Dans notre recherche, nous constatons que la transformation numérique accélérée et l’explosion des données massives ont profondément modifié les architectures des systèmes d’information d’entreprise. Face aux limites des bases de données relationnelles traditionnelles dans les environnements caractérisés par les 4V du Big Data (volume, vélocité, variété, véracité), les bases de données NoSQL se sont imposées comme des alternatives distribuées adaptées aux architectures cloud-native et aux systèmes hautement scalables. Notre étude vise à analyser de manière critique les avantages, les limites et les conditions d’adoption des bases NoSQL dans les environnements Big Data d’entreprise, tout en identifiant les compromis techniques liés à la cohérence, la disponibilité et la latence. Elle repose sur une revue systématisée de la littérature scientifique et technique (2018–2024), fondée sur un protocole structuré de sélection d’articles indexés comme ACM, IEEE, Journal of Big Data et une grille d’analyse comparative intégrant les modèles CAP et PACELC, les mécanismes de partitionnement (sharding, consistent hashing), et les stratégies de réplication. Les résultats mettent en évidence que les bases NoSQL offrent une supériorité significative en matière de scalabilité horizontale et de résilience distribuée dans les architectures microservices et DevOps. Malgré cela, leur performance dépend fortement du modèle de cohérence choisi et des mécanismes de consensus implémentés. Notre recherche relève également que l’architecture hybride (SQL + NoSQL) constitue aujourd’hui le modèle dominant dans les environnements d’entreprise, permettant d’arbitrer efficacement entre cohérence forte et performance distribuée. Sur le plan théorique, notre recherche contribue à une clarification des compromis techniques entre modèles ACID et BASE dans les environnements Big Data, en proposant une grille décisionnelle multicritère pour guider les entreprises dans leurs choix technologiques. Elle enrichit la réflexion sur la persistance polyglotte comme paradigme structurant des architectures de données contemporaines.
