{"id":4542,"date":"2022-06-21T19:08:11","date_gmt":"2022-06-22T03:08:11","guid":{"rendered":"https:\/\/www.gudusoft.com\/?p=4542"},"modified":"2022-06-21T19:19:42","modified_gmt":"2022-06-22T03:19:42","slug":"what-is-a-data-mart-data-warehouse","status":"publish","type":"post","link":"https:\/\/www.gudusoft.com\/fr\/quest-ce-quun-entrepot-de-donnees\/","title":{"rendered":"Qu&#039;est-ce qu&#039;un datamart\u00a0? | Datamart vs entrep\u00f4t de donn\u00e9es"},"content":{"rendered":"<div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"background-color: rgba(255,255,255,0);background-position: center center;background-repeat: no-repeat;border-width: 0px 0px 0px 0px;border-color:#e8eaf0;border-style:solid;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start\" style=\"max-width:1310.4px;margin-left: calc(-4% \/ 2 );margin-right: calc(-4% \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\"><div class=\"fusion-column-wrapper fusion-flex-justify-content-flex-start fusion-content-layout-column\" style=\"background-position:left top;background-repeat:no-repeat;-webkit-background-size:cover;-moz-background-size:cover;-o-background-size:cover;background-size:cover;padding: 0px 0px 0px 0px;\"><div class=\"fusion-text fusion-text-1\" style=\"line-height:26px;\"><h2><strong>Qu&#039;est-ce qu&#039;un Data Mart ?\u00a0<\/strong><\/h2>\n<p>UN <strong><a href=\"https:\/\/www.dpriver.com\/blog\/2022\/06\/21\/what-is-a-data-mart\/\">entrep\u00f4t de donn\u00e9es<\/a><\/strong> Il s&#039;agit d&#039;un entrep\u00f4t de donn\u00e9es qui collecte des donn\u00e9es op\u00e9rationnelles et d&#039;autres sources de donn\u00e9es au service d&#039;un groupe sp\u00e9cifique de professionnels. En termes de p\u00e9rim\u00e8tre, les donn\u00e9es sont extraites d&#039;une base de donn\u00e9es d&#039;entreprise ou d&#039;une base de donn\u00e9es plus sp\u00e9cialis\u00e9e. <a href=\"https:\/\/www.gudusoft.com\/fr\/what-is-a-data-warehouse\/\"><strong>entrep\u00f4t de donn\u00e9es<\/strong><\/a>L&#039;int\u00e9r\u00eat d&#039;un centre de donn\u00e9es est de r\u00e9pondre aux besoins sp\u00e9cifiques des utilisateurs professionnels en termes d&#039;analyse, de contenu, de performances et de simplicit\u00e9 d&#039;utilisation. Les utilisateurs de centres de donn\u00e9es s&#039;attendent \u00e0 ce que les donn\u00e9es soient repr\u00e9sent\u00e9es dans des termes qui leur sont familiers.<\/p>\n<h3>Data Mart vs Data Warehouse :<\/h3>\n<p>Un entrep\u00f4t de donn\u00e9es est un ensemble de donn\u00e9es int\u00e9gr\u00e9 et th\u00e9matique, con\u00e7u pour soutenir la fonction SAD (Syst\u00e8me d&#039;Aide \u00e0 la D\u00e9cision). Dans un entrep\u00f4t de donn\u00e9es, chaque unit\u00e9 de donn\u00e9es est associ\u00e9e \u00e0 un instant pr\u00e9cis. Compos\u00e9 de donn\u00e9es atomiques et de donn\u00e9es l\u00e9g\u00e8rement agr\u00e9g\u00e9es, un entrep\u00f4t de donn\u00e9es est un ensemble de donn\u00e9es th\u00e9matiques, int\u00e9gr\u00e9es, stables et variables dans le temps, destin\u00e9 \u00e0 soutenir le processus d\u00e9cisionnel en gestion d&#039;entreprise.