--- title: Databricks Reviews meta_title: 'Databricks Avis 2026 : Détails, Tarification, & Caractéristiques | G2' meta_description: Filtrez les avis sur 1366 par taille d'entreprise, rôle ou secteur des utilisateurs pour découvrir comment Databricks fonctionne pour une entreprise comme la vôtre. aggregate_rating: rating_value: 4.6 review_count: 1366 scale: '5' date_modified: '2026-08-15' parent_category: name: Grande Donnée url: https://www.g2.com/fr/categories/big-data --- # Databricks Reviews **Vendor:** Databricks Inc. **Category:** [Traitement et distribution des mégadonnées](https://www.g2.com/fr/categories/big-data-processing-and-distribution) **Average Rating:** 4.6/5.0 **Total Reviews:** 1,366 ## About Databricks Databricks est l'entreprise de données et d'IA. Plus de 20 000 organisations dans le monde — y compris adidas, AT&T, Bayer, Block, Mastercard, Rivian, Unilever, et 70 % du Fortune 500 — s'appuient sur la plateforme Data + AI de Databricks pour construire et développer des applications de données et d'IA, des analyses et des agents. Basée à San Francisco avec plus de 30 bureaux dans le monde, Databricks offre une plateforme unifiée qui inclut Genie, Lakebase, Agent Bricks, Lakeflow, Lakehouse et Unity Catalog. Fondée en 2013 par les créateurs originaux d'Apache Spark™, Delta Lake, MLflow et Unity Catalog, Databricks est construite sur une architecture de lakehouse ouverte qui réunit données, analyses et IA. La plateforme est utilisée par des ingénieurs de données, des scientifiques de données, des analystes, des développeurs, des équipes de machine learning, des équipes d'IA et des utilisateurs professionnels pour collaborer tout au long du cycle de vie des données et de l'IA. Les principales capacités de Databricks incluent : - Ingénierie des données : Construire, automatiser et gérer des pipelines de données batch, en streaming et en temps réel fiables. - Analytique et intelligence d'affaires : Exécuter des analyses SQL, créer des tableaux de bord et permettre aux équipes commerciales d'explorer les données. - Gouvernance des données : Découvrir, sécuriser et gérer les actifs de données et d'IA à travers les équipes, les clouds et les charges de travail. - Apprentissage automatique et IA : Développer des modèles, construire des applications d'IA générative et créer des agents d'IA de qualité production. - Applications de données : Construire et déployer des applications basées sur les données en utilisant des données d'entreprise gouvernées. Disponible sur AWS, Azure et Google Cloud, Databricks aide les organisations à travailler à travers les clouds, à réduire les silos de données et à simplifier la collaboration entre les équipes et les outils. Les clients utilisent Databricks pour des cas d'utilisation tels que la personnalisation client, la détection de fraude, la maintenance prédictive, l'analyse en temps réel, la cybersécurité, la recherche en santé, la gestion des risques financiers, l'optimisation de la chaîne d'approvisionnement et la prise de décision alimentée par l'IA. Databricks est utilisé dans divers secteurs, y compris les services financiers, la santé et les sciences de la vie, le commerce de détail, la fabrication, l'énergie et le secteur public. Les organisations utilisent la plateforme pour moderniser l'infrastructure de données, accélérer l'adoption de l'IA et transformer les données d'entreprise en valeur commerciale. ## Databricks Pros & Cons **What users like:** - Les utilisateurs louent la **facilité d'utilisation** et les **fonctionnalités complètes** de Databricks pour l'entreposage de données et les applications de ML. (192 reviews) - Les utilisateurs louent la **facilité d'utilisation** de Databricks, améliorant leur expérience grâce à des interfaces intuitives et des services fiables. (154 reviews) - Les utilisateurs apprécient les **intégrations transparentes** de Databricks avec AWS et d'autres outils, améliorant les opérations quotidiennes et l'efficacité. (141 reviews) - Les utilisateurs apprécient la **collaboration fluide** offerte par Databricks, améliorant le travail d'équipe sur les projets de données avec des insights en temps réel. (114 reviews) - Les utilisateurs louent les **fonctionnalités analytiques intégrées** de Databricks, améliorant le traitement collaboratif des données et la visualisation des insights. (112 reviews) - Évolutivité (111 reviews) - Intégration ML (106 reviews) - Les utilisateurs apprécient les **intégrations faciles** de Databricks, se connectant sans effort à l'infrastructure cloud et améliorant la gestion des données. (102 reviews) - Apprentissage automatique (97 reviews) - Les utilisateurs apprécient les **fonctionnalités efficaces de gestion des données** de Databricks, simplifiant leurs flux de travail et améliorant la prise de décision. (87 reviews) **What users dislike:** - Les utilisateurs notent une **courbe d'apprentissage abrupte** au départ, avec des autorisations et des modes de calcul déroutants affectant l'utilisabilité. (78 reviews) - Les utilisateurs notent que les **coûts peuvent être assez élevés** pour utiliser Databricks efficacement, surtout pour les grands projets de données. (71 reviews) - Les utilisateurs trouvent une **courbe d'apprentissage abrupte** avec Databricks, particulièrement difficile pour les nouveaux venus aux outils de big data. (64 reviews) - Les utilisateurs trouvent la **complexité** de Databricks difficile, surtout pour les petites équipes et les processus d'installation initiaux. (45 reviews) - Les utilisateurs rencontrent des **défis de configuration complexes** au départ, bien que le support aide à simplifier l'expérience au fil du temps. (35 reviews) - Problèmes de performance (34 reviews) - Les utilisateurs rencontrent des **problèmes d'interface utilisateur non intuitifs** qui entraînent des erreurs aléatoires et compliquent l'expérience pour les utilisateurs non techniques. (34 reviews) - Mauvaise conception de l'interface utilisateur (33 reviews) - Les utilisateurs expriment leur frustration face aux **fonctionnalités manquantes** dans Databricks, limitant son efficacité pour les déploiements complexes et les configurations personnalisées. (31 reviews) - Coût (29 reviews) ## Databricks Reviews ### 1. Plateforme fiable pour construire des pipelines de données évolutifs **Rating:** 5.0/5.0 stars **Reviewed by:** aravind k. | Data Engineer II, Marché intermédiaire (51-1000 employés) **Reviewed Date:** August 03, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus chez Databricks, c'est la façon dont son interface utilisateur conviviale intègre l'ensemble du flux de travail d'ingénierie des données sur une seule plateforme. Dans mon projet, les données arrivent dans la couche Bronze via Snaplogic, et nous utilisons Databricks pour les transformer en produits de données Silver et Gold. L'option de calcul sans serveur a considérablement réduit l'effort de gestion de l'infrastructure, tandis que Unity Catalog rend la gouvernance et le contrôle d'accès simples. Je trouve également AI Genie et les fonctionnalités de surveillance intégrées utiles pour enquêter sur les échecs de pipeline, vérifier les temps d'exécution des tâches et déboguer les problèmes beaucoup plus rapidement. D'un point de vue tarifaire, le modèle de paiement à l'utilisation fonctionne bien pour nous, surtout avec le calcul sans serveur et l'auto-scalabilité, car nous évitons de payer pour une infrastructure inactive. La documentation est complète, l'intégration de nouveaux membres de l'équipe est relativement simple, et il existe une base de connaissances solide et une communauté qui aident à résoudre les problèmes rapidement. Dans l'ensemble, cela a rendu notre développement ETL et nos opérations quotidiennes plus efficaces. **Que n’aimez-vous pas à propos de Databricks?