Ce qu'il faut savoir pour choisir et opérer une base de données SaaS en 2026

Le choix de votre base de données est la décision technique la plus déterminante dans la construction d'un SaaS. Une erreur à ce stade, et vous passerez 3 à 6 mois à migrer en production au lieu de livrer des fonctionnalités. Ce guide donne aux fondateurs, CTO et responsables techniques les règles de décision, les chiffres de coût réels pour 2026 et les playbooks opérationnels pour choisir juste dès le départ et bien administrer la solution.

12 min de lecture9 sections20 juin 2026

Kostadin Stamboliev

Fondateur et Imaginator

LinkedIn

Fondateur et Imaginator de Pineido. Il travaille dans le conseil informatique, le développement d’applications et de sites web, le SEO technique, l’IA et l’automatisation. Il livre du code en production en sprints de 30 jours, avec un périmètre fixe et des responsabilités claires.

PostgreSQL comme valeur par défaut en 2026 : pourquoi le consensus tient

PostgreSQL a dominé le Stack Overflow Developer Survey 2025 en tant que base de données la plus utilisée pour la troisième année consécutive, avec 49 % des développeurs professionnels le citant comme leur DB principale. Ce chiffre compte parce qu'il tire le recrutement, le support des bibliothèques et l'investissement dans les services managés. Si vous démarrez avec Postgres, vous pouvez recruter plus facilement, trouver plus de réponses sur Stack Overflow et choisir parmi davantage d'hébergeurs que pour n'importe quelle autre base de données relationnelle.

Pour un produit SaaS, Postgres vous offre l'intégrité relationnelle pour la facturation, les abonnements et les relations entre utilisateurs ; des colonnes JSONB pour les métadonnées flexibles sans migration de schéma à chaque sprint ; un moteur de recherche plein texte intégré qui couvre la plupart des besoins en phase de démarrage sans déployer de cluster Elasticsearch ; et des politiques de sécurité au niveau des lignes (RLS) qui appliquent l'isolation des tenants au niveau de la base de données, pas au niveau de l'ORM.

L'argument réel en faveur de MongoDB reste la flexibilité du schéma pendant la phase de découverte produit. Cet argument est plus faible qu'il n'y paraît : une colonne JSONB Postgres vous donne la même flexibilité avec les transactions ACID. L'avantage réel de MongoDB est son pipeline d'agrégation pour les requêtes sur des documents très imbriqués et sa capacité de sharding horizontal. Si votre modèle de données principal est vraiment de nature documentaire (par exemple, un CMS stockant des arborescences de contenu définies par l'utilisateur) et que vous prévoyez de sharder avant 10 millions de lignes, MongoDB est un choix légitime. Pour tout le reste, Postgres se déploie plus vite, coûte moins cher à opérer et est plus facile à raisonner.

Architectures multi-tenant et sécurité au niveau des lignes

Les produits SaaS isolent les données des tenants selon l'un de trois schémas : bases de données séparées par tenant, schémas séparés par tenant, ou schéma partagé avec une colonne tenant_id. Chacun a un profil de coût et de complexité qu'il faut choisir délibérément.

Les bases de données séparées offrent la meilleure isolation et rendent la suppression RGPD triviale, mais provisionner des centaines de bases ajoute une surcharge opérationnelle et un coût non négligeable. PlanetScale et Supabase prennent en charge les workflows database-per-tenant, mais à l'échelle vous payez par base de données et gérez les migrations sur l'ensemble de celles-ci.

Le schéma partagé avec tenant_id est le modèle le plus courant, et c'est celui que Postgres RLS rend sûr. Vous définissez une politique du type CREATE POLICY tenant_isolation ON orders USING (tenant_id = current_setting('app.current_tenant_id')::uuid) et chaque requête touchant cette table filtre automatiquement sur le tenant actif. La règle d'implémentation clé : définissez l'identifiant du tenant dans votre configuration de connexion (via SET LOCAL ou une variable de session), ne vous fiez jamais uniquement au filtrage applicatif.

Le risque avec RLS est une politique mal configurée qui laisse fuir des lignes entre tenants. Atténuez ce risque avec des tests d'intégration automatisés qui vérifient qu'un tenant ne peut pas lire les données d'un autre. Exécutez-les en CI à chaque déploiement.

L'équivalent MongoDB repose sur le filtrage par champ combiné à un tenantId imposé par l'application sur chaque requête. Il n'existe pas de RLS natif. Vous pouvez ajouter un enforcement via un middleware, mais il réside au niveau applicatif et non au niveau de la base de données, ce qui est une garantie moins solide. Si votre posture de conformité exige une isolation des données démontrable (SOC 2, HIPAA), Postgres RLS avec des politiques documentées est plus facile à auditer.

