Dernière mise à jour : 20 août 2026

Stockage des e‑mails dans les bases de données vs. systèmes de fichiers : PST, MBOX et au-delà
Chaque système logiciel qui ingère, archive ou sert des courriels finit par atteindre le même carrefour architectural : les messages doivent-ils résider dans une base de données structurée ou directement sur un système de fichiers ?
En apparence, un courriel semble trompeusement simple — un bloc d’en‑têtes, un corps en texte brut ou HTML, et peut‑être quelques pièces jointes encodées en MIME. Pourtant, lorsque l’on passe d’une boîte de réception de bureau d’un seul utilisateur à des millions de messages d’entreprise, des archives de conformité ou des pipelines SaaS multi‑locataires, le moteur de stockage sous‑jacent détermine tout, de la latence des requêtes à la récupération après sinistre.
Décomposons la façon dont les conteneurs classiques basés sur des fichiers comme PST et MBOX se comparent aux bases de données modernes relationnelles et NoSQL, où les formats de messages individuels comme EML et Maildir s’insèrent, et pourquoi la plupart des systèmes de production finissent par adopter une approche hybride.
1. Stockage du système de fichiers : Conteneurs de boîtes aux lettres classiques
Stocker les e‑mails sur un système de fichiers est aussi ancien que le SMTP lui‑même. Plutôt que de lancer un démon de base de données, les serveurs de messagerie et les clients de bureau écrivaient historiquement les messages directement sur le disque en utilisant soit des conteneurs à fichier unique, soit des répertoires à un fichier par message.
MBOX : le cheval de travail en texte brut concaténé
Issu des premiers systèmes de messagerie Unix, MBOX stocke un dossier complet d’e‑mails dans un seul fichier texte brut séquentiel. Chaque message commence par une ligne délimitatrice spéciale From , suivie des en‑têtes RFC 5322 standard, du corps du message et des pièces jointes encodées en Base64.
- Points forts : Parce que MBOX est un format texte ouvert et lisible par l’homme, il est universellement pris en charge par Thunderbird, Apple Mail, les exportations Google Takeout et les utilitaires en ligne de commande Unix (
grep,awk,sed). Ajouter un e‑mail nouvellement reçu à la fin du fichier est une écriture séquentielle $O(1)$. - Faiblesses : Mettre à jour les indicateurs (comme marquer un e‑mail comme « lu ») ou supprimer un message au milieu d’un fichier MBOX de 10 Go oblige le client à réécrire d’énormes parties du fichier. Pire encore, une corruption d’un seul secteur de disque ou un échec de verrouillage d’écriture concurrente peut corrompre les limites des délimiteurs et brouiller toute la boîte aux lettres.
PST : le conteneur B-Tree propriétaire de Microsoft
Le Personal Storage Table (PST) de Microsoft adopte une approche très différente. Plutôt que du texte brut, un fichier PST est essentiellement une base de données binaire autonome, structurée autour des arbres B et des tables d’allocation.
- Points forts : Un seul fichier
.pstencapsule les e‑mails, les hiérarchies de dossiers, les événements de calendrier, les contacts, les tâches et les métadonnées spécifiques à Outlook. Il prend en charge la compression intégrée, le chiffrement et l’indexation structurée sans nécessiter de serveur de base de données externe. - Faiblesses : Le PST est un format fermé et propriétaire étroitement lié à Windows et Microsoft Outlook. Les tailles de fichiers atteignent historiquement environ 50 Go par défaut dans les configurations Outlook modernes, et le stockage des fichiers PST sur des partages réseau est notoirement source de corruption d’index.
Maildir et EML : un fichier par message
Pour éliminer les cauchemars de verrouillage et de corruption des fichiers monolithiques MBOX et PST, des architectures comme Maildir (popularisée par Qmail et Dovecot) stockent chaque e‑mail individuel dans un fichier séparé — souvent structuré comme des fichiers standard .eml (RFC 5322) — organisés dans les répertoires tmp/, new/ et cur/.
- Points forts : Les déplacements atomiques de fichiers éliminent la contention des verrous. Si un secteur de disque devient défectueux, vous perdez un seul e‑mail au lieu de dix ans de correspondance. Les sauvegardes standard du système d’exploitation,
rsync, et les instantanés incrémentiels deviennent sans effort. - Faiblesses : Le stockage de millions de petits fichiers épuise les inodes du système de fichiers et dégrade les performances de l’affichage des répertoires, sauf si vous répartissez les répertoires par date ou hachage (par ex.,
/2026/11/14/a3/msg-id.eml). La recherche en texte intégral dans les fichiers.emlbruts est douloureusement lente sans fichier d’index séparé.
