Si vous dirigez une équipe plateforme ou data engineering et que vous évaluez les outils d'optimisation des coûts Databricks, commencez par vous demander ce qu'un outil payant apporte au-delà de Databricks. L'annonce de Governance Hub par Databricks décrit des responsables FinOps (Financial Operations) qui analysent leurs dépenses et en identifient les causes sans avoir à maintenir des dizaines de requêtes et de dashboards. Governance Hub intègre cette analyse directement dans la console du compte.
L'outil qui vous convient dépend de votre environnement et du niveau de contrôle que vous souhaitez lui accorder sur vos ressources Databricks. Ce guide compare quatre catégories selon l'accès en écriture, le périmètre et les tarifs publics. L'accès en écriture indique ce que l'outil peut modifier, tandis que le périmètre précise s'il fonctionne uniquement avec Databricks ou sur plusieurs plateformes. Chaque outil est classé selon le modèle d'accès en écriture décrit par son éditeur.
En bref
- Les contrôles natifs et Governance Hub (en bêta) affichent vos dépenses Databricks totales et la part de celles-ci qui est taguée.
- Les plateformes de cost intelligence comme LakeSentry offrent une attribution par job et par équipe, la détection d'anomalies et des actions priorisées que votre équipe applique elle-même.
- Les moteurs autonomes comme Sedai, Altimate, Capital One Slingshot, Unravel et SELECT peuvent modifier vos ressources Databricks à votre place, avec des niveaux d'approbation qui varient selon l'outil.
- Les plateformes FinOps généralistes comme Flexera regroupent vos coûts Databricks avec vos dépenses cloud et data.
- Le choix dépend du niveau d'autorité que vous accordez à un outil pour modifier vos ressources Databricks.
Faut-il encore des outils d'optimisation des coûts Databricks en 2026 ?
Un outil payant reste nécessaire si Governance Hub laisse du travail en suspens pour votre équipe. Governance Hub est entré en bêta en juillet 2026 et a été annoncé publiquement en août.
Governance Hub change la façon d'évaluer les outils payants. Sa page Cost vous montre où part votre argent. Si vous avez besoin d'une attribution jusqu'à l'utilisateur ou à la requête, ou si vous voulez que les optimisations soient appliquées à vos ressources pour vous, il vous faut plus que ce que propose la page Cost.
Pour déterminer vos besoins, commencez par les cinq habitudes décrites dans l'optimisation des coûts Databricks, expliquée concrètement, qui détaillent le travail nécessaire pour réduire les coûts Databricks. Les phases Inform, Optimize et Operate de la FinOps Foundation montrent où ce travail se situe : Inform examine les données de coûts et d'usage, Optimize identifie les opportunités d'efficacité et Operate met en œuvre les changements. Tout ce que Governance Hub ne couvre pas parmi ces habitudes et ces phases est précisément ce qu'un outil payant doit apporter.
Quelles sont les quatre catégories d'outils de coûts Databricks ?
Les outils d'optimisation des coûts Databricks se répartissent en quatre catégories : contrôles natifs, plateformes de cost intelligence, moteurs d'optimisation autonomes et plateformes FinOps généralistes. Chacune est classée selon ce que l'outil est autorisé à modifier et le nombre de plateformes couvertes. La page comparative de LakeSentry utilise un découpage en quatre groupes quasi identique : ce cadre n'est donc pas propre à ce guide, sans être pour autant un standard du marché.
Les contrôles natifs sont les outils de coûts inclus dans Databricks. Les tables système et Governance Hub Cost lisent vos données d'usage sans pouvoir modifier votre compute, tandis que les budgets et les politiques de compute sont les limites que vous définissez vous-même.
Les plateformes de cost intelligence s'appuient sur ces données pour y ajouter attribution, détection d'anomalies et actions priorisées. LakeSentry, exemple dédié à Databricks, est en lecture seule par défaut : c'est votre équipe qui décide d'agir ou non.
Les moteurs d'optimisation autonomes peuvent modifier vos ressources. Sedai, Altimate, Capital One Slingshot, Unravel et SELECT peuvent redimensionner des warehouses ou ajuster des clusters, avec des contrôles allant de la validation manuelle à l'exécution automatique.