JSONB, recherche plein texte et quand vous avez vraiment besoin d'un service séparé

Deux des raisons les plus fréquentes pour lesquelles les équipes se tournent vers MongoDB ou Elasticsearch sont la flexibilité du schéma et la recherche. Postgres gère les deux sans service supplémentaire, jusqu'à un seuil d'échelle significatif.

Les colonnes JSONB stockent du JSON arbitraire et l'indexent. Un index GIN sur une colonne JSONB permet de requêter des clés imbriquées avec des caractéristiques de performance comparables à un store documentaire dédié pour la plupart des charges sous quelques millions de lignes. La différence essentielle par rapport à MongoDB : les écritures dans une colonne JSONB participent toujours aux transactions Postgres, ce qui vous donne un stockage flexible sans abandonner les rollbacks ni les clés étrangères. Le coût est que les colonnes JSONB n'imposent pas de schéma, ce qui engendre une dérive dans le temps. Utilisez un trigger de validation JSON Schema ou imposez la structure au niveau de l'API.

Pour la recherche plein texte, tsvector et tsquery avec un index GIN gèrent les catalogues produits, la recherche d'articles et la recherche de clients suffisamment bien pour que beaucoup de produits SaaS n'aient jamais besoin d'Elasticsearch. Le seuil pratique est d'environ 10 millions de lignes avec un tuning de pertinence complexe, du stemming multilingue et des filtres à facettes. En dessous, un index to_tsvector sur votre colonne de contenu et une requête plainto_tsquery sont plus rapides à mettre en place et ne coûtent rien de plus.

Là où il faut tout de même ajouter un service de recherche dédié : les grands catalogues e-commerce avec du faceting en temps réel, la recherche sémantique par IA (qui nécessite une base de données vectorielle ou l'extension pg_vector), et les SaaS multilingues desservant des marchés non anglophones avec des exigences de stemming complexes. Pour ce dernier cas, Typesense est souvent plus adapté qu'Elasticsearch à l'échelle d'une startup en raison de sa plus faible surcharge opérationnelle.

Hébergement managé : Supabase vs RDS vs PlanetScale

La question managé versus auto-hébergé est presque toujours tranchée en faveur du managé pour les startups SaaS en 2026. Les heures d'ingénierie nécessaires pour configurer, patcher et opérer un cluster Postgres auto-hébergé coûtent plus cher que la prime du service managé, sauf si vous dépassez $5K/mois de dépenses en infrastructure base de données.

Supabase Pro démarre à $25/mois et inclut Postgres, RLS intégré, connection pooling via Supabase Pooler (construit sur PgBouncer), stockage, authentification et edge functions. Pour un SaaS en phase de démarrage avec moins de 50K DAU, c'est souvent l'intégralité du backend. À grande échelle, la tarification Supabase Enterprise se négocie, mais des équipes ont rapporté des coûts de $500 à $2 000/mois pour des charges de travail à fort trafic.

AWS RDS pour PostgreSQL démarre autour de $20/mois pour une instance db.t4g.micro, mais un déploiement Multi-AZ de production avec des IOPS raisonnables commence vers $300 à $600/mois. À grande échelle (db.r6g.2xlarge, Multi-AZ, 500 Go de stockage, 3K IOPS), comptez $1 500 à $2 500/mois. RDS vous donne plus de contrôle sur le type d'instance, les IOPS et la topologie réseau, mais nécessite plus de connaissances opérationnelles. Aurora PostgreSQL-compatible offre une couche de stockage distribuée et gère davantage de connexions simultanées, à un coût environ 20-30 % plus élevé que RDS pour un calcul équivalent.

PlanetScale (compatible MySQL) a supprimé son offre gratuite en 2024, les plans de production démarrant à $39/mois. Son workflow de branches est excellent pour les migrations de schéma et sa capacité de sharding horizontal est solide, mais la couche de compatibilité MySQL signifie que certaines fonctionnalités spécifiques à Postgres (RLS, JSONB, pg_vector) ne sont pas disponibles. C'est le bon choix pour les équipes qui ont besoin d'un scaling horizontal en écriture avant d'atteindre le plafond naturel de Postgres, généralement au-dessus de 10K transactions d'écriture par seconde en soutenu.

