Plateforme data gratuite, open source ou payante : que choisir
20 novembre 2026 · 12 min de lecture
Photo par Carlos Muza sur Unsplash
Un responsable data dans une ETI industrielle de 400 salariés a un budget annuel de 80 000 € pour sa plateforme data. Son homologue dans une start-up logistique de 30 personnes a un budget de zéro euro et un stagiaire qui connaît Python. Le premier envisage Snowflake ou Databricks. Le second a installé Apache Superset sur un vieux serveur et croise les doigts. Deux réalités, une même question : faut-il payer, autohéberger de l'open source, ou se contenter des tiers gratuits ? La réponse dépend moins du prix affiché que du prix réel une fois l'infrastructure, les compétences et les risques comptabilisés. Ce guide détaille les trois modèles avec leurs vrais coûts, pas leurs prix catalogue.
Les trois modèles de plateforme data
Une plateforme data, ce n'est pas un outil de visualisation comme Power BI ou Tableau. C'est la couche infrastructure qui ingère, stocke, transforme et gouverne les données avant qu'un analyste ne les touche. Elle englobe le stockage (data lake, warehouse, lakehouse), le calcul (Spark, SQL engine), le catalogage (Unity Catalog, Horizon, Polaris), la qualité et le lineage. Trois modèles économiques coexistent.
Les plateformes gratuites. Il s'agit des tiers gratuits des clouds publics : BigQuery Sandbox (10 Go de stockage, 1 To de requêtes par mois), Snowflake trial (30 jours, 400 $ de crédits), Databricks Free Edition (serverless perpétuel lancé mi-2025). Ces offres permettent de prototyper, de former une équipe ou de faire tourner des workloads exploratoires sans dépenser un euro. Leur limite est franche : dès que les données dépassent quelques centaines de gigaoctets ou que la gouvernance devient nécessaire, le tier gratuit s'arrête et la facture commence. Databricks Free Edition est la plus généreuse des trois, avec un accès serverless à la quasi-totalité de la plateforme sans limite de temps[6].
Les plateformes open source autohébergées. Apache Superset, Metabase (édition AGPL), Dremio, ou une stack lakehouse ouverte (Apache Iceberg + Trino + dbt Core + Superset). Le code est gratuit, la licence aussi. Vous installez sur vos serveurs ou dans votre compte cloud, vous gérez les mises à jour, la sécurité, la montée en charge. Pour une équipe qui maîtrise Kubernetes et a le temps de l'opérer, le coût licence est zéro. Pour une équipe qui n'a pas ces compétences, le coût réel — salaires, infrastructure, temps perdu — peut dépasser celui d'un SaaS premium[4].
Les plateformes payantes (SaaS managé). Snowflake, Databricks, Google BigQuery, le tout en mode managé. Vous payez à l'usage (crédits, DBUs, slots) et le fournisseur opère l'infrastructure. Pas de serveur à maintenir, pas de mise à jour à planifier, le scaling est automatique. Le ticket d'entrée peut être modeste — 2,80 $ de l'heure pour un petit warehouse SQL sur Databricks ou Snowflake[7] — mais la facture explose si la gouvernance des coûts n'est pas intégrée dès le départ.
Gratuit : ce que vous obtenez vraiment pour zéro euro
Le tier gratuit attire parce qu'il permet de commencer sans convaincre un CFO. Mais il faut lire les limites, pas la page d'accueil.
BigQuery Sandbox offre 10 Go de stockage gratuit et 1 To de requêtes par mois. C'est suffisant pour analyser les ventes d'un e-commerce de taille moyenne pendant quelques mois, mais pas pour croiser cinq années d'historique avec des données IoT. Snowflake donne 400 $ de crédits pour 30 jours : une ETI qui migre ses données de test va les consommer en trois jours. Databricks Free Edition est structurellement différente : elle offre un accès serverless permanent à Unity Catalog, aux notebooks, aux SQL Warehouses et à MLflow, avec des quotas de calcul limités mais réels[6]. C'est la seule offre gratuite qui permet de faire du vrai travail de data engineering sans date d'expiration.
