La fusion dbt-Fivetran (octobre 2025) et la maturation parallèle de Dataform ont modifié le paysage des outils d’ingénierie analytique. Ce qui était une comparaison déséquilibrée — dbt pour la production, Dataform pour les workloads BigQuery simples — présente désormais de véritables compromis des deux côtés.
La fusion
La fusion dbt-Fivetran annoncée en octobre 2025 a créé une entité combinée approchant 600 M$ d’ARR avec plus de 10 000 clients. Il ne s’agit pas d’une acquisition mineure. Elle signale un pivot stratégique de la composition best-of-breed vers des plateformes de données unifiées.
Pendant des années, la thèse du modern data stack était modulaire : choisir le meilleur outil pour chaque couche (ingestion, transformation, orchestration, BI) et les composer. Fivetran gérait l’extraction. dbt gérait la transformation. Ils se complétaient en tant que produits indépendants. La fusion efface cette frontière. L’entité combinée contrôle désormais les deux outils les plus courants dans le workflow d’ingénierie analytique, et l’incitation commerciale est de les faire fonctionner mieux ensemble qu’avec des alternatives.
Cela importe pour le choix des outils de deux façons. Premièrement, les équipes utilisant à la fois Fivetran et dbt bénéficient d’une intégration plus étroite — le package dbt_ad_reporting est déjà le package dbt le plus populaire pour les données marketing, et un couplage plus profond entre les connecteurs et les packages de transformation est inévitable. Deuxièmement, les équipes n’utilisant aucun des deux peuvent faire face à un marché où le fournisseur dominant regroupe ingestion et transformation, rendant les alternatives indépendantes moins compétitives au fil du temps.
Divergence Core/Cloud
La fusion accélère une tendance déjà inconfortable : la divergence croissante entre dbt Core (open source) et dbt Cloud (commercial).
Le moteur dbt Fusion basé sur Rust offre un parsing 30x plus rapide. Les clients Cloud y ont accès. Les utilisateurs de Core non. La couche sémantique, Mesh pour la gouvernance multi-projets et les fonctionnalités avancées de CI comme Slim CI restent réservées au Cloud. Chaque version déplace davantage de capacités derrière le paywall.
Cela crée une tension stratégique. La communauté dbt de plus de 100 000 membres Slack a été construite sur l’accessibilité de Core. L’écosystème de plus de 200 packages a été construit par des développeurs utilisant Core. La portabilité des compétences dbt — présente dans presque chaque offre d’emploi en ingénierie analytique — a été construite sur un outil que n’importe qui pouvait télécharger et apprendre gratuitement.
À mesure que les fonctionnalités exclusives au Cloud s’accumulent, l’écart entre « connaître dbt » et « avoir dbt en production » se creuse. Une équipe utilisant Core manque Slim CI, le moteur Fusion, la couche sémantique et la planification avancée. Ce ne sont pas des fonctionnalités accessoires — ce sont celles qui différencient dbt de ses concurrents. La version open source devient de plus en plus une passerelle vers le produit commercial plutôt qu’un outil autonome.
Certains membres de la communauté ont évoqué un fork de type OpenTofu si les pressions commerciales s’intensifient. Que cela se matérialise dépend de l’agressivité avec laquelle dbt Labs pousse les fonctionnalités Cloud exclusives. Mais cette discussion elle-même signale que la relation entre le projet open source et l’entité commerciale est sous tension.
La maturation de Dataform
Pendant que dbt se consolidait par acquisition, Dataform de Google a significativement mûri. Le service autrefois considéré comme un jouet inclut désormais les contrôles de service VPC, l’intégration Dataplex pour la synchronisation automatique du catalogue de données, l’authentification SSH et les certifications de conformité d’entreprise (SOC 1/2/3, HIPAA, ISO 27001).
Google positionne Dataform comme un service de transformation gratuit et prêt pour la production au sein de l’écosystème BigQuery. Le mot clé est « gratuit ». À mesure que les fonctionnalités commerciales de dbt deviennent plus centrales à sa proposition de valeur, le différentiel de coût entre les deux outils augmente. Une équipe de 10 personnes paie 12 000 $ par an pour dbt Cloud. Dataform ne coûte rien au-delà du compute BigQuery.
Les lacunes en matière de tests, les lacunes des outils et les limitations de l’écosystème restent réelles. Mais le moteur de base de Dataform — compiler du SQLX en SQL et l’exécuter contre BigQuery — est désormais de qualité entreprise. La question n’est plus « Dataform est-il prêt pour la production ? » mais « les lacunes de l’écosystème valent-elles le coût de licence ? »
Implications pour le choix des outils
Pour les équipes multi-entrepôts, la fusion renforce la position de dbt. L’entité combinée Fivetran-dbt offre un pipeline unifié d’ingestion à transformation sur plus de 20 plateformes. Aucun autre outil ne correspond à cette étendue.
Pour les équipes exclusivement sur BigQuery, le calcul a changé. Dataform n’est plus un compromis — c’est un outil légitime pour les workloads de production. La décision se concentre désormais sur le fait de savoir si la prime de l’écosystème dbt (packages, CI/CD, outillage IDE, communauté) justifie son coût quand l’alternative est mature et gratuite.
Pour les utilisateurs de dbt Core, la fusion soulève des questions stratégiques. Si les fonctionnalités les plus précieuses continuent de migrer vers le Cloud, Core devient moins compétitif face à Dataform pour les workloads BigQuery exclusifs. Une équipe qui a choisi Core pour éviter les coûts de licence peut constater que Dataform offre un meilleur niveau gratuit, avec une intégration GCP native que Core ne peut pas égaler.
Pour le marché au sens large, la tendance vers la consolidation des plateformes est claire. La fusion dbt-Fivetran, les changements de tarification de Fivetran et l’investissement de Google dans Dataform indiquent tous un avenir où la transformation est regroupée avec des capacités adjacentes plutôt que vendue comme une couche autonome. L’ère best-of-breed n’est pas terminée, mais les incitations économiques favorisent la consolidation.
En 2026, les deux outils transforment efficacement du SQL. La décision dépend de la trajectoire d’une organisation — vers la simplicité exclusive à BigQuery ou vers l’optionnalité multi-cloud — et de la question de savoir si l’écosystème dbt justifie le coût de licence.