Technologie BigQuery
Entrepôt de données serverless de Google Cloud pour l'analyse à l'échelle du pétaoctet.
SFEIR AI · Mis à jour le 26 août 2026
BigQuery : entrepôt analytique serverless de Google Cloud
BigQuery est l'entrepôt de données analytique serverless de Google Cloud, conçu pour l'analyse SQL à l'échelle du pétaoctet. Annoncé en mai 2010 à Google I/O et rendu généralement disponible en novembre 2011, il dérive de Dremel, le moteur interne de Google en production depuis 2006, et s'appuie sur les infrastructures Colossus, Jupiter et Borg. Le provisionnement, la mise à l'échelle et la maintenance sont assurés par la plateforme.
Deux modèles de facturation, deux façons de dériver
Le stockage et le calcul sont découplés et facturés séparément. Le modèle à la demande facture les octets scannés, avec un premier tébioctet gratuit chaque mois ; son tarif est passé de 5 à 6,25 dollars par tébioctet le 5 juillet 2023, soit une hausse de 25 %. Le modèle à la capacité, introduit la même année sous le nom d'éditions Standard, Enterprise et Enterprise Plus, facture en slot-heure. Les engagements flat-rate et flex slots ne sont plus commercialisés auprès des nouveaux clients.
Capacités : ML natif, analytique avancée et streaming temps réel
Avec l'intégration native du machine learning (BigQuery ML), des fonctions analytiques avancées et du streaming en temps réel, BigQuery est au cœur de la mutation du Data Stack. Il s'inscrit dans l'approche Data Mesh comme nœud analytique décentralisé, couplé à une couche sémantique pour alimenter les agents IA.
Accompagnement SFEIR : architectures data modernes et Digital Twins
SFEIR accompagne ses clients dans la conception d'architectures data modernes autour de BigQuery, du Data Shift Left à la construction de Digital Twins alimentant les systèmes agentiques.
Questions fréquentes
BigQuery est-il adapté au temps réel en plus du batch ?
Oui, BigQuery supporte l'ingestion en streaming et les requêtes continues, permettant de combiner analyse batch historique et traitement temps réel dans une même plateforme sans infrastructure supplémentaire.
Comment BigQuery est-il facturé ?
Selon deux modèles. À la demande, la facturation porte sur les octets scannés : le premier tébioctet mensuel est gratuit, puis le tarif s'applique par tébioctet. À la capacité, via les éditions Standard, Enterprise et Enterprise Plus, la facturation se fait en slot-heure.
Pourquoi une requête peut-elle coûter cher ?
Parce que la facturation à la demande dépend du volume scanné, pas du volume retourné. Un SELECT * sur une très grande table peut scanner plusieurs téraoctets pour ne renvoyer que quelques lignes. Le partitionnement et la sélection explicite des colonnes sont les premiers leviers de maîtrise.
Quelle différence entre BigQuery et Dremel ?
Dremel est le moteur d'exécution interne de Google, en production depuis 2006 et décrit dans un article publié en 2010. BigQuery est le service commercial qui combine ce moteur avec les infrastructures Colossus, Jupiter, Capacitor et Borg.
BigQuery ou Snowflake ?
BigQuery est natif de Google Cloud, Snowflake s'exécute sur les trois hyperscalers. Le premier s'intègre plus étroitement à l'écosystème Google, le second offre une portabilité qui pèse dans les architectures où la réversibilité est un critère.
Sources
Articles liés
FinOps avancé : prédire les coûts cloud avec l'IA
Du tableau de bord au modèle prédictif : la nouvelle ère du FinOps Pendant longtemps, le FinOps s'est résumé à une discipline réactive : on observait les factures, on identifiait les postes de dépenses excessifs, on optimisait après coup. Cette approche, certes utile, so...
Snowflake, Databricks, BigQuery : comparer les lakehouses en 2026
L'ère du lakehouse : pourquoi 2026 marque un tournant Il y a encore quelques années, la question du stockage et du traitement de la donnée se posait en termes binaires : entrepôt de données structurées d'un côté, lac de données brutes de l'autre. Ce cloisonnement architectural a...
Vertex AI et BigQuery : le duo Google Cloud pour l'IA à l'échelle
L'intelligence artificielle change de régime Pendant plusieurs années, l'IA en entreprise s'est principalement exprimée sous forme d'assistants : des outils capables de suggérer, de résumer, de générer. Des copilotes, pour reprendre le vocabulaire désormais familier. Mai...