Connection pooling, PgBouncer et pourquoi cela fait tomber la production

Postgres crée un processus par connexion. À 200 connexions ouvertes sur une instance standard, la pression mémoire commence à dégrader les performances des requêtes. Un service Node.js ou Python typique avec 10 processus worker et un pool de 20 connexions chacun peut atteindre 200 connexions en quelques minutes après un déploiement sur un cluster modeste. C'est l'une des causes les plus fréquentes de pannes en production sur les produits SaaS en phase de démarrage.

PgBouncer résout ce problème en multiplexant de nombreuses connexions applicatives sur un ensemble réduit de connexions réelles à la base de données. En mode transaction pooling, PgBouncer maintient une connexion serveur uniquement pendant qu'une transaction est en cours et la rend immédiatement au pool après, ce qui permet de servir des milliers de connexions applicatives avec 20-30 connexions serveur. La contrainte : en mode transaction pooling, les fonctionnalités de niveau session comme les prepared statements et les advisory locks ne fonctionnent pas comme prévu. Le Supabase Pooler intégré à Supabase utilise PgBouncer en coulisses avec le transaction pooling, c'est pourquoi certains ORM (Prisma en particulier) nécessitent un pgbouncer=true explicite dans la chaîne de connexion.

La configuration pratique pour 2026 : connectez votre application à PgBouncer ou Supabase Pooler sur le port 6543 (mode transaction), et utilisez le port direct de la base de données 5432 uniquement pour les migrations et les tâches d'administration. Réglez la taille de votre pool applicatif à 5 à 10 connexions par processus, pas la valeur par défaut de l'ORM de 20 à 100. Cela seul prévient la plupart des incidents d'épuisement des connexions.

Pour les API à forte concurrence (plus de 1K requêtes simultanées), envisagez Pgpool-II pour la répartition de charge entre un primaire et des réplicas en lecture, routant automatiquement les requêtes en lecture seule vers les réplicas. Cela double effectivement votre débit en lecture au prix d'une visibilité sur le décalage de réplication.

Sauvegardes, PITR, RPO et RTO : ce que cela signifie concrètement

Le Recovery Point Objective (RPO) est la perte de données maximale que vous pouvez tolérer. Le Recovery Time Objective (RTO) est l'indisponibilité maximale que vous pouvez tolérer. Un plan Supabase Pro à $25/mois offre 7 jours de point-in-time recovery (PITR) par défaut. AWS RDS vous donne jusqu'à 35 jours de PITR automatisé. Les deux utilisent l'archivage continu des WAL (Write-Ahead Log), ce qui signifie que vous pouvez récupérer à n'importe quelle seconde dans la fenêtre de rétention.

Pour un SaaS B2B avec des clients entreprises, votre SLA exige probablement un RPO inférieur à 1 heure et un RTO inférieur à 4 heures. Supabase et RDS satisfont tous deux ces exigences par défaut. Si vous avez besoin d'un RPO inférieur à la minute (transactions financières, dossiers médicaux), vous devez déployer en Multi-AZ avec réplication synchrone, ce qui signifie que votre primaire attend la confirmation de chaque écriture par le standby. Cela ajoute 1-5ms de latence par écriture mais garantit qu'aucune transaction validée n'est perdue en cas de défaillance du primaire.

Testez votre procédure de reprise chaque trimestre. Le mode de défaillance le plus fréquent n'est pas l'échec de la sauvegarde, c'est l'équipe qui ne connaît pas la procédure de restauration sous pression à 2h du matin. Faites un exercice de restauration vers un environnement de staging, chronométrez-le et documentez les étapes. Sur RDS, une restauration point-in-time vers une nouvelle instance prend 15 à 45 minutes selon la taille de la base. Sur Supabase, vous pouvez déclencher une restauration depuis le tableau de bord ou utiliser la Supabase CLI.

Pour MongoDB Atlas (l'offre managée), les sauvegardes automatisées avec PITR sont disponibles sur les clusters M10+ (à partir de $0,09/heure, soit environ $65/mois). Atlas prend également en charge les snapshots du fournisseur cloud sur un planning configurable. Le modèle opérationnel est comparable à RDS.

Identification des requêtes lentes, stratégie d'indexation et vrais gains de performance

L'optimisation de base de données au rendement le plus élevé consiste à trouver et indexer les 5 requêtes qui représentent 80 % de votre charge. Vous n'avez pas besoin d'un consultant pour cela. Il vous faut pg_stat_statements activé et 30 minutes.