** Un inconvénient est que le dépannage peut parfois être difficile lorsqu'un pipeline échoue, car les messages d'erreur ne sont pas toujours suffisamment détaillés et vous devrez peut-être parcourir plusieurs journaux pour trouver la cause principale. La plateforme dispose également de nombreuses fonctionnalités, il peut donc falloir un certain temps aux nouveaux utilisateurs pour se familiariser avec tout. Bien que le sans serveur soit pratique, les coûts peuvent augmenter si l'utilisation des ressources de calcul n'est pas surveillée correctement. J'aimerais également voir une réactivité plus rapide de l'interface utilisateur dans certaines zones, notamment lors de la navigation dans de grands historiques de tâches ou catalogues. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks a aidé mon équipe et moi à simplifier notre flux de travail en ingénierie des données en fournissant une plateforme unique pour l'ingestion, la transformation, la gouvernance et l'analyse des données. Nous l'utilisons pour traiter les données des couches Bronze à Silver et Gold, ce qui a rendu nos pipelines ETL plus fiables et plus faciles à gérer. Des fonctionnalités comme le calcul sans serveur, le Unity Catalog et la surveillance intégrée ont réduit l'effort opérationnel, amélioré la collaboration entre les équipes et nous ont aidés à livrer des produits de données plus rapidement. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez Databricks convivial et qu'il a simplifié votre flux de travail en ingénierie des données. Nous apprécions vos commentaires sur l'option de calcul sans serveur, la documentation et le support communautaire. Nous comprenons vos préoccupations concernant le dépannage et la réactivité de l'interface utilisateur, et nous travaillons continuellement à améliorer ces aspects. ### 2. Databricks simplifie l'ETL et l'analyse avec des notebooks évolutifs **Rating:** 5.0/5.0 stars **Reviewed by:** Diana C. | Lead Business Efficiency Architect, Technologie de l'information et services, Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 29, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'ai utilisé Databricks dans le cadre de notre flux de travail d'ingénierie des données pour construire et maintenir des pipelines ETL, analyser de grands ensembles de données et répondre aux exigences de reporting. L'un des aspects que j'apprécie le plus est qu'il regroupe l'ingénierie des données, l'analytique et les notebooks dans un espace de travail unique. Au lieu de passer d'un outil à l'autre, je peux écrire du code PySpark, valider des transformations, collaborer avec des collègues et planifier des tâches depuis la même plateforme. Cela a rendu le développement quotidien plus organisé, surtout lorsque je travaille sur plusieurs pipelines de données. Une autre fonctionnalité sur laquelle je compte fréquemment est l'environnement de notebook. C'est pratique pour développer et tester des transformations avant de les mettre en production. Pendant le développement, j'utilise souvent des notebooks pour inspecter des données d'échantillon, résoudre des transformations échouées et valider la logique métier avec SQL et PySpark. La possibilité de mélanger du code, de la documentation en markdown et des résultats de requêtes au même endroit facilite également la compréhension de l'implémentation par les membres de l'équipe lors des revues de code ou des sessions de transfert de connaissances. J'apprécie également l'évolutivité de la plateforme. Certains de nos travaux de traitement de données impliquent des millions d'enregistrements, et Databricks gère le traitement distribué efficacement sans que nous ayons à gérer directement l'infrastructure sous-jacente. Des fonctionnalités comme la gestion des clusters, la planification des tâches et l'intégration avec le stockage cloud réduisent la charge opérationnelle. Cela dit, les temps de démarrage des clusters peuvent parfois retarder les sessions de débogage rapide, et la gestion prudente des ressources de calcul est importante pour éviter des coûts inutiles. Dans l'ensemble, Databricks a aidé à simplifier le traitement de données à grande échelle tout en offrant suffisamment de flexibilité pour les charges de travail de développement et de production. **Que n’aimez-vous pas à propos de Databricks?** Bien que Databricks ait été fiable pour nos charges de travail en ingénierie des données, il y a quelques domaines où je pense qu'il pourrait être amélioré. Un défi que j'ai rencontré est le temps de démarrage des clusters. Lorsque j'ai seulement besoin de tester un petit changement de code ou de valider une transformation, attendre qu'un cluster démarre peut interrompre le flux de développement. Ce n'est pas un problème majeur pour les tâches de production planifiées, mais pendant le développement actif et le débogage, ces minutes supplémentaires s'accumulent. Une autre limitation est la gestion des coûts. Étant donné que les ressources de calcul sont liées à l'utilisation des clusters, il est important de surveiller les configurations des clusters et de s'assurer qu'ils sont arrêtés lorsqu'ils ne sont pas nécessaires. Nous avons eu des situations où des clusters de développement sont restés actifs plus longtemps que prévu, entraînant des coûts cloud plus élevés. La plateforme fournit des outils pour gérer cela, mais cela nécessite toujours que les équipes établissent une bonne gouvernance et des politiques d'utilisation. J'ai également constaté que certains paramètres de configuration pour les tâches, les autorisations et les clusters ont une courbe d'apprentissage, surtout pour les nouveaux membres de l'équipe qui ne sont pas familiers avec l'environnement Databricks. D'un point de vue quotidien, le débogage des tâches Spark distribuées peut parfois être difficile. Bien que les journaux fournissent des informations utiles, identifier la cause exacte des échecs nécessite souvent de naviguer à travers plusieurs journaux d'exécution et détails de l'interface utilisateur Spark. Pour les problèmes simples, ce n'est pas un problème, mais le dépannage des échecs de pipeline plus complexes peut prendre du temps. Malgré ces limitations, aucune d'entre elles ne l'emporte sur les avantages de la plateforme, et la plupart des défis peuvent être gérés avec une configuration appropriée des clusters, une surveillance et des pratiques d'équipe. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks a aidé à relever l'un des plus grands défis de notre flux de travail en ingénierie des données : traiter et transformer de grands volumes de données de manière efficace. Avant que les données n'atteignent les rapports ou les applications en aval, nous devons ingérer des données de plusieurs sources, appliquer des règles métier, nettoyer les enregistrements incohérents et créer des ensembles de données organisés. Databricks fournit une plateforme unique où nous pouvons développer, tester et exécuter ces pipelines de données en utilisant PySpark et SQL au lieu de gérer plusieurs outils déconnectés. Cela a rendu notre processus de développement plus cohérent et plus facile à maintenir. Un exemple pratique est l'un de nos pipelines ETL quotidiens qui traite les données de différents systèmes sources avant de les charger dans des tables organisées pour les rapports. Nous utilisons les notebooks Databricks pendant le développement pour valider les transformations sur des données d'échantillon, puis nous programmons la même logique en tant que tâches de production. Si un pipeline échoue, l'historique des tâches et les journaux d'exécution nous aident à identifier l'étape où l'échec s'est produit, rendant le dépannage plus efficace que de tracer manuellement les scripts sur différents serveurs. Avoir des notebooks, la planification des tâches et la gestion des clusters sur une seule plateforme a réduit l'effort nécessaire pour gérer ces flux de travail. D'un point de vue commercial, le plus grand avantage est la disponibilité plus rapide de données fiables pour les rapports et l'analytique. Notre équipe passe moins de temps à gérer l'infrastructure et plus de temps à mettre en œuvre la logique métier et à améliorer la qualité des données. Bien que l'optimisation des tâches Spark et la surveillance des coûts des clusters nécessitent encore de l'attention, Databricks a rationalisé notre flux de travail quotidien en fournissant un environnement évolutif pour développer, tester et exécuter des pipelines de données. Cela a amélioré la collaboration au sein de l'équipe et a facilité la livraison de données auxquelles les utilisateurs en aval peuvent faire confiance. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que Databricks a simplifié votre flux de travail en ingénierie des données et fourni un espace de travail unique pour les analyses et les notebooks. Nous comprenons l'importance d'avoir un environnement pratique pour développer et tester des transformations, et nous apprécions vos retours sur les temps de démarrage des clusters et la gestion des coûts. Nous travaillons continuellement à améliorer la plateforme et à fournir de meilleurs outils pour gérer les ressources de calcul et réduire les charges opérationnelles. Merci de partager votre expérience avec Databricks ! ### 3. Utile pour gérer et analyser les données opérationnelles **Rating:** 4.5/5.0 stars **Reviewed by:** Vishaka C. | Full Stack Developer, Logiciels informatiques, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 10, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Nous utilisons Databricks pour traiter les données de réservation et de service avant de créer des tableaux de bord opérationnels pour notre équipe. J'ai importé des ensembles de données dans des tables Delta, utilisé des requêtes SQL pour préparer les métriques de revenus et de réservations, et construit des tableaux de bord KPI pour surveiller la performance des fournisseurs et les tendances mensuelles. Catalog Explorer a facilité l'inspection des schémas et la validation des données avant le reporting. Garder la préparation des données, les requêtes et la visualisation dans un seul espace de travail a réduit le travail manuel et nous a aidés à générer des rapports plus rapidement. **Que n’aimez-vous pas à propos de Databricks?** Le principal défi était la courbe d'apprentissage initiale. Comprendre la disposition de l'espace de travail, l'Explorateur de catalogue, les entrepôts SQL et la configuration du tableau de bord a pris un certain temps lorsque j'ai commencé à l'utiliser. Après quelques jours de travail avec la plateforme, la navigation est devenue beaucoup plus intuitive, mais un meilleur accueil pour les nouveaux utilisateurs rendrait l'expérience plus fluide. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks nous aide à centraliser la préparation des données, l'analyse SQL et le reporting sur une seule plateforme au lieu de passer d'un outil à l'autre. Je l'ai utilisé pour créer des tables Delta gérées, analyser les données de réservation et de revenus avec SQL, et construire des tableaux de bord pour suivre les indicateurs clés de performance, la performance des fournisseurs et les tendances mensuelles. Cela a rendu le reporting plus rapide et nous a aidés à surveiller la performance opérationnelle plus efficacement. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que Databricks vous a été utile pour gérer et analyser vos données opérationnelles. C'est formidable de savoir que la plateforme a simplifié vos processus de préparation, de requête et de visualisation des données, vous aidant ainsi à générer des rapports plus rapidement. ### 4. Utile pour les rapports sur les opérations de service de conducteur **Rating:** 4.0/5.0 stars **Reviewed by:** Jayesh W. | Software Engineer II, Logiciels informatiques, Entreprise (> 1000 employés) **Reviewed Date:** July 20, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus chez Databricks, c'est qu'il aide notre équipe à surveiller les opérations de service des conducteurs plus efficacement. Nous utilisons les tableaux de bord Databricks et les entrepôts SQL pour suivre les revenus quotidiens, les demandes de service, les scores de satisfaction client, les services complétés et les transactions échouées en un seul endroit. Cela a rendu le reporting opérationnel beaucoup plus rapide et nous permet d'identifier les tendances sans préparer manuellement plusieurs rapports. **Que n’aimez-vous pas à propos de Databricks?