Les plateformes FinOps généralistes regroupent Databricks avec AWS (Amazon Web Services), Azure, GCP (Google Cloud Platform), Snowflake et d'autres plateformes. Flexera en est un exemple, et Databricks n'y est qu'une ligne parmi d'autres.
Ces catégories se distinguent principalement par l'accès en écriture et le périmètre. Le tableau ci-dessous résume ces différences ainsi que leurs modèles tarifaires.
| Catégorie | Accès en écriture | Périmètre | Modèle tarifaire |
|---|---|---|---|
| Contrôles natifs | Aucune modification du compute (budgets configurables) | Databricks uniquement | Inclus dans Databricks |
| Cost intelligence | Lecture seule par défaut | Databricks uniquement | Public, affiché |
| Moteurs d'optimisation autonomes | De la validation manuelle à l'application automatique | Multiplateforme | Variable selon l'éditeur |
| FinOps généraliste | Recommandations uniquement | Multiplateforme | Non publié sur la page produit |
Que couvrent les tables système et le nouveau Governance Hub ?
Les contrôles natifs vous offrent une visibilité détaillée sur vos dépenses Databricks. Les tables système fournissent les données de facturation sous-jacentes, tandis que Governance Hub y ajoute une vue au niveau du compte.
Dans les tables système de facturation, system.billing.usage enregistre l'usage facturable, y compris les Databricks Units (DBU) consommées, et une jointure avec system.billing.list_prices convertit cet usage en dollars au prix catalogue. Vous attribuez ces dépenses à une équipe ou à un projet grâce aux tags, que les politiques de compute imposent sur le compute classique et que les politiques d'usage serverless appliquent sur le compute serverless.
Governance Hub comprend les pages Data, AI (intelligence artificielle), Cost et Tags, et c'est Cost qui nous intéresse ici. Elle ajoute un explorateur de dépenses pour visualiser les coûts par produit, workspace, ressource ou tag, ainsi qu'un suivi des dépenses taguées et des budgets que les administrateurs de workspace créent et gèrent pour leurs workspaces. Ses recommandations de coûts sont en lecture seule, et tous les montants de la page Cost sont affichés au prix catalogue : vos remises négociées n'y apparaissent donc pas.
Dans Governance Hub, vous pouvez poser à Genie des questions comme la raison d'un pic de coûts et obtenir des réponses fondées sur vos données de gouvernance. L'annonce de Databricks d'août 2026 indique que Genie pourra bientôt agir, par exemple configurer des politiques, mettre en place des alertes et appliquer des recommandations. À la date de cette annonce, Genie explique mais n'agit pas.
system.billing.usage ne couvre que les frais Databricks, alors que le compute classique génère aussi des frais chez le fournisseur cloud pour les machines virtuelles sous-jacentes. Si vous utilisez du compute classique, vous avez besoin à la fois des données de facturation Databricks et des coûts du fournisseur cloud pour calculer le coût complet du compute. L'article de blog de Databricks de février 2026 sur l'unification des coûts Databricks et d'infrastructure cloud présente une solution open source qui réunit les deux sur AWS et Azure.
Qu'apporte LakeSentry dans la catégorie cost intelligence dédiée à Databricks ?
LakeSentry ajoute une attribution par job et par équipe, la détection d'anomalies et des actions priorisées à partir de vos données de tables système. Il se connecte via un service principal en lecture seule, et sa fiche GetApp indique qu'il attribue les dépenses par job et par équipe, à travers les workspaces et les environnements.
Pour les pics de coûts, LakeSentry compare les dépenses récentes à une base de référence à l'aide de z-scores, avec des seuils de coût minimum pour que les petits workloads ne génèrent pas d'alertes, comme le décrit sa documentation sur la détection d'anomalies. Chaque constat s'accompagne d'éléments justificatifs, comme la base de référence et l'augmentation de coût.
Les tarifs sont publics et basés sur le nombre d'utilisateurs. L'offre Free couvre un utilisateur, Standard coûte $499 par mois jusqu'à cinq utilisateurs et Pro $849 par mois pour un nombre illimité d'utilisateurs, les offres payantes étant facturées annuellement. Toutes les offres incluent un nombre illimité de workspaces, et le tarif ne dépend ni de l'usage en DBU ni du nombre de workspaces. La page tarifs mentionne aussi une Safe optimization sur chaque offre : demandez à l'éditeur ce qu'elle recouvre et quel modèle d'accès en écriture s'applique avant de vous connecter.
