Snowflake
Plateforme data cloud (data warehouse / lakehouse) : stockage et analytique à l'échelle, brique courante des stacks data modernes et du digital twin.
SFEIR AI · Mis à jour le 28 août 2026
Le data cloud à l'échelle
Snowflake est une plateforme data cloud qui découple stockage et calcul pour l'analytique à grande échelle. Elle est l'une des briques récurrentes des stacks data modernes, aux côtés de Databricks et de BigQuery, et un socle possible du digital twin de l'entreprise.
Origine : trois architectes de bases de données
La société est fondée le 23 juillet 2012 à San Mateo, en Californie, par Benoît Dageville, Thierry Cruanes et Marcin Żukowski. Les deux premiers étaient architectes de données chez Oracle, le troisième cofondateur de Vectorwise. Snowflake sort de la confidentialité en octobre 2014 avec 80 organisations utilisatrices, puis entre en bourse au NYSE le 16 septembre 2020 : introduite à 120 dollars, l'action ouvre à 245 dollars, ce qui en fait alors la plus importante introduction d'un éditeur logiciel.
Architecture : multi-cluster shared data
L'architecture dite multi-cluster shared data sépare le stockage du calcul. Les données résident en micro-partitions compressées et chiffrées, au format colonnaire, dans un stockage objet cloud. Le calcul est assuré par des virtual warehouses : des clusters indépendants qui traitent les requêtes sans partager de ressources entre eux. Deux charges concurrentes ne se dégradent donc pas mutuellement, et chacune se dimensionne séparément.
Disponibilité multi-cloud
Snowflake s'exécute sur les trois hyperscalers (AWS, Microsoft Azure et Google Cloud), ce qui la distingue des entrepôts natifs d'un seul fournisseur. Cette portabilité est l'un des critères qui la départagent de BigQuery dans les architectures où la réversibilité pèse autant que la performance.
Questions fréquentes
Snowflake ou Databricks ?
Les deux sont des plateformes data cloud aux périmètres qui se recouvrent de plus en plus : Snowflake est né côté data warehouse / analytique SQL, Databricks côté lakehouse et data engineering / IA. Le choix dépend de la charge dominante (BI vs ingénierie et ML) et de l'écosystème existant.
Snowflake est-il un simple entrepôt de données ?
Non. La plateforme combine entrepôt, data lake, partage de données et analytique sur une architecture qui sépare stockage et calcul. Cette séparation est ce qui permet de faire varier la puissance de traitement sans toucher au volume stocké, et inversement.
Sur quels clouds Snowflake est-il disponible ?
Sur AWS, Microsoft Azure et Google Cloud. Cette disponibilité sur les trois hyperscalers est un argument de réversibilité, à la différence des entrepôts natifs d'un seul fournisseur, dont la portabilité dépend d'une migration complète.
Qu'est-ce qu'un « virtual warehouse » ?
Un cluster de calcul indépendant qui exécute les requêtes sans partager de ressources avec les autres. Plusieurs équipes peuvent ainsi travailler simultanément sur les mêmes données sans que la charge de l'une dégrade les performances de l'autre.
Comment les données sont-elles stockées ?
En micro-partitions compressées et chiffrées, au format colonnaire, dans un stockage objet cloud. Ce format explique les performances sur les requêtes analytiques, qui ne lisent que les colonnes et les partitions réellement concernées.
Sources
Articles liés
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...
Data Shift Left : intégrer la donnée dès la conception
Quand la donnée cesse d'être une afterthought Pendant des années, la donnée a vécu dans les marges du développement logiciel. On construisait d'abord, on pensait à la donnée ensuite — au moment de brancher la base de données, d'écrire les migrations, ou pire, au moment o...
Le catalogue de métadonnées : fondation du Digital Twin
Quand les données deviennent le système nerveux de l'entreprise Nous entrons dans l'ère de l'IA agentique. Des agents autonomes orchestrent des workflows complexes, prennent des décisions en temps réel et interagissent avec des systèmes hétérogènes sans intervention huma...