** Une chose que j'ai trouvée légèrement difficile avec Databricks était de comprendre comment différents composants tels que les entrepôts SQL, les tableaux de bord et les autorisations fonctionnent ensemble lors de la création de rapports opérationnels. La configuration des tableaux de bord pour les métriques de service des conducteurs a pris un certain temps au début. Après s'être familiarisé avec le flux de travail, il est devenu beaucoup plus facile à gérer, mais un meilleur accompagnement pour les nouveaux utilisateurs améliorerait l'expérience globale. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks nous aide à centraliser l'analyse des opérations de service des conducteurs dans un espace de travail unique. Nous l'utilisons pour suivre les revenus quotidiens, les demandes de service, les scores de satisfaction client, les services complétés et les transactions échouées via des tableaux de bord opérationnels. Avant d'utiliser Databricks, préparer des rapports à partir de plusieurs ensembles de données prenait plus de temps. Avoir ces indicateurs commerciaux disponibles en un seul endroit a considérablement amélioré l'efficacité des rapports et a aidé notre équipe à identifier les tendances opérationnelles beaucoup plus rapidement. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que Databricks a été utile pour surveiller efficacement les opérations de service des conducteurs. Nos tableaux de bord et entrepôts SQL sont conçus pour centraliser et rationaliser les rapports opérationnels, facilitant ainsi le suivi des indicateurs clés en un seul endroit. Nous apprécions vos commentaires concernant l'intégration et nous travaillons continuellement à améliorer notre processus d'intégration pour offrir une meilleure orientation aux nouveaux utilisateurs. ### 5. Flux de travail juridique rationalisé avec Databricks **Rating:** 5.0/5.0 stars **Reviewed by:** Pranjal S. | Senior Associate, Legal and Research, Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 10, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Je trouve Databricks vraiment utile pour l'automatisation des flux de travail et l'analyse dans le secteur juridique. Il aide à gérer les documents liés à la conformité légale et aux contrats en un seul endroit, ce qui permet de gagner beaucoup de temps. J'apprécie la facilité de travail avec Databricks et ses multiples intégrations d'outils. J'aime vraiment la fonctionnalité PySpark, qui fait ressortir Databricks. La facilité d'utilisation du produit et son interface utilisateur simple le rendent accessible même aux personnes non techniques, aidant tout le monde à gérer les tâches facilement. La configuration initiale de Databricks a été vraiment très facile et a été complétée en une semaine. Dans l'ensemble, c'est un produit vraiment excellent. **Que n’aimez-vous pas à propos de Databricks?** Il n'y a pas beaucoup d'inconvénients pour moi, sauf quelques bugs occasionnels et des temps d'arrêt. Parfois, je dois cliquer sur un bouton deux fois pour obtenir le résultat. De plus, la taille de la police est un peu petite par rapport aux sites web ou à d'autres outils. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** J'utilise Databricks pour l'automatisation des flux de travail, la gestion des documents juridiques en un seul endroit, l'économie de temps, la simplification de l'analyse et l'intégration de plusieurs outils. **Official Response from Jess Darnell:** > Merci de partager votre expérience positive avec Databricks ! Nous sommes ravis d'apprendre qu'il a été essentiel pour la gestion des documents juridiques et la simplification de l'analyse pour vous. Nous comprenons l'importance d'une interface utilisateur fluide et prendrons en compte vos commentaires sur la taille de la police pour de futures améliorations. Nous apprécions votre soutien ! ### 6. Expérience de carnet premium qui unifie l'ingénierie ML et des données **Rating:** 5.0/5.0 stars **Reviewed by:** Rachit S. | Digital Marketing, Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 09, 2026 **Qu'aimez-vous le plus à propos de Databricks?** L'expérience du notebook est l'une des fonctionnalités premium que j'utilise très souvent. Cela me fait gagner du temps, et je passe moins de temps sur des tâches opérationnelles par rapport à travailler réellement de manière productive avec les données, car le flux utilisateur est tellement simplifié. Le plus grand avantage est d'avoir le ML et l'ingénierie des données sous un même toit, donc je n'ai pas à passer d'un outil à l'autre. Le support et l'intégration sont également très fluides, et la performance du produit est meilleure que celle de ses concurrents. **Que n’aimez-vous pas à propos de Databricks?** Rien pour l'instant, car cela fait très peu de temps jusqu'à présent. Cela dit, avoir plus de vidéos de produits serait utile, surtout pour les utilisateurs qui n'ont pas utilisé plusieurs outils auparavant. Une plus grande communauté autour du produit pourrait également être utile à long terme. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Comme mentionné, le plus grand avantage de ce produit est d'avoir tout en un seul endroit, ce qui rend le travail plus simple et plus productif. De plus, les intégrations faciles avec plusieurs plateformes le rendent encore plus utilisable. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous appréciez l'expérience du carnet premium et que vous le trouvez être un outil qui vous fait gagner du temps et qui est productif pour le ML et l'ingénierie des données. Nous apprécions vos retours et envisagerons de créer plus de vidéos sur le produit et de construire une communauté plus large autour de celui-ci. ### 7. Lac de données puissant pour le Big Data, la collaboration et des pipelines efficaces **Rating:** 4.5/5.0 stars **Reviewed by:** Konjengbam M. | BDR, Services financiers, Marché intermédiaire (51-1000 employés) **Reviewed Date:** June 10, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'adore cette plateforme pour sa capacité à gérer efficacement un grand volume de données. J'aime l'idée du Data Lakehouse de cette plateforme. Le travail collaboratif soutenu par cette plateforme améliore grandement la productivité et le travail d'équipe. Dans notre contexte d'utilisation de la requête SQL de Databricks, nous pouvons facilement identifier les meilleurs entrepreneurs nécessaires pour bénéficier d'un programme spécifique. Cela permet de gagner du temps et d'augmenter l'efficacité. La capacité de cette plateforme à analyser les performances passées et les tendances nous permet de tracer une approche très ciblée qui est vraiment efficace. J'adore la capacité de cette plateforme à identifier les actifs stressés probables qui pourraient poser problème pour les investissements futurs. Cela nous pousse à repenser notre stratégie et notre approche vers la meilleure et la plus efficace voie à suivre. Je trouve que la plateforme a une interface conviviale. J'adore la capacité d'intégration de cette plateforme car elle s'intègre avec la plupart des grandes plateformes. Cela rend cette plateforme plus robuste et puissante. L'intégration de cette plateforme est également facile car nous pouvons facilement nous connecter avec notre identifiant Google. En dehors de cela, j'adore la capacité de cette plateforme à créer des pipelines. La capacité de cette plateforme à créer des agents facilite également les tâches. Elle améliore également la capacité à gérer la charge de travail de manière plus efficace et efficiente. **Que n’aimez-vous pas à propos de Databricks?