La Renaissance OLAP : ClickHouse, DuckDB et la Disruption des Bases de Données Analytiques

Pendant la majeure partie de la dernière décennie, le marché des bases de données analytiques reposait sur une prémisse simple : si vous aviez besoin de réponses rapides sur de grands ensembles de données, vous payiez un fournisseur cloud une somme considérable pour le faire à votre place. Snowflake, Google BigQuery et Amazon Redshift dominaient l’espace, facturant à la requête, à l’octet scanné ou à l’heure de cluster de calcul. Ces solutions étaient genuinement puissantes — et genuinement coûteuses.

Cette prémisse est aujourd’hui sous pression sérieuse. Deux moteurs open-source — ClickHouse et DuckDB — réécrivent l’économie du traitement analytique en ligne (OLAP), permettant aux équipes de données d’exécuter des requêtes sur des milliards de lignes en quelques secondes sans céder le contrôle à un département de facturation SaaS. Il ne s’agit pas seulement d’une histoire technologique. C’est une histoire de disruption de marché, et elle se déroule plus vite que les acteurs établis ne l’attendaient.

Ce que signifie réellement l’OLAP (et pourquoi c’est important)

OLAP est l’acronyme de Online Analytical Processing — la catégorie de bases de données conçues non pas pour enregistrer des transactions individuelles (c’est l’OLTP), mais pour agréger, découper et analyser des volumes massifs de données. Pensez à ce type de requête : « Montrez-moi le chiffre d’affaires total par pays et par semaine sur les trois dernières années, sur 400 millions d’enregistrements de commandes. » Ce type de requête tuerait une installation PostgreSQL standard. Les systèmes OLAP sont précisément conçus pour y répondre.

La réponse traditionnelle à l’OLAP était le stockage en colonnes : plutôt que de stocker les lignes de données ensemble (un client par ligne), les bases de données en colonnes stockent chaque colonne ensemble (toutes les dates de commande dans un bloc, tous les chiffres de revenus dans un autre). Cela rend les agrégations considérablement plus rapides, car la base de données ne lit que les colonnes réellement nécessaires à une requête. Snowflake, BigQuery et Redshift utilisent tous le stockage en colonnes — tout comme ClickHouse et DuckDB, mais avec des compromis architecturaux fondamentalement différents.

ClickHouse : Né chez Yandex, Désormais Partout

ClickHouse a été développé en interne chez Yandex — le moteur de recherche dominant en Russie — à partir de 2009 environ, pour alimenter Yandex.Metrica, leur plateforme d’analytique web. Le défi technique était sévère : Metrica devait servir des requêtes analytiques en temps réel sur des pétaoctets de données de flux de clics pour des millions de sites web simultanément. Les solutions standards ne pouvaient pas gérer la combinaison de vitesse de requête et de volume de données qu’exigeait Yandex.

Le projet interne est devenu open-source en 2016 et a rapidement trouvé son audience. L’innovation fondamentale de ClickHouse est la combinaison d’un moteur de stockage en colonnes hautement efficace avec un processeur de requêtes vectorisé — ce qui signifie qu’il applique des opérations à de grands lots de valeurs simultanément plutôt que ligne par ligne, exploitant les instructions SIMD des CPU modernes pour un débit qui dépasse régulièrement des dizaines de milliards de lignes par seconde sur du matériel haut de gamme.

ClickHouse Inc. a été fondée en 2021 pour commercialiser le projet, levant 250 millions de dollars de financement. L’offre cloud gérée (ClickHouse Cloud) concurrence directement Snowflake — mais à des prix substantiellement inférieurs. Des benchmarks indépendants placent régulièrement ClickHouse parmi les bases de données analytiques les plus rapides au monde pour les analyses de logs, les charges de travail en séries temporelles et les pipelines de données d’événements. Des entreprises comme Cloudflare, Uber et Spotify exécutent d’importantes charges de travail analytiques sur ClickHouse. Cloudflare, notamment, l’utilise pour traiter plus de 10 millions de requêtes HTTP par seconde via leurs systèmes d’analytique.

DuckDB : Le SQLite de l’Analytique

DuckDB adopte une approche architecturale entièrement différente. Tandis que ClickHouse est conçu comme un système serveur — un cluster distribué que l’on déploie et que l’on interroge via un réseau — DuckDB est un moteur d’analytique embarqué. C’est une bibliothèque. Vous l’importez dans votre script Python, votre notebook Jupyter, votre application Go — et il exécute des requêtes OLAP directement en cours de processus, sans serveur séparé, sans aller-retour réseau et sans gestion d’infrastructure.

Le projet est issu du groupe Database Architectures du CWI aux Pays-Bas en 2019. Son objectif de conception était d’être, selon les termes de ses créateurs, « le SQLite de l’analytique » — rapide, portable, sans dépendances et ne nécessitant aucune configuration. Il a réussi au-delà de la plupart des espérances. DuckDB peut exécuter des agrégations SQL complexes sur des fichiers CSV, Parquet ou JSON sans les importer au préalable. Il parallélise automatiquement les requêtes sur tous les cœurs CPU disponibles. Et il est entièrement libre et open-source sous licence MIT.