Les tiers gratuits ont trois angles morts. D'abord, la gouvernance : pas de SSO, pas de row-level security, pas d'audit logs. Si un stagiaire exporte par erreur les données clients sur un bucket public, vous n'avez aucune trace. Ensuite, la montée en charge : le jour où le CEO demande un dashboard en temps réel sur l'ensemble du parc de capteurs, le tier gratuit ne suit plus et la migration vers une version payante doit se faire dans l'urgence, donc mal. Enfin, le support : une panne un dimanche soir, et vous êtes seul face à la documentation communautaire.
Pour qui : une start-up en phase d'exploration, un data scientist qui prototype un modèle, une PME qui veut tester la valeur de la donnée avant d'investir.
Le coût réel de l'open source : pas zéro
C'est le piège le plus fréquent dans la décision d'achat : confondre licence gratuite et coût total nul. Une plateforme open source autohébergée a un coût licence de zéro, mais elle consomme trois ressources que les entreprises sous-estiment systématiquement : l'infrastructure cloud, le temps d'ingénierie et le coût d'opportunité.
Prenons Apache Superset, la plateforme de datavisualisation open source la plus déployée en entreprise. La licence est Apache 2.0 : gratuite, sans restriction. Pour le faire tourner en production avec 30 utilisateurs, il faut un cluster Kubernetes, une base PostgreSQL, Redis pour les files de messages, et un Chromium headless pour les exports PDF. L'infrastructure coûte entre 200 et 800 $ par mois selon le cloud provider et la redondance[4]. Ensuite, il faut un ingénieur plateforme qui passe 15 à 20 heures par mois à maintenir l'ensemble : mises à jour de sécurité, montée de version, gestion des certificats, résolution des pannes. À 70 000 € par an chargés, cela représente environ 15 000 € par an de temps ingénieur pour Superset seul.
Le TCO d'un Superset autohébergé pour 25 utilisateurs tourne autour de 30 000 à 40 000 $ par an, dont les trois quarts sont du temps humain, pas des licences[4]. À ce prix-là, Metabase Pro — qui inclut le SSO, la row-level security, le support et l'hébergement — coûte environ 8 000 $ par an pour 25 utilisateurs[5]. L'open source n'est pas plus cher ; il est plus cher si vous n'avez pas déjà l'équipe pour l'opérer. Si vous avez déjà une plateforme Kubernetes avec des SRE qui tournent, le coût marginal de Superset est proche de zéro. Si vous partez de zéro, le SaaS est presque toujours plus économique en dessous de 100 utilisateurs[4].
Le même raisonnement s'applique à la stack lakehouse open source : Apache Iceberg pour le stockage, Trino pour le requêtage, dbt Core pour la transformation, Superset ou Metabase pour la visualisation. C'est l'architecture la plus ouverte et la plus portable qui existe. Aucun vendor lock-in, les données restent dans votre bucket S3 au format Parquet, vous changez de moteur de requête sans migration. La contrepartie : vous êtes le vendor. Vous intégrez cinq briques, vous gérez les compatibilités de version, vous assurez la sécurité de bout en bout. Pour une scale-up de 80 personnes avec trois data engineers, c'est un choix rationnel. Pour une PME avec un responsable BI qui fait aussi le support utilisateur, c'est un échec annoncé.
Pour qui : une ETI qui a déjà une équipe plateforme, une scale-up qui veut éviter le lock-in, une DSI qui maîtrise Kubernetes et veut la portabilité totale.
Plateformes payantes : le prix de la tranquillité
Snowflake, Databricks et BigQuery dominent le marché des plateformes data pour une raison simple : elles enlèvent la complexité opérationnelle. Vous vous connectez, vous écrivez du SQL ou du Python, et le fournisseur gère le reste. Cette tranquillité a un prix, et ce prix est trop souvent mal estimé.
Sur le plus petit warehouse (XS chez Snowflake, 2X-Small serverless chez Databricks), les deux plateformes coûtent environ 2,70 à 2,80 $ de l'heure en novembre 2026 sur AWS US East[7]. Pour 100 Go de données avec des requêtes quotidiennes, la facture mensuelle tourne autour de 300 à 350 $. C'est accessible à une PME. Le problème apparaît quand les usages se diversifient. Une ETI de 500 personnes avec 10 analystes, 2 data engineers et un data scientist qui font du SQL, de l'ETL et du ML : la facture combinée atteint vite 80 000 à 150 000 $ par mois sur Databricks ou Snowflake[11]. Une grande entreprise avec 100 analystes et 100 data engineers qui brassent 10 To de données : 80 000 à 120 000 $ par mois sur Databricks, 100 000 à 150 000 $ sur Snowflake[11].