** J'aime la plupart des aspects de cette plateforme, mais je dois admettre que l'utilisateur aura besoin d'une certaine formation pour être plus efficace. Je pense qu'avoir une expérience plus technique s'adaptera bien à cette plateforme. Je souhaite également que le prix de cette plateforme soit plus modéré. Franchement, la précision des résultats de cette plateforme dépend de la propreté des données. Il y a donc toujours un risque d'introduire des données non nettoyées. Cela impactera directement le résultat. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Franchement, cette plateforme se traduit par une aide à la prise de décision précise. La décision prise en utilisant cette plateforme impacte directement la productivité et évite les risques. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez Databricks puissant et efficace pour gérer les big data, la collaboration et la création de pipelines. Nous apprécions vos commentaires sur l'interface conviviale, les capacités d'intégration et le processus d'intégration facile. ### 8. J'adore databricks **Rating:** 5.0/5.0 stars **Reviewed by:** taka b. | engineer, Entreprise (> 1000 employés) **Reviewed Date:** June 11, 2025 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus chez Databricks, c'est son intégration transparente du traitement des big data et de l'IA. L'interface basée sur des notebooks facilite la collaboration, et l'utilisation de Spark garantit des performances rapides. Delta Lake offre également une gestion et une versionnage des données fiables, ce qui est extrêmement utile dans les environnements d'entreprise. **Que n’aimez-vous pas à propos de Databricks?** Un inconvénient est que la configuration initiale et la configuration réseau peuvent être complexes et nécessiter une expertise technique. De plus, le coût peut augmenter rapidement en fonction de l'utilisation, donc la surveillance des coûts est essentielle. En outre, le manque de documentation complète dans certaines langues comme le japonais peut être une limitation. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks aide à résoudre les défis liés à la gestion et à l'analyse de grands volumes de données provenant de multiples sources. Il simplifie les pipelines ETL, améliore la fiabilité des données grâce à Delta Lake, et permet un apprentissage automatique évolutif. Cela a considérablement réduit le temps que notre équipe consacre à la préparation des données et à l'entraînement des modèles, conduisant à des insights commerciaux plus rapides et à une meilleure prise de décision. **Official Response from Aunalisa Arellano:** > Nous sommes ravis d'apprendre que Databricks a aidé à résoudre les défis liés à la gestion et à l'analyse de grands volumes de données pour votre équipe, conduisant à des insights commerciaux plus rapides et à une meilleure prise de décision. Nous apprécions votre soutien et nous nous engageons à améliorer continuellement notre plateforme. ### 9. Databricks a simplifié nos flux de travail de données à grande échelle et la collaboration en équipe **Rating:** 5.0/5.0 stars **Reviewed by:** Kareena M. | Social Media Manager, Petite entreprise (50 employés ou moins) **Reviewed Date:** June 04, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'ai personnellement le plus apprécié, c'est la facilité avec laquelle il est devenu possible de gérer des flux de travail de données à grande échelle en un seul endroit. Auparavant, nous utilisions des outils séparés pour le traitement, les notebooks et la collaboration, ce qui devenait très vite désordonné. Avec Databricks, l'équipe pouvait collaborer sur des notebooks, exécuter des pipelines et expérimenter avec des modèles de ML sans changer constamment d'environnement. **Que n’aimez-vous pas à propos de Databricks?** Les prix peuvent devenir élevés si les clusters ne sont pas gérés correctement, surtout pour les petites équipes ou les startups. Il y a également une courbe d'apprentissage certaine si quelqu'un vient d'environnements traditionnels uniquement SQL. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Nous avons principalement utilisé Databricks pour les flux de travail centralisés en ingénierie des données et en analyses. Cela nous a aidés à réduire la dépendance à de multiples outils et à améliorer la collaboration entre les analystes et les équipes d'ingénierie. Une amélioration majeure a été le traitement ETL plus rapide et une meilleure visibilité sur les pipelines de données. Cela a également facilité l'expérimentation avec des cas d'utilisation d'IA/ML car l'infrastructure était déjà intégrée dans la plateforme. **Official Response from Aunalisa Arellano:** > C'est fantastique d'entendre comment Databricks a bénéficié à votre équipe en centralisant les flux de travail d'ingénierie des données et d'analytique, en réduisant la dépendance à de multiples outils et en améliorant la collaboration. Nous sommes ravis d'entendre parler des améliorations dans le traitement ETL et l'expérimentation en IA/ML. ### 10. Databricks dans mon cas : Intégrations multiples, interface utilisateur intuitive et performance fiable **Rating:** 4.0/5.0 stars **Reviewed by:** Yelnur K. | Schedule Manager, Compagnies aériennes/Aviation, Marché intermédiaire (51-1000 employés) **Reviewed Date:** May 19, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus chez Databricks, c'est sa partie Intégrations. Au travail, nous intégrons la base de données avec plusieurs sources de données. De plus, je ne peux pas terminer mon avis sans mentionner le design UX et UI, qui rend le flux de travail global intuitif et vraiment convivial. En ce qui concerne la rapidité des processus, cela ne nous a jamais offensés. Cela fonctionne comme prévu. Comparativement aux prix du marché, le prix du service est assez fiable pour nous. Il y a un centre d'aide chez Databricks, si vous ne trouvez pas de réponses à vos questions, il y a des spécialistes qui peuvent vous aider avec vos demandes. Par exemple, je me souviens d'un cas où nous avions un problème lors d'un processus d'examen, ils nous ont aidés à résoudre ce problème. **Que n’aimez-vous pas à propos de Databricks?