Le modèle de tarification de Fivetran a changé en mars 2025, passant d’une tarification par compte à une tarification par connecteur sur les Monthly Active Rows (MAR). Avant ce changement, acheter de l’ELT géré était globalement rentable : 50 à 100 heures par connecteur personnalisé, 44% du temps des ingénieurs perdu en maintenance de pipelines (Wakefield Research), contre une facture mensuelle prévisible à un coût d’ingénierie de 150 $/heure. Le changement de mars 2025 a modifié ce calcul pour beaucoup d’équipes.
Ce qui a changé
Le passage d’une tarification MAR par compte à une tarification MAR par connecteur a modifié la façon dont les coûts évoluent.
Les remises sur volume ont disparu. Sous l’ancien modèle, votre volume MAR total sur tous les connecteurs déterminait votre niveau tarifaire. Les comptes à volume élevé bénéficiaient de remises qui rendaient les connecteurs individuels moins chers au fur et à mesure que vous en ajoutiez. La nouvelle tarification MAR par connecteur signifie que chaque connecteur a son propre niveau tarifaire. Ajouter des connecteurs ne bénéficie plus de remises sur volume.
Les augmentations de coûts ont été immédiates. Les utilisateurs Reddit ont signalé des augmentations de coûts de 4 à 8x après le changement. Un utilisateur a décrit un passage de 20 $/mois à 2 000 $/mois à mesure que son volume de données augmentait. Des équipes avec de nombreuses connexions ont signalé des augmentations de 70%. 35% des évaluateurs récents sur G2 citent le coût comme leur principale préoccupation concernant Fivetran.
Le plancher minimum a augmenté. Le contrat annuel minimum est à 12 000 $. C’est avant même que des données ne circulent. Pour les petites et moyennes équipes, le plancher seul peut dépasser ce que devrait coûter leur infrastructure de pipeline.
Pourquoi les données marketing sont les plus touchées
La tarification MAR vous facture pour chaque ligne modifiée au cours d’une période de facturation. Les données marketing changent constamment, d’une façon qui rend la tarification MAR particulièrement pénalisante.
Les métriques publicitaires se mettent à jour rétroactivement. Les plateformes comme Meta recalculent l’attribution sur des fenêtres de 3 à 7 jours. Le nombre de clics d’hier sera différent demain. Chaque mise à jour rétroactive compte comme une ligne active, même si l’événement sous-jacent n’a pas changé — la plateforme a simplement révisé son calcul d’attribution.
Les fenêtres d’attribution évoluent. Lorsqu’une conversion est attribuée à un clic publicitaire de la semaine dernière, la ligne représentant la performance de cette publicité se met à jour. Chaque recalcul d’attribution sur chaque campagne génère des lignes actives.
Les données de performance des campagnes se rafraîchissent quotidiennement. Les métriques quotidiennes de dépenses, impressions et clics pour les campagnes actives changent à chaque cycle de synchronisation. Un compte modeste avec 50 campagnes sur 5 groupes d’annonces génère des centaines de lignes qui se mettent à jour à chaque synchronisation. Un grand compte avec des milliers de campagnes actives peut produire des volumes MAR considérables.
Les données granulaires multiplient le problème. Si vous synchronisez des données de performance au niveau des annonces ou des mots-clés (ce que la plupart des équipes analytics ont besoin pour les décisions d’optimisation), les volumes de lignes explosent. Les résumés au niveau du compte ont des MAR gérables ; les données granulaires qui alimentent réellement les décisions ne l’ont pas.
Le résultat est que les données marketing — l’un des cas d’usage les plus courants pour l’ELT géré — sont devenues l’une des catégories les plus coûteuses sous la nouvelle tarification. Ce qui ressemblait à une dépense raisonnable à 500 $/mois peut devenir une ligne de 5 000 $/mois une fois que vos campagnes s’intensifient ou que votre granularité de synchronisation augmente.
Le problème de prévisibilité
Le problème plus profond n’est pas seulement le coût — c’est l’imprévisibilité du coût. Sous l’ancien modèle, vous pouviez estimer votre facture Fivetran avec une précision raisonnable. Sous la tarification MAR par connecteur, votre facture dépend de :
- Combien de lignes chaque source modifie au cours d’un mois donné
- La fréquence de vos synchronisations (des synchronisations plus fréquentes = plus de MAR pour les sources à mise à jour rétroactive)
- La granularité de vos données (au niveau des annonces vs au niveau des campagnes)
- Si une source a connu un événement de données inhabituel (une mise à jour en masse, une migration de schéma, un recalcul rétroactif)
Aucun de ces éléments n’est entièrement sous votre contrôle. La décision d’un système source de retraiter des données historiques peut faire exploser votre facture sans avertissement. Cela transforme Fivetran d’une dépense opérationnelle prévisible en un coût variable qui nécessite une surveillance active.
Pour les équipes qui ont choisi l’ELT géré spécifiquement pour éviter la charge opérationnelle de la construction de pipelines, devoir surveiller et optimiser le modèle de facturation de leur outil ELT est un résultat ironique. Le « coût caché de l’achat » est devenu très visible.
Ce que cela signifie pour le calcul construire vs acheter
L’argument traditionnel en faveur de l’achat reposait sur la prévisibilité des coûts et le coût élevé du temps d’ingénierie. Ces deux piliers se sont affaiblis :
-
La prévisibilité des coûts a disparu. L’intérêt de payer pour de l’ELT géré était d’éviter les surprises de coûts d’infrastructure. La tarification MAR par connecteur réintroduit exactement le type de coût variable et difficile à prévoir que les outils gérés étaient censés éliminer.
-
La référence de comparaison a évolué. Le coût annuel de maintenance de 520 000 $ cité dans les analyses traditionnelles supposait des ingénieurs passant des semaines par connecteur. Avec le développement assisté par IA et les outils open-source matures, le temps d’ingénierie par connecteur a considérablement diminué.
-
Le calcul du seuil de rentabilité a changé. Lorsque Fivetran coûtait 500 $/mois pour les données marketing et qu’un connecteur personnalisé prenait 100 heures à construire, l’achat l’emportait facilement. Lorsque Fivetran coûte 2 000 à 5 000 $/mois et qu’un connecteur personnalisé prend 10 à 20 heures avec l’assistance de l’IA, les calculs s’inversent pour beaucoup d’équipes.
Fivetran reste rentable pour certains scénarios — exigences de conformité, équipes non techniques, couverture extrême de connecteurs. Pour les équipes de données marketing chargeant vers BigQuery, le modèle MAR par connecteur a significativement décalé le seuil de rentabilité du construire vs acheter.