LakeSentry publie également un comparatif des outils de coûts Databricks, mis à jour le 5 août 2026. Il y classe LakeSentry dans une catégorie cost intelligence et regroupe Unravel avec les plateformes d'efficacité et FinOps plus larges. Ce guide classe Unravel parmi les moteurs autonomes, car son moteur Arvix AI peut appliquer des changements, et le tableau de LakeSentry lui-même décrit Unravel comme recourant à une remédiation autonome.
LakeSentry commercialisant l'un des produits comparés, considérez cette catégorisation comme le point de vue de l'éditeur et vérifiez-la auprès de sources indépendantes.
Comment Sedai, Altimate, Slingshot et Unravel gèrent-ils l'optimisation autonome ?
Sedai, Altimate, Slingshot et Unravel vous permettent tous de confier les changements d'optimisation Databricks à un logiciel, mais ils diffèrent par le niveau de contrôle que vous conservez, de l'exécution automatique aux validations manuelles en passant par des réglages par job.
Sedai
Sedai affirme que vous pouvez connecter vos comptes cloud et de monitoring en moins de 15 minutes. En mode copilot, vous approuvez chaque changement en un clic, ou vous laissez les optimisations s'exécuter automatiquement. L'annonce de lancement de Sedai de juin 2025 place Databricks aux côtés d'AWS, Azure, GCP et Kubernetes et cite des réductions de coûts cloud de 30 % ou plus sur l'ensemble de sa plateforme. Sa page Databricks annonce de 30 à 50 %.
Altimate
Les agents Auto Tune d'Altimate fonctionnent avec des validations manuelles, avec des contrôles disponibles par job, par tâche et par warehouse, selon le guide d'Altimate. La page Databricks d'Altimate fait état d'une réduction typique de 20 à 35 %, et Auto Tune annule automatiquement les changements qui dégradent les performances.
Capital One Slingshot
Slingshot vous donne un contrôle au niveau du job grâce à la technologie de Sync Computing, dont l'équipe a rejoint Capital One Software en 2025. Selon l'annonce Databricks de Capital One, vous pouvez appliquer une optimisation en un clic ou l'automatiser entièrement, et la documentation de Slingshot montre que le projet de chaque job dispose de son propre réglage d'application automatique : des jobs différents d'un même déploiement peuvent donc fonctionner à des niveaux d'automatisation différents.
Unravel
Unravel couvre Databricks, Snowflake et BigQuery. Son moteur Arvix AI peut réécrire du code, redimensionner le compute et nettoyer le stockage. Il teste chaque changement par rapport au comportement des workloads avant de l'appliquer et revient automatiquement en arrière si les performances se dégradent.
À vérifier avant d'automatiser les changements
Les éditeurs vous offrent différents niveaux de contrôle sur les changements automatisés, de l'approbation manuelle à l'exécution automatique. Avant de connecter un outil, vérifiez quand un changement nécessite votre approbation, quand il peut agir automatiquement et ce qui se passe si un changement pose problème.
Pour tout outil envisagé, y compris SELECT, vérifiez les permissions qu'il détient, les ressources qu'il peut modifier, ses capacités de rollback et la piste d'audit qu'il fournit. Vérifiez aussi comment ces changements s'intègrent à votre processus de déploiement, car des réglages modifiés en dehors de l'infrastructure as code peuvent dériver de la configuration que vous avez définie. Le guide d'installation de SELECT exige CAN_MANAGE sur les jobs, les clusters et les warehouses lorsque la fonctionnalité Automated Savings est activée.
Où se situe Flexera dans le FinOps multicloud généraliste ?
Flexera convient lorsque vous voulez voir vos coûts Databricks dans la même vue que le reste de vos dépenses cloud et data, et son produit Databricks recommande des changements au lieu de les effectuer. Les moteurs autonomes ci-dessus sont conçus pour modifier des ressources, tandis que Flexera se concentre sur le FinOps à travers plusieurs plateformes cloud et data et vous offre une vue consolidée unique de vos coûts.
