Amazon Redshift

Ce que c’est

Amazon Redshift est le data warehouse cloud d’AWS, vendu sous deux formes. Les clusters provisionnés tournent sur des nœuds RA3 que vous dimensionnez et payez à l’heure, le stockage étant facturé à part sous le nom de Redshift Managed Storage. Redshift Serverless facture le calcul en Redshift Processing Units (RPU) uniquement pendant l’exécution des requêtes, avec une capacité de base que vous fixez entre 4 et 512 RPU (1 024 dans certaines régions). Les deux interrogent le warehouse et, via Spectrum, des données stockées dans S3. Depuis le 31 août 2026, Redshift lit et écrit aussi des tables Apache Iceberg v3, ce qui compte si votre data lake est le stockage de long terme et le warehouse un moteur parmi d’autres.

Le changement de 2026 qui compte pour les équipes ops, c’est l’accès par des agents. Le 27 août 2026, AWS a intégré Redshift à Agent Toolkit for AWS : l’AWS MCP Server plus un ensemble de skills Redshift (syntaxe SQL, découverte des métadonnées, chargement de données, vues matérialisées, playbooks de migration) packagés dans le plugin aws-data-analytics pour Claude Code, Kiro et Cursor. Il fonctionne avec les clusters provisionnés et les workgroups Serverless, sans surcoût. Par ailleurs, AWS publie un serveur MCP Redshift open source qui exécute le SQL en lecture seule, avec des contrôles contre les instructions dangereuses. Dans la console, le SQL génératif d’Amazon Q dans Query Editor v2 est en GA depuis septembre 2024 et transforme des questions en langage naturel en SQL une fois qu’un admin l’a activé.

Pourquoi les équipes ops arrivent ici

Presque personne ne choisit Redshift pour la RevOps. On en hérite : l’équipe d’ingénierie a standardisé sur AWS il y a des années et les données produit y sont déjà. La vraie question est : nous sommes sur Redshift, pas sur Snowflake. Les outils GTM et de rémunération natifs du warehouse fonctionnent-ils quand même, et les agents peuvent-ils l’interroger sans risque ?

Dans l’ensemble, oui. Hightouch synchronise depuis Redshift, Fivetran y charge les données, Sigma l’interroge en direct, et Everstage comme Fullcast le listent comme connecteur natif. Les intégrations zero-ETL, en GA depuis décembre 2024, répliquent Salesforce et d’autres applications SaaS dans Redshift sans outil de pipeline. Elles sont facturées via AWS Glue, si bien qu’une équipe avec peu de sources n’a peut-être pas besoin de Fivetran. Un usage concret : une équipe CS demande à Claude Code, via le serveur MCP, quels renouvellements de plus de 50 000 $ montrent une baisse des utilisateurs actifs hebdomadaires, et obtient la réponse directement depuis la télémétrie produit et les données Salesforce du même warehouse.

La réalité des prix

Il n’y a pas de prix par utilisateur. Prix catalogue en US East (N. Virginia) :

• Serverless : 0,375 $ par RPU-heure, facturé à la seconde avec un minimum de 60 secondes ; le plancher de 4 RPU coûte donc 1,50 $ par heure d’activité. Les nouveaux utilisateurs de Serverless reçoivent 300 $ de crédits qui expirent au bout de 90 jours. Les Serverless Reservations réduisent le tarif jusqu’à 24 % sur un an et jusqu’à 45 % sur trois ans.
• Provisionné : ra3.xlplus à 1,086 $ par nœud-heure et ra3.4xlarge à 3,26 $, plus le stockage managé à 0,024 $ par Go-mois. Chaque cluster gagne une heure gratuite de Concurrency Scaling par jour, cumulable jusqu’à 30 heures.
• Spectrum : 5 $ par To scanné dans S3.

Un ordre de grandeur : un warehouse RevOps sur Serverless avec une base de 8 RPU, actif environ quatre heures par jour ouvré, contenant 500 Go. Le calcul revient à environ 264 $ par mois (3 $ de l’heure × 4 heures × 22 jours), le stockage à environ 12 $. Environ 280 $ par mois, soit à peu près 3 300 $ par an. La même charge sur deux nœuds ra3.xlplus allumés en continu coûte environ 1 590 $ par mois à la demande, c’est pourquoi les petites charges ops vont sur Serverless.