** Concernant les défauts de la qualité de l'IA de Genie. Les gars, cela pourrait être amélioré, surtout la partie raisonnement. Aussi, je peux mentionner le cas où nous avons eu un problème avec le processus d'examen. Les spécialistes nous ont aidés, mais cela nous a causé quelques désagréments. Eh bien, **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Dans l'aviation, nous utilisons ce logiciel pour l'analyse des données. Nous avons automatisé de nombreux processus que les outils de travail simples ne peuvent pas gérer. Nous intégrons également plusieurs outils (dont je ne peux pas mentionner les noms pour des raisons de sécurité). En particulier, cela nous aide à analyser la demande des passagers par itinéraire et par saison. Nous combinons et analysons de grands ensembles de données à l'aide de ce logiciel. Dans l'ensemble, c'est un bon outil. Notre équipe est satisfaite. **Official Response from Sara Steffen:** > Merci pour vos commentaires détaillés. Nous sommes ravis d'apprendre que Databricks a été essentiel pour automatiser les processus et analyser de grands ensembles de données pour vos besoins en aviation. Nous prenons vos commentaires sur Genie et les processus de support au sérieux et nous nous engageons à apporter des améliorations dans ces domaines. ### 11. Lakebase - Bonne option pour la diffusion de données à faible latence avec intégration Databricks **Rating:** 4.5/5.0 stars **Reviewed by:** Senthil K. | Associate Director, Marché intermédiaire (51-1000 employés) **Reviewed Date:** March 25, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'ai configuré le lacbase qui est synchronisé avec le lakehouse pour un accès à faible latence des applications d'entreprise, nous avons activé les options suivantes : - Lacbase utilisant Postgres 17, l'API de données HTTPS aide à accéder à la base de données de manière plus facile depuis les applications Databricks - Synchronisation d'intégration entre Lakehouse et Lacbase pour l'accès API - Il dispose d'une option de branchement pour maintenir les changements de schéma ou de fonctionnalités - Restauration à partir d'un point/temps antérieur - aide à réduire l'effort de récupération - Support des instantanés et des sauvegardes - Mise à l'échelle automatique de l'informatique et option de suspension - La surveillance, les journaux et les métriques de requêtes donnent une visibilité sur les requêtes actives, la performance et la santé de la base de données - L'accès OAuth et la connexion basée sur les rôles postgres aident à une meilleure sécurité et un accès contrôlé Modèle de tarification de Lacbase avec mise à l'échelle automatique et option de réduction en fonction de la tarification de l'informatique disponible **Que n’aimez-vous pas à propos de Databricks?** Toutes les fonctionnalités de Postgres ne sont pas disponibles dans Lakebase, donc nous ne pouvons pas migrer directement un Postgres existant vers Lakebase. La réduction à zéro ne se produit pas instantanément, nous avons rencontré des problèmes comme la déconnexion de l'application pendant un court moment, des pauses temporaires. Les opérations d'administration personnalisées dans la base de données Postgres sont limitées et non possibles. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Lakebase aide à fournir des données d'inventaire presque en temps réel, le suivi de la disponibilité et la réduction des situations de rupture de stock. Les données traitées du Lakehouse peuvent être servies via Lakebase pour les modèles d'achat des clients, les recommandations de produits et l'efficacité des promotions. Les données de ventes transactionnelles peuvent être rapidement mises à disposition pour les tableaux de bord au niveau des magasins, aidant les équipes commerciales à surveiller les tendances des ventes à l'aide d'applications web. Disponibilité des données opérationnelles presque en temps réel les applications accèdent à des données à faible latence pour les prix, les promotions pour les intégrations TPO-TPM. Nous avons également intégré l'IA pour inclure le contexte en temps réel. Faible latence **Official Response from Janelle Glover:** > Merci de partager vos expériences positives avec Genie, y compris sa capacité à combler le fossé entre les équipes commerciales et les équipes de données, à éliminer les silos de données et à améliorer la visibilité des coûts et des performances. Nous comprenons vos préoccupations concernant les limitations du Mode Agent et le besoin de plus d'autonomie. Nous travaillerons à résoudre ces problèmes pour améliorer votre expérience globale. ### 12. Gestion des données révolutionnée avec une collaboration exceptionnelle **Rating:** 4.5/5.0 stars **Reviewed by:** Niyonshuti Y. | Petite entreprise (50 employés ou moins) **Reviewed Date:** August 11, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'adore utiliser Databricks pour rassembler toutes nos données et m'assurer que tout est plus organisé sans zones isolées. Les notebooks collaboratifs sont fantastiques car ils me permettent de travailler sur le code simultanément avec des collègues, ce qui accélère considérablement le flux de travail. J'apprécie également l'intégration de Spark car elle élimine les tracas de la configuration manuelle des clusters. Databricks fait gagner beaucoup de temps grâce à la rapidité avec laquelle il traite les données. Le fait qu'il soit basé sur le cloud a rendu la configuration initiale facile, ce qui est un autre avantage. **Que n’aimez-vous pas à propos de Databricks?** Étant un peu exigeant, j'aimerais qu'ils améliorent la courbe d'apprentissage, car pour quelqu'un qui débute, cela peut être un peu accablant en raison du grand nombre d'options de configuration, de permissions et de paramètres de gouvernance. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks organise nos données, éliminant les zones isolées pour la collaboration en équipe. J'adore les notebooks collaboratifs et l'intégration de Spark pour des flux de travail rapides. Cela nous fait gagner du temps avec un traitement rapide des données. ### 13. Plateforme Delta Lake tout-en-un qui rend l'ETL rapide et économique **Rating:** 5.0/5.0 stars **Reviewed by:** Kavipriya S. | Data Engineer, Technologie de l'information et services, Marché intermédiaire (51-1000 employés) **Reviewed Date:** May 27, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Delta Lake + Workflows + Unity Catalog sur une seule plateforme ont éliminé le besoin de rassembler des outils d'ingestion, de transformation et de gouvernance séparés. En tant qu'ingénieur de données, je passe plus de temps à construire des pipelines et moins de temps à gérer l'infrastructure. L'expérience du notebook et l'auto-scalabilité des clusters rendent l'itération sur des ETL complexes rapide et rentable. **Que n’aimez-vous pas à propos de Databricks?