Modèles économiques comparés

Comprendre les modèles de facturation BigQuery et Snowflake pour choisir le plus adapté à vos usages.

Pourquoi le modèle économique est une décision d'architecture

En FinOps Data, le modèle de facturation n'est jamais un détail contractuel. C'est une décision structurante qui influence directement la gouvernance, la prévisibilité budgétaire et les leviers d'optimisation disponibles.

Deux équipes utilisant la même plateforme peuvent produire des factures radicalement différentes, uniquement à cause du modèle économique choisi.

L'objectif de cette page est simple : comprendre dans quel contexte chaque modèle devient pertinent, et quelles contraintes il introduit.

À retenir

Le choix du modèle économique doit précéder toute optimisation technique. Optimiser des requêtes en on-demand alors que la capacity serait plus adaptée revient à optimiser le mauvais problème.

BigQuery : On-demand

Le mode on-demand est le mode par défaut de BigQuery. Chaque requête est facturée en fonction du volume de données scannées, indépendamment du temps d'exécution.

Ce modèle privilégie la simplicité et la flexibilité, mais il transfère la responsabilité du coût vers la qualité des requêtes.

$5 par TB scanné

Minimum facturé : 10 MB par requête

Avantages

  • Aucun engagement
  • Grande flexibilité
  • Adapté aux workloads exploratoires

Limites

  • Très sensible à la qualité des requêtes
  • Absence de plafond budgétaire
  • Risque élevé sans gouvernance FinOps

Erreur fréquente

Rester en on-demand par défaut sans jamais réévaluer. Analysez votre consommation tous les trimestres : au-delà de 500 TB/mois, le calcul du break-even devient urgent.

BigQuery : Capacity (Editions)

Le modèle capacity repose sur l'achat d'une capacité de calcul, exprimée en slots, indépendamment du volume de données scannées.

Ce modèle transforme une dépense variable en une dépense prévisible et contrôlée, au prix d'une gouvernance plus exigeante.

EditionPrix par slot-heurePositionnement
Standard$0.04Développement et test
Enterprise$0.06Production
Enterprise Plus$0.10Environnements critiques

Avantages

  • Prévisibilité budgétaire
  • Plafonnement des coûts
  • Meilleur contrôle de la concurrence

Limites

  • Capacité fixe
  • Slots inutilisés facturés
  • Nécessite une gouvernance mature

Break-even BigQuery : un indicateur, pas une règle

Le break-even BigQuery correspond au point où le coût mensuel d'une capacité de slots devient comparable au coût du mode on-demand.

Il s'agit d'un repère financier, pas d'un seuil de décision automatique.

Exemple avec 100 slots Enterprise

  • Coût mensuel approximatif : $4,380
  • Équivalent on-demand : environ 875 à 900 TB par mois
  • Moins de 500 TB : on-demand souvent plus économique
  • Autour de 900 TB : coûts comparables
  • Au-delà de 1 PB : capacity généralement pertinente

À retenir

De nombreuses équipes adoptent la capacity avant le break-even financier pour des raisons de gouvernance, de SLA et de sérénité budgétaire.

Snowflake : Modèle à crédits

Snowflake facture le compute via des crédits, consommés par les warehouses en fonction de leur taille et de leur durée d'exécution.

Ce modèle rend le coût très sensible au dimensionnement et à la discipline d'usage.

EditionOn-demandCapacity sur 1 an
Standard$2.00$1.60
Enterprise$3.00$2.40
Business Critical$4.00$3.20

Break-even Snowflake : une question de stabilité

Contrairement à BigQuery, Snowflake ne possède pas de break-even universel.

Le point de bascule dépend principalement de la stabilité de la consommation de crédits et de la maturité de la gouvernance.

La capacity Snowflake devient pertinente lorsque :

  • La consommation mensuelle est stable
  • Les warehouses sont correctement gouvernés
  • Les usages sont prévisibles

En pratique, les organisations consommant plusieurs milliers de crédits par mois bénéficient significativement du pré-achat.

Décision concrète

Avant de négocier un contrat capacity, mesurez 3 mois de consommation réelle. Un engagement basé sur des estimations conduit souvent à du sur-provisionnement.

Quand choisir quoi ?

SituationBigQuerySnowflake
Démarrage ou POCOn-demandOn-demand
Workload prévisibleCapacityCapacity
Budget contraintCapacity plafonnéeResource monitors
Pics de chargeAutoscaling slotsMulti-cluster warehouses
Jonathan Kini

Jonathan Kini

J'aide les équipes data à réduire et maîtriser leurs coûts BigQuery et Snowflake, sans sacrifier la performance. 8 ans de terrain, de la startup aux environnements data à grande échelle.