2. Stockage de bases de données : moteurs relationnels et NoSQL
Lorsque les applications ont besoin d’une recherche instantanée, d’une concurrence multi‑utilisateur, d’un contrôle d’accès basé sur les rôles ou d’analyses complexes (comme les plateformes CRM, les services d’assistance et les outils d’eDiscovery), les ingénieurs se tournent souvent vers des bases de données telles que PostgreSQL, MySQL, Elasticsearch ou MongoDB.
Comment les bases de données modélisent les e‑mails
Dans une base de données relationnelle, un e‑mail n’est pas stocké comme un blob opaque — il est normalisé en entités interrogeables :
CREATE TABLE emails (
id UUID PRIMARY KEY,
thread_id UUID NOT NULL,
message_id VARCHAR(255) UNIQUE NOT NULL,
sender VARCHAR(320) NOT NULL,
subject TEXT,
received_at TIMESTAMPTZ NOT NULL,
is_read BOOLEAN DEFAULT FALSE,
headers JSONB,
body_text TEXT,
body_html TEXT
);
CREATE INDEX idx_emails_thread_received ON emails (thread_id, received_at DESC);
CREATE INDEX idx_emails_fts ON emails USING GIN (to_tsvector('english', coalesce(subject, '') || ' ' || coalesce(body_text, '')));
Points forts du stockage de bases de données
- Filtrage et threading sous-millisecondes : Récupérer « tous les e‑mails non lus d’un domaine spécifique au cours des 30 derniers jours » utilise des index B‑tree et GIN plutôt que de parcourir des gigaoctets de texte disque.
- Transactions ACID et Concurrence : Plusieurs travailleurs en arrière-plan, processus de synchronisation IMAP et clients web peuvent mettre à jour en toute sécurité les états de lecture, les libellés et les affectations de dossiers simultanément sans collisions de verrouillage de fichiers.
- Métadonnées structurées et déduplication : Stocker les hachages SHA-256 des pièces jointes vous permet de dédupliquer les PDF identiques envoyés à 500 destinataires internes—ce que les fichiers monolithiques PST ou MBOX dupliquent 500 fois.
Points faibles du stockage de bases de données
- Gonflement du stockage et coût : Stocker des pièces jointes Base64 de plusieurs mégaoctets et des corps HTML bruts dans les tables principales de la base de données augmente la taille de la base, ralentit la réplication, gonfle les journaux d’écriture anticipée (WAL) et fait grimper les coûts IOPS SSD/cloud.
- Goulots d’étranglement de sauvegarde et de restauration : Restaurer une base de données relationnelle de 2 To à partir d’un instantané prend beaucoup plus de temps que de restaurer des fichiers individuels depuis le stockage d’objets.
- Perte de fidélité du fil brut : Si vous analysez un e‑mail entrant en colonnes de base de données et jetez le flux MIME original, vous pouvez casser les signatures cryptographiques DKIM ou perdre des en‑têtes personnalisés obscurs nécessaires à l’audit judiciaire.
3. Comparaison côte à côte : systèmes de fichiers vs. bases de données
| Facteur architectural | MBOX (Fichier plat) | PST (Conteneur binaire) | Maildir / EML (Par fichier) | SQL / Base de données NoSQL |
|---|---|---|---|---|
| Structure de stockage | Fichier texte concaténé unique | Fichier binaire propriétaire en arbre B | Un fichier RFC 5322 par e‑mail | Tables normalisées / documents JSON |
| Vitesse de requête et de recherche | Lent (nécessite une analyse linéaire ou un index externe) | Rapide dans Outlook ; lent à l’extérieur | Lent sans index secondaire | Extrêmement rapide (B-tree, GIN, texte intégral) |
| Concurrence | Mauvaise (nécessite un verrouillage au niveau du fichier) | Verrouillage de bureau à utilisateur unique uniquement | Élevée (opérations de fichiers atomiques) | Élevé (verrouillage ACID au niveau de la ligne) |
| Rayon d’impact de la corruption | Élevé (dossier/boîte aux lettres entier à risque) | Élevé (un seul fichier contient toute la boîte aux lettres) | Faible (isolé à un seul message) | Moyen (atténué par WAL & répliques) |
| Portabilité | Élevé (standard ouvert sur Unix/Mac/Linux) | Faible (verrouillé à l’écosystème Microsoft) | Le plus élevé (standard universel .eml) | Faible (lié au schéma de l’application) |
| Déduplication des pièces jointes | Aucun | Compression interne limitée | Aucun (sauf si lié en dur) | Natif via hachage adressable par le contenu |
4. Au‑delà du choix binaire : l’architecture hybride moderne
