Google Cloud franchit une étape majeure en unifiant ses services analytiques sous BigQuery, qui devient désormais la plateforme centrale pour la gestion des données et l’intelligence artificielle. Annoncée lors du Google Cloud Next 2024, cette transition vise à offrir une expérience plus fluide, plus intégrée et plus puissante aux entreprises exploitant des données à grande échelle.
Cette transformation s’accompagne de l’activation automatique de plusieurs services dans les projets existants, à partir d’août 2025. Une évolution stratégique qui simplifie l’adoption des technologies IA et des outils avancés de gestion des données.
Pourquoi Google Cloud mise tout sur BigQuery ?
L’explosion des données et l’essor de l’IA nécessitent des infrastructures capables de traiter, stocker et analyser d’énormes volumes d’informations. Jusqu’à présent, les entreprises devaient jongler avec plusieurs services distincts pour gérer ces flux.
Avec cette unification, Google Cloud transforme BigQuery en une plateforme AI-ready, capable de centraliser :
✅ Les données structurées et non structurées (texte, images, vidéos, logs, flux temps réel).
✅ Les requêtes SQL, Python et Spark dans un environnement unique.
✅ L’analyse en streaming pour des insights instantanés.
✅ Le machine learning avec une connexion directe à Vertex AI.
En résumé, BigQuery devient une plateforme unique qui simplifie les workflows des équipes data et accélère la mise en production des projets IA.
Les nouveaux services intégrés à BigQuery
Pour accompagner cette transition, Google Cloud va activer automatiquement plusieurs services clés dans les projets existants. Ces outils seront directement disponibles dans l’environnement BigQuery, sans nécessiter d’intervention manuelle.
📌 1. Exécution de notebooks et IA intégrée
Google Cloud active plusieurs services permettant de créer et d’exécuter des workflows avancés directement dans BigQuery :
- Vertex AI : Pour entraîner et déployer des modèles de machine learning.
👉 https://cloud.google.com/vertex-ai/docs - Dataproc : Pour exécuter des workloads Apache Spark et Hadoop.
👉 https://cloud.google.com/dataproc/docs - Compute Engine : Pour disposer d’une puissance de calcul flexible.
👉 https://cloud.google.com/compute/docs
💡 Exemple d’usage : Une équipe data peut directement entraîner un modèle d’IA sur des données BigQuery, sans exporter ses datasets vers une autre plateforme.
📌 2. Traitement et transformation des données
Avec l’intégration de Dataproc, BigQuery prend en charge le traitement de données massives :
✔️ Exécution de workflows Spark et Hadoop directement depuis BigQuery.
✔️ Transformation et agrégation de données à grande échelle.
📌 3. Chargement et streaming des données en temps réel
L’intégration automatique de BigQuery Data Transfer Service et Datastream permettra :
- Le chargement automatique de données depuis Google Ads, Google Analytics, Amazon S3, etc.
- L’analyse en temps réel des flux de données avec Datastream.
💡 Cas d’usage : Une entreprise e-commerce pourra analyser en temps réel ses performances publicitaires sur Google Ads grâce à un pipeline de données automatisé dans BigQuery.
Calendrier de déploiement et dates clés
Google Cloud a prévu un déploiement progressif de cette évolution, avec plusieurs étapes à retenir :
📅 18 août 2025
- BigQuery Data Transfer Service n’aura plus besoin de Cloud Resource Manager pour fonctionner.
📅 25 août 2025
- L’API
bigqueryunified.googleapis.comsera activée automatiquement dans les projets existants. - Activation automatique des services suivants :
✅ BigQuery Data Transfer Service
✅ Compute Engine & OS Login
✅ Dataproc
✅ Datastream
✅ Vertex AI
📅 À partir du 25 août 2025
- BigQuery Data Transfer Service sera activé par défaut dans tous les nouveaux projets Google Cloud.
Quels impacts pour les entreprises ?
Cette refonte offre de nombreux avantages pour les entreprises qui exploitent des données à grande échelle, mais elle nécessite aussi une adaptation des processus internes.
✅ Les opportunités à saisir
✔️ Simplification : Moins de configurations manuelles, une gestion unifiée des services.
✔️ Interopérabilité : Exécution de SQL, Python et Spark sur une seule plateforme.
✔️ Gain de temps : Activation automatique des services clés, sans intervention admin.
✔️ Meilleure gouvernance des coûts : Les nouveaux services ne génèrent des frais qu’en cas d’utilisation effective.
❌ Les défis à anticiper
⚠️ Mise à jour des automatisations : Certains scripts devront être ajustés.
⚠️ Sécurité et conformité : Vérifier l’impact de ces activations sur les politiques internes.
⚠️ Changement d’outils : Certaines équipes devront adapter leurs workflows actuels.
Comment désactiver ces changements ?
Les entreprises qui ne souhaitent pas bénéficier de cette activation automatique peuvent demander une exclusion avant le 18 août 2025 :
✅ En remplissant le formulaire d’opt-out mis à disposition par Google Cloud.
✅ En envoyant un e-mail à bigquery-api-support-alias@google.com avec les numéros de projets ou d’organisation concernés.
📌 Important : Si vous refusez l’activation automatique, vous devrez activer manuellement ces services en cas de besoin ultérieur.
Conclusion : Google Cloud accélère la convergence Data & IA
L’unification de BigQuery avec les services analytiques de Google Cloud marque une révolution dans la gestion des données. Avec cette plateforme unique, les entreprises disposent d’un environnement puissant pour analyser, transformer et exploiter leurs données en intégrant nativement des capacités d’intelligence artificielle.
Toutefois, cette évolution impose aux entreprises de bien anticiper les impacts sur leurs workflows actuels et de décider si elles souhaitent adopter cette transition dès maintenant ou conserver un contrôle plus granulaire sur leurs activations de services.
🚀 Et vous, comment comptez-vous intégrer ces évolutions dans votre stratégie data ?
💬 Votre avis nous intéresse : êtes-vous prêt à adopter ce nouveau BigQuery ?