** Les temps de démarrage des clusters et la prévisibilité des coûts restent les principaux points de friction pour moi. Les démarrages à froid peuvent vraiment ralentir le travail ad hoc, et les coûts DBU doivent être surveillés de près pour éviter les mauvaises surprises. L'interface utilisateur des flux de travail s'est beaucoup améliorée au fil du temps, mais elle ne semble toujours pas aussi flexible que les orchestrateurs dédiés lorsque vous traitez des DAGs plus complexes. Même ainsi, je considère cela principalement comme des éléments de finition - la valeur fondamentale de la plateforme les surpasse largement. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks résout un problème majeur de fragmentation dans notre pile d'ingénierie des données. Auparavant, nous dépendions d'outils séparés pour l'ingestion, la transformation, l'orchestration et la gouvernance—chacun avec sa propre courbe d'apprentissage, ses frais de maintenance et ses points de défaillance potentiels. Maintenant, tout est consolidé en une seule plateforme. En pratique, cela nous aide à exécuter des pipelines ETL à grande échelle qui traitent des millions d'enregistrements quotidiennement, avec Delta Lake améliorant la fiabilité grâce aux transactions ACID, à l'application de schémas et au voyage dans le temps pour le débogage. Cela comble également le fossé de collaboration entre les ingénieurs de données et les data scientists : nous construisons les pipelines, et ils peuvent consommer les mêmes tables directement dans les notebooks sans duplication de données ni problèmes de synchronisation. Unity Catalog a résolu un problème de gouvernance de longue date en centralisant le contrôle d'accès à travers les espaces de travail. Dans l'ensemble, le résultat est un développement de pipeline plus rapide, moins d'incidents de production liés à des problèmes de qualité des données, et beaucoup moins de code de liaison à maintenir. Ce qui prenait des semaines à construire et stabiliser prend maintenant des jours. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que Databricks a consolidé votre pile d'ingénierie des données et amélioré la fiabilité de vos pipelines ETL. Nous comprenons vos commentaires concernant les temps de démarrage des clusters et la prévisibilité des coûts, et nous travaillons activement à optimiser ces aspects de notre plateforme pour offrir une meilleure expérience utilisateur. ### 14. Des pipelines de télémétrie puissants à faible latence avec des tables de streaming et des vues matérialisées **Rating:** 4.0/5.0 stars **Reviewed by:** Jose P. | Head of Network Strategy, Télécommunications, Entreprise (> 1000 employés) **Reviewed Date:** May 26, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Dans un environnement de télécommunications traitant des volumes massifs de données provenant de réseaux fixes et mobiles (GPON, cœur 4g/5g et RAN), ingérant de manière incrémentale des télémétries de fréquence non structurées ou semi-structurées à partir de nos fonctions virtualisées comme vEPC, vCPE ou VHGW) avec une configuration minimale. Mon équipe travaille en étroite collaboration avec les fonctions réseau virtualisées et l'informatique en périphérie multi-accès. Des fonctionnalités comme les tables de streaming et les vues matérialisées nous aident à construire des pipelines à faible latence qui traitent les métriques de performance réseau en quasi temps réel, nous aidant à surveiller les indicateurs de performance réseau et l'efficacité de la qualité de service. Parce que l'expertise principale de mon équipe réside dans la conception de réseaux et la virtualisation des systèmes plutôt que dans l'administration de bases de données, l'optimisation prédictive et le clustering liquide sont très bénéfiques. Ils gèrent de manière autonome la maintenance des tables, la compaction des fichiers et l'optimisation de la disposition des données, libérant ainsi nos ressources pour nous concentrer sur l'architecture réseau. **Que n’aimez-vous pas à propos de Databricks?** Les fonctions réseau virtualisées, les routeurs et le matériel désagrégé subissent fréquemment des mises à jour logicielles, qui introduisent souvent des changements subtils dans les schémas de sortie de télémétrie. Lors de l'utilisation de flux structuré ou de chargeur automatique, ces dérives de schéma provoquent l'échec de nos requêtes de streaming, nécessitant un redémarrage manuel du flux pour replanifier le schéma. Lorsque nous devons mettre à jour la logique d'un KPI réseau complexe défini dans une vue matérialisée, tout changement de la requête déclenche un recalcul complet de la vue. Étant donné l'ampleur massive des ensembles de données de transactions télécoms, cela peut entraîner des coûts de calcul notables. Nous comptons sur une variété d'outils de données au sein de notre écosystème TIC, mais toutes les solutions présentées dans Partner Connect ne prennent pas en charge nativement Unity Catalog. Cela peut créer des obstacles d'intégration et de gouvernance lorsque nous essayons de connecter certains outils d'analyse et de préparation de données tiers à notre lac de données sécurisé. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Nous ingérons des flux continus de données de performance provenant de fonctions réseau virtualisées et de couches de transport traditionnelles. En construisant des pipelines de streaming, nous pouvons surveiller les cœurs virtualisés et les routeurs pour identifier les anomalies ou les dégradations dans le trafic réseau. Aligné avec mon intérêt pour l'IA réseau et l'apprentissage automatique, nos data scientists utilisent la plateforme pour développer des modèles prédictifs. Nous entraînons des modèles sur les échecs historiques des lignes GPON/DSL, les charges des tours cellulaires mobiles et les modèles d'utilisation des clients pour prédire la congestion du réseau, planifier une maintenance proactive et atténuer le désabonnement des clients à travers les segments de clientèle. En tant qu'évangéliste de l'évolution technologique, j'utilise la plateforme pour combler le fossé entre nos équipes d'ingénierie réseau de base et les unités commerciales. En connectant les sémantiques commerciales et en établissant des protocoles de partage Delta sécurisés, nous fournissons aux analystes commerciaux et aux décideurs un accès autonome et gouverné aux informations réseau sans risquer la conformité en matière de sécurité. **Official Response from Jess Darnell:** > C'est fantastique d'entendre comment Databricks vous aide à ingérer et traiter des flux continus de données de performance, à développer des modèles prédictifs et à combler le fossé entre les équipes d'ingénierie réseau et les unités commerciales. Nous nous engageons à fournir des solutions qui bénéficient à nos utilisateurs dans divers aspects de leur travail. ### 15. Rendre les systèmes de données moins désordonnés avec une approche unifiée de Lakehouse **Rating:** 5.0/5.0 stars **Reviewed by:** Hunar M. | Data Analyst, Geospatial Intelligence - Data & Analytics, Entreprise (> 1000 employés) **Reviewed Date:** May 21, 2026 **Qu'aimez-vous le plus à propos de Databricks?