Qu’est-ce que Data Studio, et ce que ce n’est pas
Data Studio est l’outil de business intelligence gratuit de Google, accessible dans le navigateur. Lancé en 2016 sous le nom Google Data Studio, rebaptisé Looker Studio en octobre 2022, il a retrouvé son nom de Data Studio en avril 2026 (notes de version Google).
Une distinction essentielle avant d’aller plus loin : Data Studio n’est pas Looker. Ce sont deux produits complètement différents (de 2022 à 2026, ils ont aussi partagé le nom Looker). Data Studio est gratuit, fonctionne en glisser-déposer sans code, et vise les marketeurs, analystes et petites équipes data. Looker est une plateforme de BI d’entreprise payante, construite sur LookML, un langage de modélisation sémantique, pour des équipes de data engineering qui bâtissent des couches de métriques gouvernées. Cet article ne parle que de Data Studio.
La version standard est gratuite. Un niveau payant, Data Studio Pro (ex-Looker Studio Pro, 9 $ par utilisateur, par projet et par mois), ajoute des espaces de travail d’équipe, le support Google Cloud et des fonctions d’administration (À propos de Data Studio Pro). Pour la grande majorité des usages, la version gratuite suffit.
L’interface en bref
Sur datastudio.google.com, l’accueil liste vos rapports (livrables partageables et intégrables) et vos sources de données (connexions réutilisables : une source alimente plusieurs rapports). L’ancien bloc-notes Explorer a été retiré en octobre 2025 : utilisez un rapport privé (Google : fin d’Explorer).
L’éditeur de rapport comprend quatre zones :
- le canevas au centre, où l’on place graphiques, tableaux, scorecards, textes, images et formes ;
- le panneau de données (à droite), avec toutes les dimensions et métriques de la source ;
- le panneau de propriétés, avec un onglet Configuration (champs) et un onglet Style (couleurs, polices, bordures) (Google : panneau de propriétés) ;
- la barre d’outils en haut (types de graphiques, formes, filtres, sélecteurs de dates, navigation).
Le mode Édition (crayon, en haut à droite) permet de modifier le rapport ; le mode Affichage (œil) montre ce que voit votre audience. Passez toujours en mode Affichage avant d’envoyer un lien : l’expérience est différente et les droits sur les données s’appliquent autrement.
Les sources de données : trois types de connecteurs
Data Studio se connecte à trois types de sources très différents, ce qui compte pour la fiabilité, le coût et la performance :
| Type | Exemples | Coût et fiabilité |
|---|---|---|
| Connecteurs Google natifs | GA4, Google Ads, Google Sheets, BigQuery, Search Console, YouTube, DV360, PostgreSQL / MySQL (direct) | Gratuits, installation en 2 min, fiabilité garantie par Google |
| Connecteurs partenaires | Meta Ads, TikTok Ads, LinkedIn Ads, Pinterest, HubSpot, Salesforce, Shopify, WooCommerce, Supermetrics, Funnel.io, 2MR | Payants, fiables ; les tarifs varient, testez une semaine d’abord (liste Google des connecteurs) |
| Connecteurs communautaires | Plateformes de niche, API, bases internes, jeux de données publics, ou le vôtre en Apps Script | Gratuits, qualité variable : vérifiez la date de dernière mise à jour (doc développeur) |
Pour connecter une source : Ajouter des données au rapport, choisir le connecteur, autoriser l’accès, sélectionner la propriété ou le compte, puis renommer les champs et ajouter des champs calculés au niveau de la source avant de créer le rapport.
Astuce « tampon Google Sheets » : pas de connecteur pour votre source ? Exportez-la d’abord dans Google Sheets (à la main, par script planifié, Zapier, Make ou un bouton d’export). Data Studio se connecte nativement au Sheet et se rafraîchit automatiquement quand le Sheet est mis à jour.
