📌 Cet article fait partie de la série analytics de fasilytics.fr. Il accompagne le guide complet de Looker Studio et le guide de gouvernance des métriques LookML (en anglais). Il se concentre sur la confusion de noms et explique comment les trois briques s’articulent.
Pourquoi c’est confus : un peu d’histoire
Avant 2022, aucune confusion. Google avait Google Data Studio (outil de dashboard gratuit, lancé en 2016). Séparément, une société nommée Looker avait construit une plateforme de BI d’entreprise reposant sur un langage de modélisation sémantique, LookML.
Google a racheté Looker (opération finalisée en 2020). En octobre 2022, Google a rebaptisé Google Data Studio en Looker Studio (blog Google Cloud), puis en avril 2026 l’a renommé Data Studio (notes de version). Résultat : pendant trois ans et demi, deux produits totalement différents ont partagé le nom « Looker », les anciens articles l’utilisent toujours, et LookML, le langage de modélisation, existe comme troisième notion sous l’un des deux.
Conséquence pratique : chercher « Looker » sur Google renvoie indifféremment les trois choses, et la plupart des articles les confondent. Celui-ci non.
Les trois notions, clairement définies
Data Studio
- Ce que c’est : un outil de dashboard et de dataviz gratuit, dans le navigateur. Il se connecte à des sources de données, permet de construire des rapports interactifs par glisser-déposer et de les partager par lien. Aucune installation, aucun code.
- Anciens noms : Looker Studio (2022-2026), Google Data Studio avant.
- Où : datastudio.google.com (les anciens liens lookerstudio.google.com redirigent).
- Qui l’utilise : marketeurs, consultants analytics, petites équipes data, agences : tous ceux qui veulent transformer GA4, Google Ads ou Sheets en dashboard partageable sans coder.
- Coût : gratuit. Une offre payante, Data Studio Pro (ex-Looker Studio Pro, 9 $ par utilisateur et par projet et par mois, voir les tarifs), ajoute espaces d’équipe et support Google Cloud, mais le cœur du produit reste gratuit.
Looker
- Ce que c’est : une plateforme de BI complète pour les équipes data. Elle se place au-dessus de votre data warehouse (BigQuery, Snowflake, Redshift…), fournit une couche sémantique gouvernée et permet aux analystes d’interroger les données via une interface Explore sans écrire de SQL. La logique métier est définie une fois, versionnée dans Git, et consommée par tous les rapports.
- Nom du produit : la plateforme rachetée s’appelle Looker, vendue comme Looker (Google Cloud core) en éditions Standard, Enterprise et Embed (les anciens déploiements sont « Looker (original) »). Dans cet article, « Looker » désigne cette plateforme (tarifs Looker).
- Où : cloud.google.com/looker, service Google Cloud hébergé par Google (seul Looker (original) peut être hébergé par le client ; voir la présentation de Looker (Google Cloud core)).
- Qui l’utilise : data engineers, analytics engineers, équipes BI de moyennes et grandes organisations. SQL indispensable, Git idéalement.
- Coût : sur devis (Google ne publie aucun prix catalogue, tout passe par un contrat annuel). L’édition Standard vise les équipes de moins de 50 utilisateurs, mais il faut quand même un data warehouse et quelqu’un pour maintenir le LookML.
LookML
- Ce que c’est : le langage de modélisation déclaratif propre à Looker (Google le décrit comme « un langage de dépendances comme make », voir What is LookML?), écrit dans des fichiers stockés dans Git. C’est ainsi qu’on définit le modèle de données : quelles tables, quelles jointures, ce que signifient les métriques, comment elles sont calculées. LookML n’est pas un produit qu’on achète, c’est le langage qu’on écrit pour configurer Looker.
- Analogie : si Looker est une voiture, LookML sert à écrire les spécifications du moteur et à configurer le tableau de bord. On ne conduit pas LookML sans la voiture.
- Qui l’écrit : analytics engineers et data engineers, pas les utilisateurs non techniques.
- Coût : rien en plus, il est inclus dans la licence Looker.
Comparaison côte à côte
| Data Studio | Looker | LookML | |
|---|---|---|---|
| C’est quoi ? | Outil de dashboard | Plateforme de BI | Langage de modélisation |
| Gratuit ? | Oui | Non (sur devis) | Inclus avec Looker |
| Utilisable seul ? | Oui | Oui | Non, il faut Looker |
| Besoin de coder ? | Non | Recommandé | Oui |
| Gouvernance des métriques ? | Légère (champs de sources partagés) | Oui | Oui (c’est son rôle) |
| Contrôle de version Git ? | Non | Oui | Oui |
| Adapté aux petites équipes ? | Oui | Possible (Standard : moins de 50 utilisateurs) | N/A |
| Adapté à l’entreprise ? | Limité | Oui | Oui |
Comment les trois s’articulent
LookML tourne dans Looker : impossible de l’utiliser sans Looker. Il définit le modèle (tables, jointures, métriques, dimensions) que Looker expose en interface Explore pour interroger sans SQL.