Idéal pour

Un responsable analytics RevOps ou CS dans une entreprise dont les données produit vivent déjà dans AWS, qui veut des outils d’activation, de rémunération et de BI natifs du warehouse par-dessus, sans projet de migration. Il convient aussi aux équipes qui doivent garder les données clients dans un compte et une région AWS pour la revue de sécurité, et qui veulent que des agents de code interrogent le warehouse sous IAM plutôt que via un service tiers.

À éviter si

Vous choisissez votre premier warehouse sans engagement AWS. Snowflake et BigQuery ont des écosystèmes GTM plus larges et leurs propres couches d’analytics conversationnelle. Le volet IA de Redshift tient surtout à l’accès des agents via MCP, pas à un produit de chat pour les utilisateurs métier. Si la question principale est « avons-nous besoin d’un warehouse ou d’un CDP ? », commencez par data warehouse vs CDP.

Face aux alternatives

• Snowflake : le leader en parts de marché côté GTM et la cible par défaut de chaque éditeur de reverse ETL et de rémunération. Choisissez-le quand vous n’êtes lié à aucun cloud et voulez un chat de type CoWork pour les utilisateurs métier au-dessus du warehouse.
• Google BigQuery : l’autre leader en parts de marché. Choisissez-le quand l’entreprise tourne sur Google Cloud ou Workspace et que vous voulez une tarification à la demande par Tio, sans aucun cluster.
• Databricks : l’acteur à la croissance la plus rapide : la presse d’août 2026 situait le run rate de son activité data warehousing au-delà de 1,5 milliard de dollars, en hausse de plus de 100 % sur un an. Choisissez-le quand la data science et le ML tournent déjà sur le lakehouse et que vous voulez Genie sur les mêmes données.
• Restez sur Redshift quand les données y sont déjà. Migrer un warehouse qui fonctionne pour obtenir un connecteur GTM un peu meilleur vaut rarement un trimestre d’ingénierie.

Points de vigilance

• Serverless propose par défaut une grosse capacité de base. La console suggère 128 RPU, soit 48 $ par heure pendant l’exécution des requêtes. Garde-fou : fixez la base à 8 RPU pour les charges ops et ajoutez une limite d’usage en RPU-heures par jour avec une alerte avant le seuil.
• Les outils BI et les syncs empêchent Serverless de s’endormir. Un dashboard rafraîchi toutes les cinq minutes ou un sync de reverse ETL toutes les heures facture du calcul toute la journée. Garde-fou : regroupez les syncs dans quelques fenêtres batch, matérialisez les modèles que Sigma lit et contrôlez chaque semaine l’usage RPU par workgroup pendant le premier mois.
• L’accès en écriture d’un agent tient à une seule policy IAM. L’AWS MCP Server exécute des appels authentifiés à l’API AWS sous l’identité qu’on lui fournit. Garde-fou : donnez aux agents un rôle IAM et un utilisateur de base de données dédiés, avec des droits SELECT uniquement sur les schémas modélisés, et utilisez le mode lecture seule du serveur MCP Redshift open source pour les questions ad hoc.
• Les UDF Python ont disparu. Le support a pris fin après le 30 juin 2026, et d’anciens packages dbt et tutoriels les utilisent encore. Garde-fou : cherchez LANGUAGE plpythonu dans vos modèles et portez ces fonctions en UDF Lambda avant de dépendre d’un package qui en embarque.
• Les outils de writeback veulent des nœuds plus gros. Sigma recommande ra3.4xlarge ou plus pour ses input tables sur Redshift. Garde-fou : testez le writeback sur Serverless ou sur votre taille de nœud réelle pendant l’essai avant de bâtir une app dessus.

À voir aussi : la stack GTM native du warehouse montre où un warehouse comme Redshift se place à côté de Hightouch, Clay et du CRM.