Looker

Ce que c’est

Looker est la plateforme de BI d’entreprise de Google Cloud, construite autour de LookML : une couche sémantique définie en code, où votre équipe data écrit une seule fois ce que signifient « pipeline », « net revenue retention » ou « compte actif ». Chaque dashboard, chaque rapport planifié et chaque réponse d’IA interroge ensuite votre data warehouse en direct à travers ces définitions. Looker fonctionne sur BigQuery, Snowflake, Databricks, Redshift et la plupart des autres bases SQL, et existe en deux versions : Looker (original) et Looker (Google Cloud core), la version facturée via un compte Google Cloud. Google a été nommé Leader dans le Magic Quadrant 2026 de Gartner pour les plateformes d’analytics et de BI, pour la troisième année consécutive.

L’histoire de 2026, ce sont les agents. Lors de Google Cloud Next, le 22 avril 2026, Google a annoncé Looker BI Agents : l’agent Conversational Analytics (déjà en GA) a reçu une amélioration du raisonnement en preview, les dashboard agents répondent aux questions directement dans un dashboard existant, et les workflows agentiques planifiés qui surveillent les métriques pour détecter des anomalies sont entrés en preview le 9 octobre. Les data agents pour les dashboards définis par l’utilisateur et les dashboards LookML sont en disponibilité générale depuis le 8 octobre. Un serveur MCP géré par Looker est en preview, en plus de la prise en charge de la MCP Toolbox open source, et l’extension Looker pour VS Code est passée en GA le 10 septembre.

À ne pas confondre avec Data Studio : Google a renommé Looker Studio en Data Studio en avril 2026, donc « Looker » désigne désormais uniquement la plateforme de couche sémantique.

Pourquoi on le trouve dans les stacks RevOps et CS

• Une seule définition de métrique pour toutes les équipes. Le conflit récurrent en RevOps : la finance, les ventes et le CS remontent chacun un ARR différent. Dans Looker, la définition vit dans du LookML versionné, et chaque graphique, chaque envoi planifié et chaque réponse d’agent en hérite. C’est la raison la plus solide de choisir Looker plutôt qu’un outil de BI façon tableur.
• Les agents répondent à partir de définitions gouvernées, pas de tables brutes. Un CSM qui demande « quels comptes ont perdu 30% d’usage ce trimestre ? » obtient une réponse calculée avec la même mesure LookML que le dashboard de QBR. Les équipes data peuvent marquer des verified queries (en GA depuis le 28 août) pour que les questions fréquentes renvoient une réponse validée.
• Il va jusque dans Gemini Enterprise. Les agents Conversational Analytics peuvent être publiés dans Gemini Enterprise et, depuis le 5 août, ces conversations renvoient des graphiques Looker. Les ingénieurs peuvent interroger la couche sémantique depuis Claude ou Cursor via MCP.

Le prix en pratique

Google ne publie pas de prix annuels. Sa page tarifaire liste trois éditions de plateforme — Standard (moins de 50 utilisateurs, 1 000 appels d’API basés sur des requêtes par mois), Enterprise (100 000) et Embed (500 000) —, chacune incluant 10 utilisateurs Standard et 2 Developer, vendues sur des durées d’un, deux ou trois ans, plus des licences par utilisateur de trois types : Developer, Standard et Viewer. Des lectures tierces de la liste de SKU de Google, vérifiées le 12 octobre 2026, situent Standard à environ 5 000 $ par mois, avec des utilisateurs supplémentaires à environ 30 $ Viewer, 60 $ Standard et 125 $ Developer par mois.

Données acheteurs : Vendr rapporte un contrat Looker médian de 84 602 $ par an sur 418 achats, avec environ 18% d’économie par rapport au premier devis. Prévoyez 60 000 $ par an comme plancher pour Standard avant les utilisateurs supplémentaires, et 85 000–150 000 $ pour Enterprise avec quelques centaines de viewers. Le compute du warehouse est facturé à part.

Conversational Analytics est mesuré en « data tokens ». Standard inclut 60M de tokens en entrée et 1,2M en sortie par mois, Enterprise 300M et 6M, Embed 1,2B et 24M. Le dépassement coûte 3 $ pour 1M de tokens en entrée et 20 $ pour 1M en sortie, mais la facturation n’est pas encore appliquée : Google mène une période promotionnelle sans quota et s’est engagé à prévenir 90 jours avant de facturer.