<\/p>\n<div id=\"attachment_4548\" style=\"width: 904px\" class=\"wp-caption aligncenter\"><img aria-describedby=\"caption-attachment-4548\" decoding=\"async\" class=\"size-full wp-image-4548\" src=\"https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Data_Mart_vs_Data_Warehouse.png\" alt=\"Data Mart vs Data Warehouse\" width=\"894\" height=\"404\" srcset=\"https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Data_Mart_vs_Data_Warehouse-200x90.png 200w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Data_Mart_vs_Data_Warehouse-300x136.png 300w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Data_Mart_vs_Data_Warehouse-400x181.png 400w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Data_Mart_vs_Data_Warehouse-600x271.png 600w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Data_Mart_vs_Data_Warehouse-768x347.png 768w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Data_Mart_vs_Data_Warehouse-800x362.png 800w, https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/06\/Data_Mart_vs_Data_Warehouse.png 894w\" sizes=\"(max-width: 894px) 100vw, 894px\" \/><p id=\"caption-attachment-4548\" class=\"wp-caption-text\">Data Mart vs Data Warehouse<\/p><\/div>\n<p>Le datamart est un sous-ensemble de l&#039;entrep\u00f4t de donn\u00e9es d&#039;entreprise, principalement orient\u00e9 m\u00e9tier et d\u00e9di\u00e9 \u00e0 un sujet sp\u00e9cifique. Afin de r\u00e9soudre l&#039;opposition entre flexibilit\u00e9 et performance, un datamart est un petit entrep\u00f4t de donn\u00e9es, au niveau d&#039;un service ou d&#039;un groupe de travail, ajout\u00e9 \u00e0 l&#039;architecture de l&#039;entrep\u00f4t de donn\u00e9es. Les datamarts stockent des donn\u00e9es pr\u00e9-calcul\u00e9es pour des utilisateurs sp\u00e9cifiques afin de r\u00e9pondre \u00e0 leurs besoins de performance. Ils peuvent ainsi all\u00e9ger dans une certaine mesure les goulots d&#039;\u00e9tranglement li\u00e9s \u00e0 l&#039;acc\u00e8s aux entrep\u00f4ts de donn\u00e9es.<\/p>\n<h3>Caract\u00e9ristiques du Data Mart :<\/h3>\n<ul>\n<li>de petite taille;<\/li>\n<li>avoir des applications sp\u00e9cifiques ;<\/li>\n<li>ax\u00e9 sur le d\u00e9partement;<\/li>\n<li>d\u00e9fini, con\u00e7u et d\u00e9velopp\u00e9 par les unit\u00e9s commerciales\u00a0;<\/li>\n<li>g\u00e9r\u00e9 et entretenu par les unit\u00e9s commerciales ;<\/li>\n<li>peut \u00eatre mis en \u0153uvre rapidement ;<\/li>\n<li>moins cher \u00e0 l&#039;achat ;<\/li>\n<li>reprise rapide des investissements ;<\/li>\n<li>int\u00e9gration \u00e9troite des ensembles d\u2019outils ;<\/li>\n<li>fournit un sous-ensemble r\u00e9capitulatif pr\u00e9existant plus d\u00e9taill\u00e9 de l&#039;entrep\u00f4t de donn\u00e9es\u00a0;<\/li>\n<li>\u00e9volutif vers un entrep\u00f4t de donn\u00e9es complet\u00a0;<\/li>\n<\/ul>\n<h3>La structure des donn\u00e9es d&#039;un datamart\u00a0:<\/h3>\n<p>La structure des donn\u00e9es d&#039;un datamart est souvent d\u00e9crite comme une structure en \u00e9toile ou en flocon. Une structure en \u00e9toile se compose de deux parties principales\u00a0: une table de faits et diverses tables de dimensions.