La différence entre les deux plateformes tient au type de workload. Snowflake est optimisé pour le SQL analytique et la BI : les requêtes ad-hoc, les dashboards, les rapports. Databricks est construit pour le data engineering et le machine learning : les pipelines Spark, l'entraînement de modèles, le streaming. En pratique, beaucoup d'organisations utilisent les deux : Databricks pour l'ingestion et la transformation, Snowflake pour la couche de consommation BI. Le coût de cette architecture double est à la hauteur de sa puissance : deux contrats, deux modèles de permissions, deux factures à surveiller[6].
Le piège le plus sournois des plateformes payantes, c'est la facture Databricks « classic compute ». Sur ce mode, vous payez les DBUs (Databricks Units) au fournisseur ET les VMs sous-jacentes à votre cloud provider. La facture infrastructure peut représenter 50 à 70 % du coût total et n'apparaît pas sur la page tarifaire de Databricks[8]. Le mode serverless, plus cher en DBUs, inclut l'infrastructure et rend la facture plus prévisible. Choisir le classic pour économiser est souvent une fausse bonne idée.
Pour qui : une organisation qui veut de la data sans recruter une équipe infra, une ETI dont le métier n'est pas la tech, un grand groupe qui veut industrialiser sa donnée sans reconstruire la plateforme à chaque mise à jour.
Comparatif des coûts réels sur 3 ans
Voici trois scénarios réalistes avec leurs coûts complets sur trois ans, matériel et humain inclus. Les chiffres sont en dollars US, tirés des tarifs publics de novembre 2026.
Scénario A — PME de 50 salariés, 5 utilisateurs data, 500 Go de données. Option gratuite : Databricks Free Edition + Metabase Open Source sur un serveur cloud à 50 $ par mois. Coût annuel : 600 $ d'infrastructure, pas de personnel dédié. Total 3 ans : 1 800 $. Option SaaS : BigQuery sandbox dépassé rapidement, passage à Snowflake Standard ou Databricks Serverless. 500 $ par mois de calcul plus 100 $ de stockage. Total 3 ans : 21 600 $. Option open source complète : non pertinente : la PME n'a pas l'ingénieur pour opérer une stack lakehouse.
Scénario B — ETI de 400 salariés, 25 utilisateurs data, 5 To de données. Option SaaS (Snowflake Enterprise) : warehouse small à medium en continu la journée, 3 000 $ par mois de calcul, 115 $ de stockage. Total 3 ans : 112 000 $. Option open source (stack lakehouse autohébergée sur AWS) : 1 500 $ par mois d'infra (EC2, S3, RDS), plus 0,5 ETP ingénieur plateforme à 35 000 € par an. Total 3 ans : environ 150 000 $. Le SaaS est moins cher ici parce que le coût humain domine. Option hybride (BigQuery + dbt Cloud + Metabase Pro) : 2 000 $ par mois de calcul, 500 $ de licences Metabase. Total 3 ans : 90 000 $. C'est l'option la plus efficiente si l'équipe maîtrise SQL mais pas Kubernetes.
Scénario C — Grande entreprise, 200 utilisateurs data, 20 To de données. Option SaaS (Databricks + Snowflake combinés) : 80 000 à 120 000 $ par mois[11]. Total 3 ans : 3 à 4 millions de dollars. Option open source (stack lakehouse avec 3 ingénieurs plateforme dédiés) : 15 000 $ par mois d'infra, 210 000 € par an de salaires. Total 3 ans : environ 1,2 million d'euros. L'open source redevient compétitif à cette échelle parce que les salaires sont amortis sur un gros volume de données et que l'écart de licence SaaS explose avec la volumétrie.