Dans l’ingénierie cloud moderne, choisir strictement entre une base de données ou un système de fichiers est une fausse dichotomie. Les plateformes de messagerie à grande échelle, les archives de conformité et les outils SaaS adoptent presque universellement une Architecture hybride objet-métadonnées:
- Message brut et pièces jointes dans le stockage d’objets (S3 / GCS / MinIO) : Lorsqu’un e‑mail arrive, la charge utile MIME
.emlexacte et non modifiée — ainsi que toutes les pièces jointes binaires extraites — est écrite de façon immuable dans le stockage d’objets en utilisant une clé adressée par le contenu ou partitionnée par date (par ex.s3://mail-archive/2026/11/14/<sha256>.eml). Cela préserve les signatures DKIM originales, maintient le coût de stockage à quelques centimes par gigaoctet, et isole le volume binaire des bases de données transactionnelles. - En‑têtes, état et relations dans une base de données relationnelle : PostgreSQL ou MySQL stocke des métadonnées légères : expéditeur, destinataires, objet, horodatages, identifiants de fil, pointeurs de dossiers, indicateurs lu/non lu, et la clé d’objet S3.
- Recherche en texte intégral dans un moteur de recherche dédié : Pour une recherche instantanée de mots‑clés à travers des milliards de messages, le texte brut extrait est diffusé de façon asynchrone vers Elasticsearch, OpenSearch ou Typesense.
- Pipelines d’exportation pour PST et MBOX : Au lieu d’utiliser PST ou MBOX comme stockage de production en direct, les systèmes modernes génèrent des archives
.pst,.mboxou.zipde fichiers.emlà la demande lorsque les utilisateurs demandent une exportation de type Google Takeout ou un lot eDiscovery juridique.
Quelle approche devriez‑vous choisir ?
- Utilisez MBOX ou EML sur un système de fichiers lors de la création de clients de bureau locaux, d’outils CLI légers, de sauvegardes portables ou de pipelines de transfert de données médico-légales où la portabilité sans dépendance est primordiale.
- Utilisez PST uniquement lorsque l’interopérabilité avec les environnements de bureau Microsoft Outlook ou les exportations Exchange héritées est une exigence stricte.
- Utilisez un hybride Base de données + Stockage d’objets pour toute application web multi‑utilisateurs, plateforme de support client ou archive d’entreprise nécessitant une recherche rapide, un accès concurrent et une scalabilité horizontale.
Questions fréquemment posées (FAQ)
1. Est-il préférable de stocker les e‑mails dans une base de données ou sous forme de fichiers sur le disque ? Pour les applications à haute concurrence nécessitant une recherche et un filtrage rapides, une approche hybride — stockant les métadonnées recherchables dans une base de données et les fichiers bruts .eml ou les pièces jointes dans le stockage d’objets — offre les meilleures performances.
2. Quelle est la principale différence entre les formats de fichiers PST et MBOX ? PST est le conteneur binaire propriétaire de Microsoft Outlook qui stocke les e‑mails, les calendriers et les contacts ensemble, tandis que MBOX est un format texte brut ouvert qui concatène les messages électroniques dans un seul fichier.
3. Pourquoi les gros fichiers MBOX et PST deviennent-ils sujets à la corruption ? Parce que les deux formats regroupent des milliers de messages dans un seul fichier monolithique, une écriture interrompue, une erreur de secteur disque ou un problème de partage réseau peuvent casser les pointeurs internes ou les délimiteurs de messages sur l’ensemble de l’archive.
4. Pourquoi le stockage des pièces jointes d’e‑mail directement dans les bases de données SQL est-il découragé ? Les pièces jointes binaires volumineuses ou encodées en Base64 alourdissent les tables de la base de données, ralentissent les sauvegardes et la réplication, et augmentent considérablement les coûts de stockage haute vitesse comparés au stockage d’objets ou aux systèmes de fichiers.
5. Quand les développeurs doivent-ils utiliser EML ou Maildir à la place de MBOX ? Les développeurs devraient choisir EML ou Maildir lorsqu’ils ont besoin d’opérations de fichiers atomiques, d’un accès concurrent sûr, et d’une récupération de messages isolée sans verrouillage ni réécriture d’un fichier de boîte aux lettres complet.