Flexera One Data Cloud Optimization est le produit anciennement connu sous le nom de Chaos Genius, acquis par Flexera en janvier 2026. Il fournit des recommandations de right-sizing pour Databricks et Snowflake au sein d'une suite FinOps dédiée à la budgétisation et aux prévisions. Les notes de version de Flexera de juin 2026 décrivent un dashboard Databricks Analyzer qui combine les dépenses en DBU avec le coût de compute de l'infrastructure cloud sous-jacente, pour une vue unifiée des dépenses plateforme et compute.
L'annonce d'acquisition de Flexera indique que Chaos Genius a aidé des entreprises du Fortune 500 à réduire leurs coûts jusqu'à 30 % et décrit le produit comme une optimisation autonome et agentique. Sa documentation Data Cloud Optimization se concentre sur la visibilité, l'allocation et les recommandations d'économies : ce guide considère donc son workflow Databricks documenté comme fondé sur des recommandations, tant que Flexera ne documente pas d'actions d'écriture spécifiques. Flexera ne publie pas de tarifs sur sa page produit.
Où se situe SELECT, et quelles sont ses limites ?
SELECT convient lorsque vous souhaitez des ajustements continus, activables d'un simple clic, du nombre de workers et de l'autoscaling Databricks. Il ne couvre pas votre facture d'infrastructure cloud et ne réécrit pas votre code. Les questions clés sont ce qu'il peut voir, ce qu'il peut modifier et où se situent ses limites.
SELECT décompose les dépenses Databricks par workspace, type de workload, job, cluster, utilisateur et requête, selon son changelog de lancement Databricks. Une fois la configuration effectuée, Automated Savings ajuste le nombre de workers et l'autoscaling pour l'All-Purpose Compute et les SQL Warehouses, sans réglage quotidien. Ce guide classe SELECT dans la catégorie autonome, car cet accès en écriture est continu et activable ou désactivable d'un simple clic. SELECT annonce jusqu'à 30 % d'économies sur les workloads éligibles.
SELECT calcule les dépenses de plateforme Databricks à partir des tables système de facturation et de prix catalogue de Databricks : vous comptabilisez donc les coûts d'infrastructure cloud séparément. Le guide de SELECT sur l'optimisation des coûts Databricks vous donne une règle empirique pour estimer ces coûts en complément de votre facture DBU.
Considérez Governance Hub comme votre référence. Sa page Cost affiche les montants au prix catalogue, alors que les tarifs personnalisés de SELECT vous permettent d'intégrer vos remises négociées dans vos chiffres. SELECT attribue aussi les dépenses jusqu'à l'utilisateur et à la requête, et Automated Savings agit là où s'arrêtent les recommandations en lecture seule de Governance Hub.
Prenez connaissance des limites avant d'acheter. SELECT ne réécrit pas de code, alors que les supports de lancement d'Unravel de mai 2026 indiquent qu'Arvix AI le fait. Les tarifs démarrent à $1,499 par mois, et le devis final dépend de votre environnement : Governance Hub peut donc suffire pour un périmètre plus modeste.
Quelle catégorie pour votre équipe ?
Choisissez selon le niveau d'autorité que vous êtes prêt à accorder à un outil pour modifier vos ressources Databricks. Si vous avez surtout besoin d'une meilleure visibilité, commencez par les contrôles natifs et Governance Hub, qui vous laissent la main sur les changements. Governance Hub est en bêta en octobre 2026. Si vous avez aussi besoin d'attribution et de détection d'anomalies tout en gardant les changements en interne, ajoutez une plateforme de cost intelligence comme LakeSentry.
Si vous voulez que les changements soient appliqués pour vous, choisissez un moteur autonome. Le contrôle varie selon l'outil, des validations manuelles à l'exécution automatique avec rollback : décidez donc du niveau d'automatisation adapté à chaque workload. Si vous exploitez Databricks aux côtés d'autres plateformes, optez pour une plateforme FinOps généraliste comme Flexera, qui regroupe Databricks avec le reste de vos dépenses cloud et data.
Avant de payer pour un outil supplémentaire, vérifiez ce que Governance Hub fournit déjà et ce que l'outil ajoute. L'article de SELECT sur la suite après les gains rapides couvre l'étape suivante une fois les bases en place. Si vous voulez évaluer SELECT dans votre environnement, vous pouvez connecter un workspace, ce qui prend environ 20 minutes selon SELECT, ou réserver une démo.