Les types de graphiques
Data Studio propose plus de 20 types de graphiques natifs, dont Sankey, entonnoir, cascade, chronologie et boxplot (liste de Google) : séries temporelles et courbes pour les tendances, barres et colonnes pour classer, camembert, anneau et treemap pour les parts, tableaux et tableaux croisés, scorecards et jauges pour un KPI, cartes pour la géographie, nuage de points pour les corrélations.
Le camembert est le plus souvent mal utilisé : il devient illisible au-delà de 5 segments. Préférez un treemap pour les répartitions à nombreuses catégories. Le graphique à connaître : la scorecard. Elle affiche une métrique unique avec une comparaison optionnelle à la période précédente (écart absolu, variation en pourcentage, ou les deux). Avec une mise en forme conditionnelle (vert/rouge selon le sens), c’est le moyen le plus rapide de donner aux décideurs un bilan de santé de leurs KPI sur un écran.
Cinq cas d’usage concrets
1. Reporting client hebdomadaire automatisé
Chaque lundi, un analyste exporte à la main GA4 et Google Ads, colle dans une présentation et envoie : sur mes projets, 2 à 4 heures par client et par semaine. Dans Data Studio : connecter GA4 et Google Ads, ajouter un contrôle de période (par défaut « 7 derniers jours, comparés à la période précédente »), des scorecards pour 5 KPI (sessions, key events, taux de key events par session, coût, ROAS ; GA4 a renommé les conversions en key events), une série temporelle, un tableau par canal, puis régler le partage sur « Toute personne disposant du lien peut afficher ». Le client voit des données vivantes à chaque ouverture ; le rapport n’est jamais reconstruit.
2. Tableau de bord de campagne en temps réel
À inclure : dépenses quotidiennes face au rythme du budget (colonnes avec ligne cible), ROAS par campagne, tendance du coût par conversion, tableau des ad sets triés par dépense, et un filtre par nom de campagne.
3. Vue d’ensemble d’agence multi-clients
Une agence avec 15 clients perd plus de 30 minutes par jour à vérifier chaque compte. Architecture : un modèle de rapport par client, plus un rapport de synthèse où chaque ligne est un client. Ce rapport demande du blending ou une couche BigQuery consolidée, car chaque client a sa propre propriété GA4.
4. Suivi d’objectifs avec alertes visuelles
Un tableau de 5 métriques (revenu, leads, conversions, CAC, panier moyen), une colonne d’objectif mensuel (via un Google Sheet connecté), un champ calculé Pacing % = Actual / (Target × (Days elapsed / Days in month)), et une mise en forme conditionnelle : vert si Pacing % ≥ 90 %, jaune entre 70 et 90 %, rouge en dessous. Chaque métrique est verte, jaune ou rouge, sans analyse à faire.
5. Suivi SEO avec Search Console
Connectez Search Console, construisez une série temporelle des clics, impressions et position moyenne, puis un tableau des requêtes triées par clics, avec le CTR en rouge sous 2 % pour plus de 1 000 impressions : des pages à fort potentiel qui sous-performent.
Fonctionnalités avancées
Champs calculés : les formules les plus utiles
Les champs calculés créent de nouvelles métriques à partir des données existantes sans toucher à la source, avec une syntaxe proche d’un tableur. Deux niveaux : au niveau de la source de données (disponible dans tous les rapports qui l’utilisent, à privilégier pour les métriques partagées) ou au niveau du graphique (pour une métrique ponctuelle) (Google : champs calculés). Exemples utilisés couramment :
-- ROAS (Return on Ad Spend)
Conversions_Value / Cost
-- If your GA4 data source has revenue and your Ads connector has cost,
-- use data blending (see below) to compute this cross-source.
-- Conversion rate (as percentage)
Conversions / Sessions
-- Automatically formats as % if you set the field type to Percent.
