Quand Fivetran a du sens.
Et quand il n'en a pas.

Des outils comme Fivetran et Airbyte existent pour résoudre un seul problème précis. Ils prennent en charge la partie extraction de l'ETL. Ou, plus justement aujourd'hui, de l'ELT. Faire sortir les données des systèmes sources et les déposer dans un entrepôt ou un data lake.

Ils le font via des connecteurs managés. Vous vous authentifiez, vous pointez vers une destination, et en quelques minutes les données circulent. Ils gèrent aussi la dérive de schéma. Quand les données sources évoluent dans le temps, nouvelles colonnes, champs modifiés, ils s'adaptent sans que vous ayez à écrire et maintenir du code sur mesure.

Pour les équipes qui tournent sur des plateformes comme Databricks, c'est particulièrement séduisant. Les intégrations avec Unity Catalog facilitent la gouvernance et le contrôle d'accès, et vous obtenez quelque chose d'utilisable très vite.

Cette rapidité, c'est la vraie valeur. La question est de savoir quand cet arbitrage cesse d'avoir du sens.

À petite et moyenne échelle, ces outils relèvent souvent de l'évidence.

Prenez quelque chose comme la synchronisation des données HubSpot. Vous le branchez, vous déposez les données commerciales dans votre entrepôt, et vous passez à autre chose. Pour des volumes modestes, le coût peut être très faible. En interne, nous avons eu des connecteurs qui coûtaient quelques dizaines de dollars par mois, même après des hausses de prix. À ce niveau, cela ne vaut pas la peine de construire et de maintenir vos propres pipelines, même si vous en avez les compétences. C'est un travail de commodité.

Là où les équipes se retrouvent en difficulté, c'est à grande échelle.

Fivetran facture en fonction des Monthly Active Rows (lignes actives mensuelles). À mesure que les volumes de données augmentent ou que le taux de renouvellement grimpe, la facture tend à aller dans une seule direction. Vers le haut. Répliquer des bases de données entières, surtout celles comportant des tables analytiques fréquemment recréées ou soumises à de nombreux changements, peut faire grimper rapidement le nombre de lignes. Ce qui démarrait comme un service managé pratique peut se transformer en un coût mensuel à quatre chiffres.

À un moment, vous atteignez un point d'inflexion où il devient moins cher de construire et d'exploiter le pipeline vous-même. Ce point diffère pour chaque entreprise. L'important, c'est de savoir qu'il existe.

Une chose que Fivetran fait bien, c'est la visibilité sur les coûts dès le départ. Vous pouvez lancer un essai, voir combien de lignes vous ingérez, et obtenir une estimation raisonnable du coût récurrent.

C'est le moment de ne pas seulement demander « pouvons-nous nous le permettre aujourd'hui ? », mais « jusqu'où cela peut-il grossir avant de devenir un problème ? »

Si le jeu de données est petit et stable, la réponse est peut-être jamais. S'il est volumineux ou croît rapidement, vous devriez déjà réfléchir à des alternatives. Désactiver les connecteurs inutilisés, cadrer étroitement les synchronisations et éviter la réplication complète d'une base de données sauf nécessité peut aider. Mais il ne faut pas présumer par défaut que ces outils constituent une infrastructure permanente.

Les données réglementées sont une autre surprise fréquente.

De nombreux fournisseurs managés répondent techniquement aux exigences de sécurité. Chiffrement, contrôles d'accès, journaux d'audit. Mais les documents de conformité formels, comme les BAA, sont souvent réservés aux offres entreprise. Ces offres peuvent démarrer à cinq chiffres par mois.

À ce stade, vous ne comparez plus un logiciel à un logiciel. Vous comparez un logiciel au recrutement d'un ingénieur. Et cela change entièrement la décision.

Ce n'est pas propre à Fivetran. C'est un schéma SaaS général. Mais c'est un élément que les équipes devraient prendre en compte tôt si les exigences de conformité risquent de croître.

Il existe de nombreux cas où des pipelines sur mesure sont la bonne réponse.

La réplication de base de données en est un courant. Avec la capture de données de changement (CDC), vous pouvez ne diffuser que ce qui a changé en vous appuyant sur les journaux natifs de la base de données. De là, les données peuvent être écrites vers un stockage objet dans des formats comme Parquet, puis chargées dans votre entrepôt ou votre lake.

Des services comme AWS DMS peuvent prendre en charge une grande partie de cette plomberie.

Cette approche demande plus de travail en amont et de maintenance continue, mais pour des jeux de données volumineux ou prévisibles, elle est souvent bien plus économique.

La vraie valeur des outils d'ELT managé, c'est la vitesse à laquelle ils vous font démarrer. Ils condensent des semaines de mise en place en quelques heures et vous permettent de vous concentrer tôt sur un travail à plus forte valeur.

Ce qu'ils ne suppriment pas, c'est le besoin d'anticiper. Les prix changent. Les éditeurs se font racheter. Les exigences entreprise s'installent peu à peu. Ces outils font partie d'un système, ils ne sont pas le système lui-même.

Utilisés à bon escient, ils sont excellents. Utilisés sans plan de sortie, ils peuvent se transformer en coûteuses surprises.

Le bon état d'esprit consiste à les traiter comme des accélérateurs. Démarrez vite. Apprenez à connaître vos données. Connaissez vos coûts. Et sachez à l'avance où vous changerez d'approche si les arbitrages cessent de fonctionner.