Dans beaucoup d’entreprises, le chiffre d’affaires du mois n’a pas la même valeur selon que l’on ouvre le tableau de bord de la finance, celui du marketing ou l’export d’un analyste. Looker s’attaque à ce problème : plutôt que de laisser chaque rapport recalculer ses propres indicateurs, il impose une définition commune, écrite une fois, que tous les outils de l’entreprise réutilisent. C’est la plateforme de BI d’entreprise de Google Cloud, administrée depuis la console Google Cloud et facturée sur le même compte que vos autres services.
Looker n’est pas Looker Studio
La confusion est fréquente, car Google a longtemps fait cohabiter les deux noms. Looker Studio, que Google désigne désormais sous le nom de Data Studio dans ses pages Looker, est l’outil gratuit de création de rapports en libre-service, très utilisé en marketing pour brancher Google Analytics, Search Console ou Google Ads. Looker est un produit distinct, payant, pensé pour l’entreprise : il repose sur une couche de modélisation centralisée, des API et une gouvernance des accès.
| Critère | Looker | Looker Studio (Data Studio) |
|---|---|---|
| Public visé | Équipes data et grandes organisations | Marketeurs, indépendants, PME |
| Modélisation | Couche sémantique LookML versionnée sous Git | Sources connectées rapport par rapport |
| Tarif | Sur devis, engagement annuel | Version gratuite, offre Pro payante |
| Intégration dans une application | Édition Embed, SDK et API | Partage et intégration de rapports |
Les deux se combinent : Google présente Looker comme la source gouvernée des métriques et Data Studio comme l’outil de mise en récit rapide, branché sur les modèles Looker grâce à un connecteur. Si votre besoin se limite à un rapport mensuel de campagnes, la version gratuite de Looker Studio reste plus adaptée.
Comment fonctionne Looker au quotidien
Looker ne stocke pas vos données : il interroge directement votre entrepôt (BigQuery, AlloyDB, Cloud SQL, Spanner, ou Snowflake, Amazon Redshift, Databricks et Azure Synapse parmi plus de 60 dialectes SQL). Le travail se répartit entre deux profils.
- Les développeurs LookML décrivent les tables, les jointures, les dimensions et les mesures dans l’IDE Looker, en mode Développement sur une branche Git personnelle. Un validateur signale les erreurs avant la mise en production, et une extension permet de travailler depuis VS Code.
- Les utilisateurs métier ouvrent une exploration, cochent les champs qui les intéressent, filtrent et choisissent un graphique. Looker génère le SQL à leur place et garde les mêmes règles de calcul que tous les autres rapports.
Par-dessus cette base, Gemini ajoute plusieurs couches d’IA : Conversational Analytics pour poser une question en langage naturel sur une exploration ou un tableau de bord, un assistant de visualisation qui modifie un graphique à partir d’une consigne écrite, et une aide à la rédaction de LookML. Comme les réponses s’appuient sur le modèle sémantique, l’IA réutilise les définitions validées par l’équipe data plutôt que d’improviser une requête sur des tables brutes.
Côté prise en main, la documentation officielle est traduite en français et l’interface peut s’afficher en français. La courbe d’apprentissage tient surtout au LookML : il faut au moins une personne à l’aise avec le SQL pour construire et maintenir le modèle.
Cas d’usage par profil
- Direction financière et contrôle de gestion : un référentiel unique pour vos KPI, des tableaux de bord à onglets et des envois planifiés par e-mail, vers S3, SFTP ou un webhook.
- Équipes marketing : Google met en avant des modèles prêts à l’emploi pour croiser les données de Google Marketing Platform, construire des segments d’audience à partir des données first party et les renvoyer vers Google Analytics.
- Éditeurs SaaS et plateformes : l’édition Embed affiche des tableaux de bord Looker dans votre propre produit, avec embedding signé, thèmes personnalisés et API Conversational Analytics pour proposer un assistant à vos clients.
- Équipes FinOps : des modèles de coûts cloud regroupent la facturation de Google Cloud, AWS et Azure dans une même vue.
- Utilisateurs de Google Workspace : les feuilles connectées exposent les modèles LookML dans Google Sheets, et des connecteurs existent pour Excel, Power BI et Tableau Desktop.
Looker face à Power BI, Tableau et Looker Studio
Parmi les outils de business intelligence, Looker se distingue par sa logique de modélisation centrale en code. Microsoft Power BI s’adresse naturellement aux entreprises déjà équipées de Microsoft 365 et d’Azure, avec une modélisation pensée d’abord pour l’analyste. Tableau garde l’avantage sur l’exploration visuelle et la richesse des graphiques, là où Looker mise sur la cohérence des métriques et l’intégration dans des applications. Looker Studio, enfin, reste l’option gratuite pour des rapports rapides, sans gouvernance centrale.
Si votre priorité est la qualité visuelle ou la création de rapports par des non-spécialistes, comparez d’abord les outils de data visualisation. Si votre problème est que chaque service calcule ses indicateurs à sa manière, Looker répond plus directement à ce besoin.
Les limites à connaître avant de signer
- Aucun prix public : la plateforme et chaque licence utilisateur (Développeur, Standard, Lecteur) se négocient avec le service commercial, sur un engagement d’un à trois ans.
- Le mode Lecteur ne permet ni de créer un tableau de bord ni d’explorer : il faut prévoir des licences Standard pour les utilisateurs qui analysent eux-mêmes.
- Conversational Analytics est en accès promotionnel sans limite jusqu’au 31 janvier 2027, puis facturé selon la consommation au-delà du quota mensuel de jetons inclus.
- Une instance d’essai ne se convertit pas directement en édition payante : il faut créer une nouvelle instance et y importer le contenu.
- Gemini n’est pas disponible sur les instances qui utilisent CMEK ou VPC Service Controls, ce qui oblige à arbitrer entre sécurité maximale et fonctions d’IA.
Quelle édition choisir
Les trois éditions de Looker (Google Cloud Core) incluent chacune une instance de production, 10 utilisateurs standards et 2 développeurs. La différence tient au périmètre et aux quotas d’API.
- Standard : pour une équipe de moins de 50 utilisateurs qui démarre sur BigQuery, avec 1 000 appels d’API liés aux requêtes par mois.
- Enterprise : dès que vous dépassez 50 utilisateurs ou que la sécurité réseau impose des connexions privées et VPC Service Controls.
- Embed : si des clients ou partenaires externes doivent voir les tableaux de bord dans votre application. Google recommande alors d’acheter aussi une instance Embed hors production pour les tests.
Avant de vous engager, profitez de l’instance d’essai de 90 jours, disponible pour chacune des trois éditions depuis la console Google Cloud : c’est le moyen le plus fiable de vérifier qu’un premier modèle LookML couvre vos indicateurs clés et d’estimer le nombre de licences dont vous aurez besoin.