Activez pg_stat_statements avec CREATE EXTENSION pg_stat_statements et interrogez-le chaque semaine : SELECT query, calls, mean_exec_time, total_exec_time FROM pg_stat_statements ORDER BY total_exec_time DESC LIMIT 20. Les requêtes en tête de liste sont là où passe le temps de votre base de données. La plupart des startups trouvent 2 à 4 requêtes qui représentent plus de 60 % du temps d'exécution total, et la plupart manquent simplement d'un index.

Pour l'analyse structurée des logs, pgBadger parse les fichiers de log Postgres et génère un rapport HTML montrant les requêtes les plus lentes, les plus fréquentes et les événements d'attente de verrou. Il est gratuit et prend environ 10 minutes à exécuter sur une journée de logs. Sur RDS, activez Performance Insights (gratuit pendant 7 jours, $0,02/vCPU-heure ensuite) pour un tableau de bord de requêtes en temps réel.

Les règles d'indexation qui payent immédiatement : ajoutez un index B-tree sur chaque colonne de clé étrangère (Postgres ne le fait pas automatiquement, contrairement à MySQL), sur chaque colonne apparaissant dans une clause WHERE sur une table de plus de 100K lignes, et sur chaque colonne utilisée dans un ORDER BY sur des requêtes paginées. Les index partiels (par exemple CREATE INDEX ON orders (created_at) WHERE status = 'pending') sont souvent 10-50x plus petits que les index complets et plus rapides pour les requêtes filtrées courantes.

Pour les colonnes JSONB, utilisez un index GIN lors de requêtes sur l'existence ou la containance de clés. Pour extraire répétitivement un champ JSONB spécifique, créez une colonne générée et indexez-la à la place. Un index GIN sur une grande colonne JSONB peut ajouter 200-400ms aux écritures, donc profilez avant d'indexer à tout va.

Migration depuis SQLite, MySQL ou DynamoDB : les coûts réels

La décision de base de données la plus coûteuse est de migrer depuis la mauvaise sous charge de production. Voici ce que chaque migration coûte réellement en 2026 en temps d'ingénierie.

SQLite vers Postgres : SQLite est souvent le choix initial pour les petites applications ou les produits desktop de type Electron. La migration est directe car les dialectes SQL sont proches. Comptez 1 à 2 semaines de temps d'ingénierie pour un petit schéma (moins de 50 tables), principalement consacrées à l'ajustement des types de données (le typage souple de SQLite face aux types stricts de Postgres), à la réécriture des triggers et à la mise à jour du code de connexion. Utilisez pgloader pour la migration des données elle-même.

MySQL vers Postgres : Plus complexe. Les différences clés portent sur les règles de quotation des chaînes, la gestion des ENUM, la syntaxe de recherche plein texte et le support JSON. Prévoyez 2 à 4 semaines pour un schéma SaaS de production. Les outils de migration de PlanetScale peuvent aider si vous êtes déjà sur PlanetScale. Pour MySQL vanilla, pgloader gère automatiquement la plupart des coercions de types.

DynamoDB vers Postgres : C'est la migration la plus coûteuse et celle que les équipes regrettent le plus d'avoir déclenchée. La conception orientée access patterns de DynamoDB signifie que votre structure de table ne correspond souvent pas proprement à des lignes relationnelles. Prévoyez 4 à 12 semaines selon la complexité du schéma, et attendez-vous à revoir les modèles de données fondamentaux, pas seulement à déplacer des données. Les équipes qui ont fait le choix DynamoDB pour sa simplicité opérationnelle (pas de schéma, serverless) rapportent fréquemment que cette migration coûte $40K à $120K en temps d'ingénierie aux tarifs du marché américain 2026 ($150 à $250/heure pour un ingénieur backend senior).

La migration de MongoDB vers Postgres est similaire en durée à celle de DynamoDB. Si vos documents ont une structure variable qui est réellement structurante, vous vous retrouverez probablement avec une architecture hybride : entités principales dans des tables relationnelles, métadonnées flexibles en JSONB. Ce compromis hybride est souvent la bonne destination finale.

Livrer la bonne architecture de base de données dans un sprint à périmètre fixe

Bien poser la couche base de données dès le premier jour est un exercice de cadrage concret, pas une négociation permanente. Un sprint bien défini couvre : la conception du schéma avec les politiques RLS pour le multi-tenant, la configuration du connection pooling, la vérification des sauvegardes et du PITR, la stratégie d'indexation pour le jeu de requêtes initial, et un document de chemin de migration si vous partez d'un système existant.