<\/p>\n<h4>1.F<span class=\"Y2IQFc\" lang=\"en\">tableau des actes<\/span><\/h4>\n<p>La table de faits d\u00e9crit les donn\u00e9es les plus denses du datamart. Dans un op\u00e9rateur t\u00e9l\u00e9phonique, les donn\u00e9es utilis\u00e9es pour les appels sont g\u00e9n\u00e9ralement les plus denses. Dans les banques, les donn\u00e9es relatives au rapprochement et aux distributeurs automatiques de billets sont g\u00e9n\u00e9ralement les plus denses. Dans le commerce de d\u00e9tail, les donn\u00e9es de vente et de stock sont les plus denses, et ainsi de suite.<\/p>\n<p>Une table de faits est une combinaison de plusieurs types de donn\u00e9es pr\u00e9-jointes, notamment : une cl\u00e9 primaire de l&#039;entit\u00e9 qui refl\u00e8te l&#039;objectif de la table de faits, comme une commande, une vente, un appel t\u00e9l\u00e9phonique, etc., des informations de cl\u00e9 primaire, des cl\u00e9s \u00e9trang\u00e8res qui connectent la table de faits \u00e0 la table de dimension et des donn\u00e9es externes non cl\u00e9s transport\u00e9es par les cl\u00e9s \u00e9trang\u00e8res.<\/p>\n<p>Si ces donn\u00e9es externes non cl\u00e9s sont fr\u00e9quemment utilis\u00e9es pour <strong><a href=\"https:\/\/www.gudusoft.com\/fr\/competences-des-analystes-de-donnees\/\">analyse de donn\u00e9es<\/a><\/strong> in the fact table, it is included in the scope of the fact table. Fact tables are highly indexed. It is very common to have 30 to 40 indexes on a fact table. Sometimes each column of the fact table is indexed, and the result is that the data in the fact table is very easy to read. However, the number of resources required to import the index must factor into the equation. Normally, fact table data cannot be changed, but data can be entered, and once a record is entered correctly, nothing can be changed for that record.<\/p>\n<h4>2. Tableau des dimensions<\/h4>\n<p>Les tables de dimension sont construites autour de tables de faits. La table de dimension contient des donn\u00e9es non intensives li\u00e9es \u00e0 la table de faits via une cl\u00e9 \u00e9trang\u00e8re. Les tables de dimension classiques sont bas\u00e9es sur des datamarts, notamment des catalogues de produits, des listes de clients, des listes de fournisseurs, etc.<\/p>\n<p>Les donn\u00e9es du datamart proviennent de l&#039;entrep\u00f4t de donn\u00e9es de l&#039;entreprise. Toutes les donn\u00e9es, \u00e0 une exception pr\u00e8s, doivent transiter par un entrep\u00f4t de donn\u00e9es avant d&#039;\u00eatre import\u00e9es dans un datamart. L&#039;exception concerne les donn\u00e9es sp\u00e9cifiques utilis\u00e9es dans le datamart, qui ne peuvent \u00eatre utilis\u00e9es ailleurs dans l&#039;entrep\u00f4t. Les donn\u00e9es externes entrent g\u00e9n\u00e9ralement dans cette cat\u00e9gorie. Si ce n&#039;est pas le cas et que les donn\u00e9es sont utilis\u00e9es ailleurs dans le syst\u00e8me d&#039;aide \u00e0 la d\u00e9cision, elles doivent transiter par l&#039;entrep\u00f4t de donn\u00e9es de l&#039;entreprise.<\/p>\n<p>Les datamarts contiennent g\u00e9n\u00e9ralement deux types de donn\u00e9es <strong>donn\u00e9es d\u00e9taill\u00e9es<\/strong> et <strong>donn\u00e9es agr\u00e9g\u00e9es<\/strong>.