-- Cost per lead
Cost / Conversions
-- Custom segment: mark sessions as high-value
CASE
WHEN Total_Revenue > 500 THEN "High value"
WHEN Total_Revenue > 100 THEN "Medium value"
ELSE "Low value"
END
-- Combine two dimensions
CONCAT(Campaign_Name, " | ", Ad_Group_Name)
-- Clean up a messy source/medium value
REGEXP_REPLACE(Source_Medium, "(\\?.*)", "")
-- Removes query parameters from source tracking stringsData blending : des métriques croisées entre sources
Le blending combine deux sources ou plus dans un même graphique. Le cas le plus courant : calculer le ROAS en plaçant les dépenses Google Ads à côté du revenu GA4 sur une même dimension (date ou campagne).
Pour créer un blend : sélectionnez les graphiques à combiner, clic droit, Blend data, ou construisez-le à la main (Google : créer et gérer des blends). Choisissez la clé de jointure (par exemple la date) et l’opérateur : inner, left outer, right outer, full outer ou cross join (Google : fonctionnement des blends). Le nom et le type de la clé doivent correspondre ; vérifiez surtout les formats de date (YYYYMMDD). Puis créez un champ calculé sur la source blendée : ROAS = Revenue / Cost. Limite : 5 tables par blend.
Filtres dynamiques et contrôles de dates
- Contrôle de période : calendrier qui s’applique à tous les graphiques de la page (ou du rapport). Réglez le défaut selon la façon de penser de vos lecteurs : 30 jours pour les revues mensuelles, 7 jours pour les tableaux de bord opérationnels.
- Contrôle de filtre : liste déroulante ou cases à cocher pour filtrer par canal, pays, campagne, appareil.
- Contrôle de données : permet à chaque lecteur de basculer vers un autre compte du même type auquel il a accès (il s’authentifie avec son propre compte Google ; Google : data control). Un modèle de rapport connecté à plusieurs propriétés GA4 convient très bien aux configurations multi-clients qui partagent la même structure.
Pour appliquer un contrôle à toutes les pages, faites-en un composant au niveau du rapport (clic droit en mode édition ; Google : mise en page).
Paramètres : des variables définies par l’utilisateur
C’est la fonctionnalité la plus avancée et la moins utilisée : un champ de saisie dont la valeur alimente les champs calculés (Google : paramètres). Exemple, un CPA cible : créer Target_CPA (type Nombre, défaut 25), puis Performance_vs_Target = Cost / Conversions / Target_CPA, affiché en rouge au-dessus de 1 et en vert sinon, avec un contrôle de filtre pour changer la cible dans le rapport.
Sept conseils de terrain
- Filtres au niveau du rapport plutôt que de la page. Un rapport de 10 pages avec des filtres de page a 10 contrôles de dates indépendants ; au niveau du rapport, un seul à modifier.
- Nommer les sources tout de suite. Convention conseillée : [Source] — [Client/Site] — [Environnement] — [Langue]. Quand un connecteur casse, le message d’erreur affiche ce nom : il dit tout de suite quel client et quel outil.
- Extract Data pour les quotas GA4. L’API de données GA4 limite chaque propriété standard à 10 requêtes simultanées et 40 000 tokens par heure (Google : quotas). Le connecteur Extract Data stocke un instantané dans un cache géré par Google (100 Mo / 750 000 lignes au plus, Google : extract data) : acceptable pour du reporting hebdomadaire, pas pour des tableaux de bord de campagne en direct.
- Passer en mode Affichage avant chaque partage. Par défaut, un rapport utilise les identifiants du propriétaire. Avec les identifiants du lecteur, ceux qui n’ont pas accès à la source voient une erreur : première cause de « pourquoi mon rapport est cassé ? ». Testez en navigation privée.
- Google Sheets comme tampon universel : si votre script d’export tourne à minuit, le rapport affiche des données fraîches le matin.
- Dupliquer avant les grosses modifications. Data Studio garde un historique des versions (notes de version 2019), mais faites aussi une copie « backup AAAA-MM-JJ ».