Pineido cadre l'architecture et l'implémentation de la base de données dans le cadre de sprints applicatifs à prix fixe sur 30 jours. Si vous évaluez ce que le bon setup coûte pour votre SaaS, le point de départ pertinent est le sprint de développement d'application et web sur mesure à /services/app-web-development. Le périmètre est défini avant tout démarrage des travaux, afin que vous sachiez exactement ce que vous obtenez sans surprise en régie.

Questions fréquentes

Faut-il utiliser PostgreSQL ou MongoDB pour un nouveau SaaS en 2026 ?

Utilisez PostgreSQL sauf si votre modèle de données principal est constitué de documents fortement imbriqués avec une structure véritablement variable. Postgres gère les données flexibles via JSONB avec toutes les garanties ACID, applique l'isolation multi-tenant avec la sécurité au niveau des lignes, et fait tourner la recherche plein texte sans service séparé. MongoDB a une meilleure histoire de sharding et un pipeline d'agrégation plus puissant pour les charges à forte composante documentaire, mais la plupart des produits SaaS n'en auront jamais besoin avant d'avoir trouvé leur product-market fit.

Comment fonctionne la sécurité au niveau des lignes dans PostgreSQL pour un SaaS multi-tenant ?

Vous créez une politique sur chaque table scopée au tenant avec CREATE POLICY, en référençant une variable de session que votre application définit au moment de la connexion (par exemple, current_setting('app.current_tenant_id')). Chaque requête sur cette table ajoute automatiquement le filtre tenant au niveau de la base de données. C'est plus sûr que le filtrage applicatif, car un bug dans votre ORM ne peut pas faire fuiter des lignes. Testez chaque politique avec des tests d'accès inter-tenant automatisés en CI.

Pourquoi mon instance Postgres plante-t-elle sous forte charge et comment y remédier ?

Postgres crée un processus OS par connexion. Sans pooling, un cluster Node.js avec 20 processus et une taille de pool de 20 ouvre 400 connexions et déclenche un épuisement mémoire. Corrigez cela en routant toutes les connexions applicatives via PgBouncer ou Supabase Pooler en mode transaction. Réglez la taille de votre pool applicatif à 5-10 par processus. Réservez le port direct de la base de données aux migrations uniquement.

Quelle configuration de sauvegarde et de reprise faut-il pour une base de données SaaS ?

Au minimum, activez le point-in-time recovery (PITR). Supabase Pro inclut 7 jours de PITR ; RDS supporte jusqu'à 35 jours. Pour un RPO inférieur à 1 heure et un RTO inférieur à 4 heures, les paramètres par défaut des deux plateformes suffisent. Pour les données financières ou de santé nécessitant un RPO inférieur à la minute, utilisez le Multi-AZ avec réplication synchrone, ce qui ajoute 1-5ms de latence en écriture mais garantit qu'aucune transaction validée n'est perdue en cas de défaillance du primaire. Testez votre procédure de restauration chaque trimestre.

Combien coûte une base de données SaaS par mois en 2026 ?

Supabase Pro démarre à $25/mois avec PITR, authentification et connection pooling inclus. Un déploiement RDS Multi-AZ de production démarre autour de $300-600/mois. À grande échelle (db.r6g.2xlarge, Multi-AZ, 500 Go de stockage), comptez $1 500-2 500/mois sur RDS. MongoDB Atlas démarre à environ $65/mois pour les clusters de production M10. L'auto-hébergement économise sur la ligne infrastructure mais transfère le coût vers le temps d'ingénierie, ce qui est presque toujours plus onéreux.

Combien coûte une migration de DynamoDB vers PostgreSQL ?

Prévoyez 4-12 semaines d'ingénierie backend senior selon la complexité du schéma. La conception orientée access patterns de DynamoDB ne se mappe que rarement proprement vers des tables relationnelles, donc vous revoir en général les modèles de données fondamentaux plutôt que de simplement déplacer les données. Aux tarifs du marché américain 2026 ($150-250/heure pour un ingénieur backend senior), cette migration coûte $40K-120K. C'est pourquoi le choix de la base de données au démarrage du projet compte autant.

Prêt à livrer ?

Dites-nous où vous bloquez. Nous l’examinons et vous envoyons une recommandation ciblée sous un jour ouvré.

Des idées opérationnelles chaque semaine

Rejoignez les dirigeants d’entreprises de services qui reçoivent chaque semaine une idée concrète sur les opérations, l’automatisation et la croissance.

Nous vérifions que vous êtes humain. Vous pourrez envoyer dans un instant.

Pas de spam. Désabonnement à tout moment.

Vous êtes inscrit ! Surveillez votre boîte de réception pour le prochain numéro.