<\/p>\n<h4>1. Donn\u00e9es d\u00e9taill\u00e9es<\/h4>\n<p>Comme d\u00e9crit pr\u00e9c\u00e9demment, les donn\u00e9es d\u00e9taill\u00e9es du datamart sont structur\u00e9es en \u00e9toile. Il est important de noter que ce sch\u00e9ma est bien agr\u00e9g\u00e9 lors de leur transit par l&#039;entrep\u00f4t de donn\u00e9es d&#039;entreprise. Dans ce cas, l&#039;entrep\u00f4t de donn\u00e9es d&#039;entreprise contient les donn\u00e9es de base n\u00e9cessaires, tandis que le datamart contient les donn\u00e9es d&#039;intervalle plus \u00e9lev\u00e9. Cependant, dans l&#039;esprit des utilisateurs du datamart, les donn\u00e9es structur\u00e9es en \u00e9toile sont aussi d\u00e9taill\u00e9es qu&#039;au moment de leur acquisition.<\/p>\n<h4>2. Donn\u00e9es agr\u00e9g\u00e9es<\/h4>\n<p>Le deuxi\u00e8me type de donn\u00e9es contenues dans un datamart est celui des donn\u00e9es agr\u00e9g\u00e9es. Les analystes cr\u00e9ent g\u00e9n\u00e9ralement diverses donn\u00e9es agr\u00e9g\u00e9es \u00e0 partir de donn\u00e9es pr\u00e9sent\u00e9es selon un sch\u00e9ma en \u00e9toile. Un cumul typique peut \u00eatre le total des ventes mensuelles des territoires de vente. La base d&#039;agr\u00e9gation \u00e9tant en constante \u00e9volution, les donn\u00e9es historiques sont conserv\u00e9es dans le datamart. L&#039;avantage de ces donn\u00e9es historiques r\u00e9side dans leur niveau de g\u00e9n\u00e9ralisation. Tr\u00e8s peu de donn\u00e9es historiques sont conserv\u00e9es dans le sch\u00e9ma en \u00e9toile.<\/p>\n<p>Les datamarts sont mis \u00e0 jour \u00e0 partir des entrep\u00f4ts de donn\u00e9es de l&#039;entreprise. Il n&#039;est pas rare qu&#039;ils soient mis \u00e0 jour environ une fois par semaine. Cependant, leur fr\u00e9quence de mise \u00e0 jour peut \u00eatre inf\u00e9rieure ou sup\u00e9rieure \u00e0 une semaine, selon les besoins du service auquel ils appartiennent.<\/p>\n<h3>Types de datamart\u00a0:<\/h3>\n<h4>1. Ind\u00e9pendant<\/h4>\n<p>Les donn\u00e9es d&#039;un datamart ind\u00e9pendant proviennent de la base de donn\u00e9es op\u00e9rationnelle, un environnement analytique con\u00e7u pour r\u00e9pondre aux besoins sp\u00e9cifiques des utilisateurs. Le cycle de d\u00e9veloppement de ce type de datamart est g\u00e9n\u00e9ralement court et flexible, mais, \u00e9tant s\u00e9par\u00e9 de l&#039;entrep\u00f4t de donn\u00e9es, un datamart ind\u00e9pendant peut entra\u00eener la formation d&#039;\u00eelots d&#039;information et emp\u00eacher l&#039;analyse globale des donn\u00e9es.<\/p>\n<h4>2. Subordonn\u00e9<\/h4>\n<p>Les donn\u00e9es du datamart subordonn\u00e9 proviennent de l&#039;entrep\u00f4t de donn\u00e9es de l&#039;entreprise, ce qui prolongera le cycle de d\u00e9veloppement, mais le datamart subordonn\u00e9 est plus stable dans son architecture que le datamart ind\u00e9pendant, ce qui peut am\u00e9liorer la <strong><a href=\"https:\/\/www.gudusoft.com\/fr\/comment-ameliorer-la-qualite-des-donnees\/\">qualit\u00e9 des donn\u00e9es<\/a><\/strong> analyser et assurer la coh\u00e9rence des donn\u00e9es.<\/p>\n<h3>Avantages du Data Mart :<\/h3>\n<ul>\n<li>C&#039;est l&#039;une des alternatives les plus rentables pour les entrep\u00f4ts de donn\u00e9es o\u00f9 vous n&#039;avez besoin de traiter qu&#039;un petit sous-ensemble de donn\u00e9es.