En 2025, DuckDB avait dépassé le million de téléchargements hebdomadaires sur PyPI. Sa base d’utilisateurs comprend des data scientists qui ont remplacé leurs pipelines pandas, des ingénieurs qui interrogent des data lakes S3 localement, et des équipes analytiques qui ont cessé de payer pour Snowflake en dessous d’un certain seuil de volume de données.

MotherDuck, fondée en 2022, a construit un service cloud sur DuckDB — offrant une architecture hybride où DuckDB s’exécute localement dans le navigateur ou l’environnement client, tandis que MotherDuck gère la persistance et le partage. Ce modèle d’« exécution duale » est architecturalement novateur et signale comment l’analytique embarquée et l’analytique cloud peuvent coexister plutôt que se concurrencer.

L’Effet Parquet et Apache Arrow

ClickHouse et DuckDB bénéficient tous deux d’une manière considérable de deux développements open-source adjacents : Apache Parquet et Apache Arrow.

Parquet est un format de fichier en colonnes développé à l’origine chez Twitter et Cloudera. Il stocke les données en groupes de colonnes compressées, ce qui le rend idéal pour archiver des jeux de données analytiques. DuckDB peut interroger des fichiers Parquet nativement, les traitant comme des tables. Cela signifie qu’une équipe de données peut stocker l’intégralité de ses archives dans S3 au format Parquet et les interroger avec DuckDB sans rien charger dans une base de données — réduisant considérablement les coûts de stockage et de calcul.

Apache Arrow est un format en colonnes en mémoire qui permet à différents outils de partager des données sans surcoût de sérialisation. Pandas, Polars, DuckDB, ClickHouse et de nombreux autres outils peuvent échanger des buffers Arrow directement. Cette interopérabilité crée effectivement un stack analytique composable : vous pouvez combiner les outils sans pénalités de conversion de données.

Comparaison des Outils : Guide Pratique

Dimension	ClickHouse	DuckDB	Snowflake/BigQuery
Déploiement	Serveur / Cloud géré	Bibliothèque embarquée / MotherDuck cloud	SaaS entièrement géré
Idéal pour	Ingestion haute volumétrie, analytique d’événements temps réel	Analyse locale, requêtes ad hoc, data science	Entrepôts de données d’entreprise, grandes équipes
Modèle de coût	Open-source gratuit ; cloud à l’usage	Gratuit ; abonnement MotherDuck	Facturation par crédit ou octet scanné
Échelle maximale pratique	Pétaoctets (clustérisé)	Téraoctets (nœud unique)	Pétaoctets
Compatibilité SQL	Dialecte ClickHouse SQL	SQL standard + extensions	SQL standard
Courbe d’apprentissage	Modérée	Faible — SQL standard + Python	Faible

Ce que Cela Signifie pour les Équipes de Données

L’implication pratique pour les équipes d’ingénierie des données est une rethink de la structure des coûts du data stack. L’argument classique en faveur des entrepôts de données cloud gérés était la simplicité et la scalabilité gérée. Cet argument tient pour les très grandes entreprises avec des exigences complexes de partage de données multi-équipes. Mais pour la majorité des charges de travail analytiques — jeux de données inférieurs au téraoctet, rapports internes, analytique produit — ClickHouse ou DuckDB offrent des performances de requête équivalentes ou supérieures à une fraction du coût.

Plusieurs entreprises ont publié des études de cas détaillées sur leur migration. Un exemple notable : une entreprise SaaS de taille moyenne a remplacé son déploiement Snowflake par ClickHouse et a rapporté une réduction de 90 % de sa facture mensuelle d’infrastructure analytique, tout en améliorant la latence des requêtes. Les utilisateurs de DuckDB rapportent fréquemment avoir remplacé des pipelines dbt + Snowflake entiers par des scripts Python plus simples qui s’exécutent plus rapidement et ne coûtent rien à faire fonctionner.

Le Glissement de Marché Plus Large

La trajectoire du cours de bourse de Snowflake depuis 2023 reflète en partie les inquiétudes des analystes concernant la pression concurrentielle dans le marché des bases de données analytiques. L’entreprise reste très capable et a étendu ses fonctionnalités d’IA de manière agressive — mais l’ère des charges de travail OLAP captives se termine. Les fournisseurs cloud natifs font face à la même pression de désagrégation que les fournisseurs de bases de données ont subie quand le cloud lui-même est apparu.

ClickHouse et DuckDB ne menacent pas encore les bastions d’entreprise de Snowflake. Mais ils capturent rapidement le mid-market et la couche d’adoption portée par les développeurs — le segment qui prédit historiquement où migrent ensuite les charges de travail d’entreprise. La renaissance OLAP est réelle, elle s’accélère, et elle est open-source.

Sources et lectures complémentaires

• ClickHouse Real-World Performance Benchmarks — ClickHouse Blog
• DuckDB 0.8.0 Release and Ecosystem Update — DuckDB.org
• Big Data is Dead — MotherDuck Blog (Jordan Tigani)
• How Teams Are Replacing Snowflake with ClickHouse — Fivetran Engineering
• Apache Arrow: A Cross-Language Development Platform for In-Memory Analytics — Apache Software Foundation