Idéal pour

Les responsables RevOps et CS ops d’entreprises de 200 salariés ou plus, dotées d’un warehouse modélisé (BigQuery surtout) et d’au moins un analytics engineer qui prendra en charge LookML, lorsque le problème principal est des définitions de métriques contradictoires entre plus de 50 consommateurs de rapports — et que ces consommateurs posent de plus en plus leurs questions dans un chat plutôt que d’ouvrir des dashboards.

Passez votre chemin si personne dans l’équipe n’écrira de LookML : vous paierez des prix d’entreprise pour un outil qui cale dès son premier modèle. Passez aussi votre chemin si vous êtes sous Microsoft 365 E5, où Power BI Pro est déjà inclus dans le bundle.

Face aux alternatives

Power BI domine la BI en base installée, à 14 $ par utilisateur et par mois en Pro. Choisissez-le dans une entreprise Microsoft où le reporting est tout le travail. Choisissez Looker quand vous avez besoin d’une couche sémantique revue comme du code et partagée entre outils et agents.

Tableau Cloud Creator est affiché à 75 $ par utilisateur et par mois. Choisissez-le pour des analystes formés qui font de l’exploration visuelle intensive. Choisissez Looker quand la gouvernance des définitions partagées compte plus que la liberté visuelle.

Omni est le nouvel entrant à la croissance la plus rapide : fondé par d’anciens dirigeants de Looker, il a levé une série C de 120 millions de dollars pour une valorisation de 1,5 milliard de dollars en avril 2026, avec une croissance du chiffre d’affaires de 4x sur un an. Choisissez Omni si vous voulez une couche sémantique à la Looker avec un self-service plus rapide façon tableur et que vous n’êtes pas engagé sur Google Cloud. Choisissez Looker pour la profondeur sur BigQuery et la portée dans Gemini Enterprise.

Sigma l’emporte quand les utilisateurs métier doivent réécrire dans le warehouse. Hex l’emporte quand le travail est de l’analyse exploratoire dans des notebooks SQL et Python. Si aucun ne convient parce que vos données sources ne sont pas encore dans un warehouse, commencez par data warehouse vs CDP.

Points de vigilance

• LookML est un travail de développeur. Les Explores en self-service et l’Expression Assistant aident, mais toute métrique durable vit toujours dans LookML. Garde-fou : désignez un analytics engineer comme responsable de LookML avant de signer et budgétez ses licences Developer ; traitez les Explores en self-service comme des prototypes ensuite promus en LookML.
• Le dépassement de Conversational Analytics finira par être facturé. La période gratuite se termine avec 90 jours de préavis, et Google n’a pas publié combien de tokens consomme une question typique. Garde-fou : activez dès maintenant la preview d’observabilité de l’usage des tokens, mesurez 60 jours d’usage comme référence et inscrivez dans votre renouvellement l’allocation incluse et le tarif de dépassement.
• L’intégration Gemini Enterprise n’est pas encore stabilisée. Les data agents publiés doivent être republiés après une mise à jour de l’instance Gemini Enterprise. Garde-fou : lancez un pilote avec une seule équipe et ajoutez « republier les agents Looker » à votre checklist de changements Gemini Enterprise.
• Les dépréciations de 2026 retirent des éléments que vous utilisez peut-être. Les Looker reports sont dépréciés depuis le 13 juillet 2026 ; le service autonome Spectacles s’arrête à partir du 30 novembre 2026 ; les licences Data Studio Pro gratuites ont pris fin pour les instances Google Cloud core créées après le 1er août 2026. Garde-fou : basculez les livrables de type rapport vers le paginated reporting (GA), migrez les contrôles Spectacles vers Looker Continuous Integration avant le 30 novembre et chiffrez Data Studio Pro séparément dans les nouveaux contrats.
• Looker interroge des bases de données, pas des applications. Il n’a pas de connecteurs natifs vers un CRM ou un outil de support. Garde-fou : chargez d’abord les données Salesforce et Zendesk dans le warehouse avec Fivetran ou équivalent, et intégrez ce coût d’ELT dans le business case.