<\/li>\n<li>La s\u00e9paration des donn\u00e9es des sources rendra les data marts efficaces, car un groupe sp\u00e9cifique de personnes peut travailler sur des donn\u00e9es provenant d&#039;une source sp\u00e9cifique, plut\u00f4t que tout le monde utilisant l&#039;entrep\u00f4t de donn\u00e9es.<\/li>\n<li>Si nous savons \u00e0 quel sous-ensemble nous devons acc\u00e9der, nous pouvons utiliser des datamarts pour acc\u00e9der aux donn\u00e9es plus rapidement.<\/li>\n<li>Plus facile \u00e0 utiliser, les utilisateurs finaux peuvent donc facilement l&#039;interroger.<\/li>\n<li>\u00c9tant donn\u00e9 que les donn\u00e9es sont s\u00e9par\u00e9es en groupes, il faut moins de temps pour entrer dans le datamart de mise en \u0153uvre que dans un entrep\u00f4t de donn\u00e9es.<\/li>\n<li>Les donn\u00e9es historiques provenant de sujets sp\u00e9cifiques peuvent \u00eatre utilis\u00e9es pour une analyse facile des tendances.<\/li>\n<\/ul>\n<h3>\u00c9tapes pour mettre en \u0153uvre un Data Mart\u00a0:<\/h3>\n<h4>\u00c9tape 1. Conception :<\/h4>\n<p>Il s&#039;agit de la premi\u00e8re \u00e9tape de la mise en \u0153uvre, au cours de laquelle toutes les t\u00e2ches et sources n\u00e9cessaires \u00e0 la collecte d&#039;informations techniques et commerciales sont identifi\u00e9es. Un plan logique est ensuite mis en \u0153uvre et, apr\u00e8s examen, converti en plan physique. C&#039;est \u00e9galement \u00e0 ce stade que la structure logique et physique des donn\u00e9es est d\u00e9finie, notamment le partitionnement des donn\u00e9es et des champs, comme les dates ou tout autre fichier.<\/p>\n<h4>\u00c9tape 2. Construction :<\/h4>\n<p>Il s&#039;agit de la deuxi\u00e8me \u00e9tape de la mise en \u0153uvre. La g\u00e9n\u00e9ration de la base de donn\u00e9es physique \u00e0 l&#039;aide du SGBDR est d\u00e9finie dans le cadre du processus de conception et de la structure logique. Tous les objets tels que les sch\u00e9mas, les index, les tables, les vues, etc. sont cr\u00e9\u00e9s.<\/p>\n<h4><strong>\u00c9tape 3. Remplissage :<\/strong><\/h4>\n<p>Il s&#039;agit de la troisi\u00e8me \u00e9tape, o\u00f9 vous renseignez les donn\u00e9es au fur et \u00e0 mesure de leur r\u00e9cup\u00e9ration. Toutes les transformations n\u00e9cessaires sont impl\u00e9ment\u00e9es avant le remplissage des donn\u00e9es.<\/p>\n<h4><strong>\u00c9tape 4. Acc\u00e8s\u00a0:\u00a0<\/strong><\/h4>\n<p>Il s&#039;agit de l&#039;\u00e9tape suivante de l&#039;impl\u00e9mentation\u00a0: nous utiliserons les donn\u00e9es renseign\u00e9es pour interroger et cr\u00e9er un rapport. Les utilisateurs finaux utiliseront cette \u00e9tape pour comprendre les donn\u00e9es \u00e0 l&#039;aide de la requ\u00eate.<\/p>\n<h4>\u00c9tape 5. Gestion :<\/h4>\n<p>Il s&#039;agit de l&#039;\u00e9tape finale de la mise en \u0153uvre du data mart, o\u00f9 des t\u00e2ches telles que la gestion des acc\u00e8s, l&#039;optimisation et le r\u00e9glage du syst\u00e8me, la gestion et l&#039;ajout de nouvelles donn\u00e9es au data mart et la planification de sc\u00e9narios de r\u00e9cup\u00e9ration pour g\u00e9rer les \u00e9ventuels sc\u00e9narios de d\u00e9faillance sont trait\u00e9es ici.