Data Studio peut consommer des données gouvernées par Looker. Via le connecteur Looker de Data Studio, un Explore Looker devient une source de données d’un rapport Data Studio, qui lit alors les mesures définies en LookML au lieu de les recalculer. Cela supprime l’essentiel des définitions en double, tant que les éditeurs de rapports ne reconstruisent pas les métriques avec leurs propres champs calculés. Prérequis : une instance hébergée par Looker, le connecteur BI de Data Studio activé par un admin Looker, et des lecteurs ayant accès à Looker (le connecteur utilise leurs identifiants). Voir Connect to Looker et les limites du connecteur Looker.
Que choisir ?
Data Studio si…
- vos sources principales sont des produits Google (GA4, Ads, Search Console, Sheets, BigQuery) ;
- vous êtes analyste, marketeur ou consultant et construisez des rapports clients ;
- l’équipe n’a pas de ressources data engineering dédiées ;
- vous devez être opérationnel aujourd’hui, pas dans trois mois ;
- le budget est nul ou presque.
Le plafond : Data Studio fonctionne bien jusqu’à ce que 5 analystes ou plus redéfinissent chacun les mêmes métriques, ou que les parties prenantes reçoivent des chiffres d’affaires différents selon les rapports. C’est là que le problème de gouvernance apparaît.
Looker + LookML si…
- vous avez un data warehouse (BigQuery, Snowflake, Redshift) avec un volume significatif ;
- plusieurs équipes construisent des dashboards sur les mêmes données ;
- vous avez déjà vécu le « quel chiffre d’affaires est le bon ? » un lundi matin en réunion ;
- un analytics engineer au moins peut porter le modèle LookML ;
- vous pouvez justifier un contrat BI annuel sur devis (demandez un chiffre à Google pour votre nombre d’utilisateurs).
Le plancher : Looker ne s’installe pas en un week-end. Il demande de l’expertise en modélisation, un data warehouse et une maintenance continue du LookML. Pour une équipe de cinq personnes, c’est presque certainement surdimensionné.
Les deux ensemble si…
Looker est votre couche sémantique gouvernée, certains interlocuteurs ont besoin de rapports très personnalisés ou intégrables que les dashboards natifs de Looker ne fournissent pas, et vous voulez offrir aux non-techniciens une interface simple et familière pour explorer des données gouvernées. Data Studio se connecte alors à Looker et consomme les métriques telles que définies en LookML : la logique métier est définie une fois, et Data Studio n’est qu’une couche de présentation.
Idées reçues
- « Data Studio est la version gratuite de Looker. » Non. Ce ne sont pas deux niveaux du même produit mais deux produits distincts qui ont partagé un nom entre 2022 et 2026. La différence n’est pas une question de fonctionnalités mais d’architecture.
- « Je peux écrire du LookML dans Data Studio. » Non. LookML ne s’exécute que dans Looker. Data Studio a sa propre syntaxe de formules pour les champs calculés, sans rapport avec LookML, mais il peut lire des champs définis en LookML via le connecteur Looker.
- « LookML, c’est du SQL avec une autre syntaxe. » C’est plutôt une couche de configuration au-dessus du SQL. Une mesure LookML génère du SQL, mais sa définition ajoute de la gouvernance : libellé, description, format, documentation versionnée et, quand clés primaires et relations de jointure sont déclarées, les agrégats symétriques qui évitent le double comptage lors des jointures (symmetric aggregates). Le SQL seul ne fait rien de tout cela.
- « Il me faut Looker pour utiliser BigQuery avec Data Studio. » Non. Data Studio a un connecteur BigQuery natif. Looker n’est utile que si vous voulez la couche sémantique, c’est-à-dire des définitions de métriques gouvernées au-dessus de BigQuery.
Documentation officielle
- Documentation officielle Data Studio : docs.cloud.google.com/data-studio
- Documentation officielle Looker : cloud.google.com/looker/docs
- Référence LookML : cloud.google.com/looker/docs/reference/lookml-quick-reference
Sources
- Blog Google Cloud : renommage de Data Studio en Looker Studio
- Notes de version Data Studio
- Tarifs Data Studio et tarifs Looker
- Looker (Google Cloud core) overview et What is LookML?
- Connect to Looker et limites du connecteur Looker
- Symmetric aggregates
Pour aller plus loin, lisez la version complète de l’article (en anglais) : Data Studio (formerly Looker Studio) vs Looker vs LookML — What’s the Difference?.
Besoin d’aide sur ce sujet ? Consultant GA4 et audit analytics.