Les trois outils dominent le marché BI. Mais choisir le bon outil — ou évaluer un candidat sur le bon outil — nécessite de comprendre leurs différences réelles : modélisation, langage de calcul, gouvernance et coût.
Power BI, Tableau et Looker sont les trois leaders du marché BI selon Gartner. En entretien, on évalue non seulement la maîtrise technique de l'outil, mais aussi la capacité du candidat à le positionner dans un contexte donné : écosystème Microsoft, stack Google Cloud, ou besoin de semantic layer centralisé.
Dans quel cas choisiriez-vous une connexion Live plutôt qu'un Extract dans Tableau ? Et DirectQuery plutôt qu'Import dans Power BI ?
| Power BI | Tableau | Looker | |
|---|---|---|---|
| Mode de connexion | Import, DirectQuery, Dual | Live Connection, Extract (.hyper) | Live uniquement (BigQuery/GCP) |
| Préparation intégrée | Power Query (langage M) | Tableau Prep (outil séparé) | LookML (outil séparé) |
| Intégration native | Écosystème Microsoft (Azure, Excel, Teams) | Large (Snowflake, BQ, Redshift, SAP...) | Google Cloud (BigQuery natif) |
Signal d'alerte : un candidat qui utilise DirectQuery par défaut sans justification (latence, volume, temps réel) n'a pas optimisé de rapport Power BI en production.
Pourquoi Power BI gère mieux les modèles en étoile que Tableau ou Looker Studio ?
Quelles sont les différences entre DAX (Power BI), les calculs Tableau et LookML ? Lequel est le plus accessible pour un utilisateur métier ?
| Power BI (DAX) | Tableau (Formules) | Looker (LookML) | |
|---|---|---|---|
| Langage | DAX — syntaxe Excel, puissant | Formules Tableau — plus intuitif | LookML — type SQL, accessible |
| Courbe d'apprentissage | Élevée (contexte de filtre) | Moyenne | Faible (si SQL connu) |
| Moteur | VertiPaq — très performant en Import | Hyper — excellent en Extract | BigQuery — scalable sur très gros volumes |
| Optimisation | DAX Studio, Performance Analyzer | Performance Recorder | Caching BigQuery, PDT |
Dans quel cas recommandez-vous Tableau pour la visualisation plutôt que Power BI ?
Règle pratique : Tableau pour la flexibilité analytique et le design avancé. Power BI pour l'intégration Microsoft et l'accessibilité. Looker pour la gouvernance centralisée et les stacks Google Cloud.
| Outil | Tarif indicatif | Modèle |
|---|---|---|
| Power BI Pro | ~14 $/user/mois | Par utilisateur, inclut Service |
| Power BI Premium | ~20 $/user/mois ou capacité | Refresh fréquent, gros volumes |
| Tableau Creator | ~70 $/user/mois | Desktop + Prep + Server/Cloud |
| Tableau Viewer | ~15 $/user/mois | Consultation uniquement |
| Looker Studio | Gratuit | Basique, Google Workspace |
| Looker | Sur devis | Enterprise, basé sur GCP |
| Contexte | Outil recommandé | Pourquoi |
|---|---|---|
| Stack Microsoft (Azure, Teams, Excel) | Power BI | Intégration native, coût réduit, déploiement rapide |
| Analyses complexes, design avancé | Tableau | Flexibilité LOD, Performance Recorder, Tableau Public |
| Stack Google Cloud, BigQuery | Looker | Connexion native BQ, LookML versionnable, gouvernance |
| Reporting simple, équipe non-technique | Looker Studio | Gratuit, accessible, intégration Google Analytics |
| Gouvernance centralisée, grande équipe | Looker ou Power BI Premium | Semantic layer versionné, lineage, RLS avancé |
Premier entretien gratuit. Rapport GO/NO-GO sous 48h.