<\/p>\n<h3>Conclusion<\/h3>\n<p>Merci d&#039;avoir lu notre article et nous esp\u00e9rons qu&#039;il vous a plu. Pour en savoir plus sur <strong><a href=\"https:\/\/www.gudusoft.com\/fr\/category\/data-governance-101\/\">gouvernance des donn\u00e9es<\/a><\/strong>, nous vous conseillons de visiter <strong><a href=\"https:\/\/www.gudusoft.com\/fr\/\">Gudu SQLFlow<\/a><\/strong> pour plus d&#039;informations.<\/p>\n<p>En tant que l&#039;un des\u00a0<strong><a href=\"https:\/\/www.dpriver.com\/blog\/2022\/05\/11\/best-data-lineage-tools\/\" target=\"_blank\" rel=\"noopener noreferrer\">meilleurs outils de lignage de donn\u00e9es<\/a><\/strong>\u00a0Disponible sur le march\u00e9 aujourd&#039;hui, Gudu SQLFlow peut non seulement analyser les fichiers de script SQL, mais aussi obtenir <strong><a href=\"https:\/\/www.gudusoft.com\/fr\/quest-ce-que-la-lignee-des-donnees-pourquoi-est-elle-importante\/\">lign\u00e9e de donn\u00e9es<\/a><\/strong>, et effectuer un affichage visuel, mais permettent \u00e9galement aux utilisateurs de fournir une lign\u00e9e de donn\u00e9es au format CSV et d&#039;effectuer un affichage visuel.\u00a0<strong>(Publi\u00e9 par Ryan le 22 juin 2022)<\/strong><\/p>\n<\/div><\/div><\/div><style type=\"text\/css\">.fusion-body .fusion-builder-column-0{width:100% !important;margin-top : 0px;margin-bottom : 0px;}.fusion-builder-column-0 > .fusion-column-wrapper {padding-top : 0px !important;padding-right : 0px !important;margin-right : 1.92%;padding-bottom : 0px !important;padding-left : 0px !important;margin-left : 1.92%;}@media only screen and (max-width:1024px) {.fusion-body .fusion-builder-column-0{width:100% !important;}.fusion-builder-column-0 > .fusion-column-wrapper {margin-right : 1.92%;margin-left : 1.92%;}}@media only screen and (max-width:640px) {.fusion-body .fusion-builder-column-0{width:100% !important;}.fusion-builder-column-0 > .fusion-column-wrapper {margin-right : 1.92%;margin-left : 1.92%;}}<\/style><\/div><style type=\"text\/css\">.fusion-body .fusion-flex-container.fusion-builder-row-1{ padding-top : 0px;margin-top : 0px;padding-right : 0px;padding-bottom : 0px;margin-bottom : 0px;padding-left : 0px;}<\/style><\/div>","protected":false},"excerpt":{"rendered":"","protected":false},"author":27,"featured_media":4573,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[178],"tags":[193,187,191,188,190,189,157,192],"_links":{"self":[{"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/posts\/4542"}],"collection":[{"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/users\/27"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/comments?post=4542"}],"version-history":[{"count":29,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/posts\/4542\/revisions"}],"predecessor-version":[{"id":4574,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/posts\/4542\/revisions\/4574"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/media\/4573"}],"wp:attachment":[{"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/media?parent=4542"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/categories?post=4542"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.gudusoft.com\/fr\/wp-json\/wp\/v2\/tags?post=4542"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}