sous-classe reliée à une table parente (normalisée, mais exigeant des jointures), ou une table par classe concrète (efficace en lecture, coûteuse en cas de requête polymorphe). Le choix dépend du taux de dispersion des attributs et des schémas de requêtes.
Polymorphisme et encapsulation
Le polymorphisme se traduit moins dans le schéma que dans les requêtes : des tables distinctes partageant des attributs communs obligent à prévoir des interrogations adaptées à chaque variante. L'encapsulation, elle, se retrouve dans la maîtrise des droits d'accès et dans le choix des colonnes exposées. Certains vont jusqu'à stocker des données dérivées pour éviter des calculs à la lecture — un gain de performance payé par une redondance assumée.
Le choix du moteur
Les bases NoSQL documentaires (MongoDB) ou graphes (Neo4j) se prêtent plus naturellement à une modélisation objet : elles stockent des structures complexes et leurs relations sans éclatement en tables. Les SGBDR ne sont pas pour autant exclus : procédures stockées, fonctions utilisateur et déclencheurs permettent d'encapsuler une logique métier et d'imposer des règles proches du comportement des objets. PostgreSQL pousse d'ailleurs le rapprochement plus loin avec ses types composites et son support du JSON.
Les écueils à surveiller
- Performances : une couche d'ORM mal réglée coûte cher, surtout sur les agrégations complexes.
- Complexité du mapping : traduire fidèlement un graphe d'objets riche peut conduire à un schéma bancal.
- Dépendance au framework : le code applicatif se retrouve couplé à l'outil de persistance choisi.
En définitive, les principes objet ne modifient pas la nature relationnelle des bases, mais ils orientent nettement les décisions de modélisation. Les ORM comblent l'écart, à condition d'en connaître les compromis entre souplesse, performance et maintenabilité.