- Partir d’un modèle communautaire. Chercher « Data Studio template [votre cas] » donne souvent des résultats exploitables en moins de 5 minutes. Un modèle copié est un point de départ, pas un produit fini.
Les limites, sans fard
| Impact | Limite | Contournement |
|---|---|---|
| Élevé | Quota de l’API GA4 : 10 requêtes simultanées par propriété standard | Extract Data pour les tableaux de bord à 6 graphiques ou plus |
| Élevé | Pas de transformation de données (remodeler, dépivoter, nettoyer) | Transformer en amont (BigQuery, dbt, formules Sheets) |
| Moyen | Alertes sur graphiques : Data Studio Pro uniquement (Google) | Alertes GA4 Intelligence ou Looker (Enterprise) |
| Moyen | Connecteurs communautaires : aucun SLA | Connecteurs partenaires payants pour le reporting critique |
| Moyen | Blending : 5 tables maximum, clé identique | Consolider en amont |
| Faible | Gros tableaux croisés lents, PDF pas de qualité impression, rendu mobile, pas de domaine personnalisé | Agréger dans BigQuery ; export Google Slides ; type de rapport Responsive ; iframe sur votre site |
Data Studio, Power BI ou Tableau ?
Cette comparaison vaut pour une équipe analytics petite ou moyenne, ou une agence, pas pour du data engineering d’entreprise.
| Data Studio | Power BI | Tableau | |
|---|---|---|---|
| Prix | Gratuit (Pro : 9 $/utilisateur/projet/mois) | 14 $ (Pro) à 24 $ (Premium Per User) par utilisateur et par mois, à l’année (oct. 2026) | Licences payantes (vérifier les tarifs actuels) |
| Mise en route | Moins de 10 minutes | 30 à 60 min | 1 à 2 heures |
| Écosystème Google | Natif, sans configuration | Via connecteurs (OAuth) | Pas de connecteur GA4 natif (Tableau) |
| Transformation | Champs calculés seulement | Très forte : Power Query | Très forte : Tableau Prep + LOD |
| Alertes natives | Pro seulement | Intégrées | Intégrées sur Cloud/Server |
| Intégration (embed) | Gratuite (iframe) | Capacité Premium | Licence Embedded |
| Apprentissage | Opérationnel en 1 jour | DAX : des semaines | Des mois |
| Idéal pour | Écosystème Google, agences, petites équipes | Organisations Microsoft, finance | Équipes data, gros volumes |
Mon avis : pour une équipe qui travaille avec la pile marketing de Google, Data Studio est en général le bon choix par défaut, parce qu’il est gratuit et se connecte nativement à GA4, Ads et Search Console. Dès que vous avez besoin de vraie transformation de données, de calculs complexes de type DAX ou d’alertes natives, Power BI vaut son coût. Tableau est pour les équipes data qui font de l’analyse exploratoire sur de gros jeux de données complexes.
Le chemin minimal vers un premier tableau de bord utile
Créer un rapport, connecter GA4, ajouter 4 scorecards (sessions, key events, taux de key events par session, revenu) avec la période de comparaison, une série temporelle sessions et conversions sur 30 jours, un tableau source/medium trié par revenu, un contrôle de période, puis passer en mode Affichage. Cela donne un tableau de bord marketing utile en moins de 30 minutes ; ajoutez ensuite sources, fonctions avancées et pages au fil de vos besoins.
Sources
- Data Studio : documentation officielle (Google Cloud)
- Data Studio : notes de version
- Liste officielle des connecteurs
- Connecteurs communautaires (doc développeur)
- Whatagraph : connecteurs Looker Studio (blog éditeur)
- Swydo : meilleurs connecteurs Looker Studio (blog éditeur)
Pour aller plus loin, lisez la version complète de l’article (en anglais) : Data Studio (formerly Looker Studio): The Complete Guide — From Zero to Advanced.
Besoin d’aide sur ce sujet ? Consultant GA4 et audit analytics.