La règle qui se dégage : en dessous de 50 utilisateurs et 5 To, le SaaS est presque toujours plus économique que l'open source autohébergé. Au-dessus de 100 utilisateurs et 20 To, l'open source peut diviser la facture par deux ou trois, à condition d'avoir l'équipe pour l'opérer.
Les 5 critères qui déterminent le bon choix
Au-delà du prix, cinq facteurs font pencher la balance.
1. La compétence interne. Si vous avez une équipe qui maîtrise Kubernetes, Terraform, Spark et les connecteurs de données, l'open source devient un levier de compétitivité. Si votre équipe data est composée d'analystes qui écrivent du SQL et font des dashboards, le SaaS managé est un accélérateur, pas une dépense. Tenter l'open source sans l'équipe qui va avec, c'est transformer un projet data en projet de recrutement. Les recrutements de data engineers prennent trois à six mois en France en 2026.
2. La criticité des données. Des données de santé, de défense, de données bancaires soumises à DSP3 ou DORA : l'open source autohébergé ou le cloud privé s'impose, parce que vous gardez le contrôle physique et juridique. Des données marketing, des logs de navigation, des données de vente : le SaaS cloud public est acceptable et même souhaitable pour la rapidité de déploiement. Une ETI du secteur financier qui choisit Snowflake Business Critical (chiffrement, private link, HITRUST) fait un compromis coûteux mais conforme ; une PME du retail qui autohéberge Superset par peur du cloud gaspille de l'énergie.
3. La croissance prévisible des données. Si vos données doublent tous les ans (IoT, logs, clickstream), le SaaS cloud public va voir sa facture exploser linéairement avec le volume, à moins d'optimiser en continu. L'open source sur votre propre infrastructure a un coût marginal plus faible par téraoctet supplémentaire. Mais cette économie n'existe que si vous provisionnez bien : une stack open source surdimensionnée « au cas où » coûte aussi cher qu'un SaaS, sans le support.
4. Le besoin d'IA et de ML. Les fonctionnalités d'IA générative intégrées aux plateformes — requêtes en langage naturel, détection d'anomalies, génération de rapports — sont développées côté SaaS. Databricks a Genie et Unity Catalog pour les agents IA, Snowflake a Cortex AI, BigQuery a Gemini. L'open source a des alternatives (LangChain, LlamaIndex, MLflow), mais l'intégration est à votre charge. Si l'IA est un axe stratégique à 12 mois, le SaaS raccourcit le time-to-value de façon décisive[6].
5. Le vendor lock-in. L'argument massue de l'open source, c'est l'absence de lock-in. Vos données en Parquet sur S3, votre catalogue Iceberg, votre moteur Trino : aucun fournisseur ne peut vous empêcher de changer. En SaaS, la migration est possible mais coûteuse. Snowflake et Databricks supportent tous deux Apache Iceberg désormais, ce qui facilite les migrations, mais le code propriétaire qui tourne dans votre instance (stored procedures, modèles entraînés, pipelines spécifiques) ne se transpose pas en un clic. Mesurez le risque de lock-in non pas à la signature du contrat, mais à ce qu'il vous en coûtera de sortir dans cinq ans. C'est souvent 2 à 4 fois le coût annuel de la plateforme, en temps ingénieur et en indisponibilité.
Le coût de ne pas choisir
Le pire scénario n'est pas de choisir la mauvaise plateforme. C'est de ne pas en choisir du tout, par peur de se tromper.
Quand une entreprise repousse la décision, les équipes métier ne restent pas les bras croisés. Le directeur marketing ouvre un compte Tableau Cloud avec sa carte bancaire. Le responsable supply chain partage un fichier Excel de 200 Mo sur SharePoint avec des macros qui plantent une fois sur trois. Le CFO exporte les données de l'ERP en CSV et les retravaille dans Power BI Desktop sans gouvernance. Six mois plus tard, l'entreprise a trois plateformes data non coordonnées, zéro politique de sécurité unifiée, et des indicateurs qui ne donnent pas les mêmes résultats selon l'outil utilisé.
Une étude de 2025 rapporte que les organisations dotées d'une plateforme data unifiée prennent des décisions cinq fois plus rapidement que celles qui fonctionnent par tableurs et emails[9]. Le temps que les managers passent à consolider manuellement des chiffres, c'est du temps qu'ils ne passent pas à analyser et décider. Chiffré autrement : pour une ETI dont les 10 cadres dirigeants perdent chacun 3 heures par semaine à chercher et croiser des données, le coût annuel de l'absence de plateforme dépasse 50 000 € en temps pur, sans même compter les mauvaises décisions prises sur des chiffres erronés.
Comment bien démarrer — et matcher avec le bon éditeur
Un projet de plateforme data réussi commence par un document qui décrit ce que vous voulez mesurer, à quelle fréquence, pour qui, avec quelles sources, et sous quelles contraintes de sécurité. Sans ce cahier des charges, vous comparez des pages tarifaires, pas des solutions adaptées à votre contexte. La démo de Databricks est brillante sur les données de démonstration ; elle ne dit rien de ce qui se passera quand vous brancherez votre ERP vieux de dix ans avec des schémas de base de données que personne ne documente plus.
C'est ici que Softmatch change la donne. Le générateur de cahier des charges vous fait décrire votre contexte — secteur, taille, volume de données, nombre d'utilisateurs, compétences internes, exigences réglementaires — et produit un document structuré qui liste vos besoins fonctionnels et techniques. Ce document devient la base de vos échanges avec les éditeurs.
Mais le vrai avantage de Softmatch est dans la suite : une fois votre cahier des charges généré, la plateforme analyse vos réponses pour identifier les éditeurs de plateforme data dont le positionnement correspond à votre projet. Vous ne cherchez pas un outil dans le vide. Vous cherchez l'éditeur qui comprend que vos 50 To de logs industriels ne peuvent pas quitter le sol européen, ou au contraire que votre équipe de cinq analystes a besoin d'une interface SQL sans jamais toucher à un cluster Kubernetes. 112 éditeurs analysés sur 50 critères, classement personnalisé, mise en relation facultative avec les éditeurs qui correspondent vraiment à votre profil — secteur, taille de clientèle, architecture technique.
Les entreprises qui passent par un cahier des charges structuré réduisent leur cycle de sélection de trois à quatre mois. Elles évitent surtout l'erreur la plus fréquente et la plus coûteuse : choisir une plateforme parce qu'elle est connue ou parce que le commercial a fait une belle démo, pas parce qu'elle correspond à ce dont l'entreprise a vraiment besoin. Changer de plateforme data après deux ans, c'est un projet de migration qui coûte entre 200 000 et 800 000 € pour une ETI, en temps ingénieur, en indisponibilité et en perte de confiance des métiers.
Trouvez l'éditeur de plateforme data adapté à votre projet
Gratuit, open source ou payant : votre cahier des charges analyse votre contexte et vous met en relation avec les éditeurs qui correspondent vraiment à vos besoins. Volume de données, compétences internes, secteur, contraintes réglementaires : tout est pris en compte.
Créer mon cahier des charges Plateforme dataVous préférez échanger directement avec un spécialiste ?
Un appel de 30 minutes pour discuter de votre projet data et poser toutes vos questions.
Réserver un appel de 30 minutesÀ lire aussi : BI Cloud ou On-Premise : comment choisir · Déploiement d'un logiciel BI : étapes, planning et pièges
Sources
- CodeWithSQL — Metabase vs Apache Superset: Open Source BI Compared (2026).
- Basedash — Metabase vs Apache Superset (2026): self-hosting, row-level security, embedding, and AI compared.
- Basedash — Best open source BI tools in 2026: 8 self-hosted options compared.
- Drafted — Superset vs Metabase: engineering comparison, TCO and pricing analysis.
- AgentSQL — Metabase vs Superset, Pricing & Features 2026.
- Noel D'Costa — Snowflake vs Databricks (2026): An Honest Decision Guide.
- Weld — Snowflake vs Databricks (2026): Cost and Fit for Small Teams.
- BigData Boutique — Databricks vs Snowflake (2026): Which One Fits Your Stack?
- Cloud Cost Room — Snowflake vs Databricks: A 2026 Cost Comparison.
- Idealogic — Metabase vs Superset in 2026: Embedded Analytics & 36-Mo TCO.
- TutorsBot — Databricks vs Snowflake 2026: Data Platform TCO Comparison.