** L'écosystème. Ce que j'aime le plus chez Databricks, c'est la façon dont il élimine une grande partie du désordre habituel que l'on rencontre dans le travail de données. Au lieu de jongler avec des outils séparés pour l'ingénierie, l'analytique et le ML—et ensuite passer du temps supplémentaire à les faire communiquer entre eux—il rassemble tout en un seul endroit. Cela seul réduit beaucoup de friction et fait gagner du temps. J'aime aussi l'idée du Lakehouse parce qu'elle semble vraiment pratique : vous n'avez pas à choisir entre un lac de données et un entrepôt. Vous pouvez travailler avec une configuration unifiée et obtenir des performances quand vous en avez besoin. Au quotidien, c'est aussi agréable que différentes équipes puissent collaborer dans le même environnement sans copier constamment des données ou reconstruire des pipelines. Dans l'ensemble, cela simplifie et accélère les choses, surtout lorsque vous itérez. **Que n’aimez-vous pas à propos de Databricks?** Ce que je n'aime pas chez Databricks, c'est que cela peut sembler un peu lourd lorsque vous essayez simplement de faire quelque chose de simple. Il y a beaucoup de choses qui se passent en arrière-plan, et bien que ce soit excellent pour l'évolutivité, cela s'accompagne également d'une courbe d'apprentissage. Des éléments comme les clusters, les configurations et la configuration des tâches prennent un certain temps pour s'y habituer. Le coût est une autre préoccupation. L'utilisation peut augmenter rapidement si vous ne la surveillez pas activement, surtout lorsque les équipes peuvent lancer des calculs librement. Et parfois, l'expérience globale semble un peu fragmentée entre les notebooks, les tâches et les dépôts, plutôt que d'être un flux fluide et unifié. Donc, oui, c'est puissant, mais cela demande certainement de la discipline pour garder les choses propres, efficaces et sous contrôle. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Ce que Databricks résout vraiment pour moi, c'est la friction habituelle qui apparaît lorsque les systèmes de données sont répartis sur trop d'outils. Au lieu de faire fonctionner un système pour l'ingestion, un autre pour le stockage, un autre encore pour la transformation, puis des configurations séparées pour l'analytique et le ML, cela regroupe la plupart de ces éléments en un seul endroit. Cela signifie que je n'ai pas à déplacer constamment les données ou à m'inquiéter de leur désynchronisation. D'un point de vue de l'architecture de solution, c'est un grand avantage car cela simplifie la conception globale. Plutôt que de rassembler un tas de systèmes, vous pouvez construire autour d'une configuration Lakehouse unique qui prend en charge plusieurs cas d'utilisation. C'est plus facile à mettre à l'échelle, plus facile à gouverner, et globalement plus facile à comprendre. Au quotidien, cela signifie également que je passe moins de temps sur l'infrastructure et la plomberie et plus de temps à réfléchir à la conception de bons modèles de données et de pipelines. Et parce que tout le monde travaille à partir des mêmes données, il y a beaucoup moins de confusion et de retouches entre les équipes. Dans l'ensemble, cela élimine beaucoup de bruit et me permet de me concentrer sur la construction de solutions de données solides et évolutives. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez notre écosystème et notre approche Lakehouse bénéfiques pour simplifier et unifier votre travail de données. Nous comprenons vos préoccupations concernant la courbe d'apprentissage et le coût, et nous travaillons continuellement à améliorer l'expérience utilisateur et à proposer des solutions rentables. Merci de nous avoir fait part de vos commentaires détaillés. ### 16. Gestion unifiée des données avec clarté de gouvernance **Rating:** 4.5/5.0 stars **Reviewed by:** Gina S. | IoT Strategy and Operations Manager, Technologie de l'information et services, Marché intermédiaire (51-1000 employés) **Reviewed Date:** August 05, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'aime la façon dont Databricks fusionne notre entrepôt de données et nos lacs en une seule architecture, éliminant ainsi le besoin de maintenir un stockage et un calcul séparés pour les rapports opérationnels et le travail prédictif sur les données des capteurs. Cette source unique de vérité aide à contrôler la duplication et la dispersion des données tout en se concentrant sur l'image opérationnelle. Le concept de Lakehouse, qui réunit les environnements d'entrepôt et de lac sous un même toit, m'a conquis. Unity Catalog simplifie la gouvernance en offrant une vue claire de l'accès aux données, et Delta Live Tables gère efficacement nos pipelines de télémétrie, réduisant l'effort nécessaire pour assurer leur fiabilité. Je trouve également que la configuration initiale est assez facile sans rencontrer de gros problèmes. **Que n’aimez-vous pas à propos de Databricks?** Ma seule réserve concerne le côté coût. Le modèle DBU peut grimper rapidement, et si les politiques de cluster et les limites d'auto-scaling ne sont pas surveillées, les dépenses peuvent facilement vous dépasser. Nous avons vu cela se produire lors d'une période de streaming intense, ce qui nous a poussés à resserrer nos limites et à garder une main ferme sur l'utilisation. La discipline budgétaire récompense une attention constante plutôt qu'une approche de type "définir et oublier". Je voudrais une visibilité plus claire et en temps réel des dépenses DBU au niveau du cluster et de la charge de travail, avec des alertes configurables qui signalent lorsqu'un travail ou une flotte commence à dépasser son enveloppe prévue avant que la facture n'arrive, afin que la gouvernance budgétaire devienne proactive plutôt qu'un exercice de réconciliation mensuelle. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks met fin à la siloïsation en fusionnant l'entreposage et les lacs, ce qui me permet de gérer les données à partir d'une source de vérité gouvernée unique. Cela me permet de faire évoluer la télémétrie à travers les flottes de clients et de me concentrer sur les opérations sans avoir à concilier des systèmes parallèles. **Official Response from Jess Darnell:** > Merci d'avoir partagé votre expérience positive avec Databricks ! Nous sommes ravis d'apprendre que l'architecture unifiée et le concept de Lakehouse ont été bénéfiques pour vos besoins en gestion et gouvernance des données. Nous apprécions vos commentaires sur l'aspect coût. Nous comprenons l'importance de la gestion des coûts et travaillons continuellement à offrir une meilleure visibilité et des fonctionnalités de gouvernance proactive pour les dépenses en DBU au niveau des clusters et des charges de travail. ### 17. Gestion des données simplifiée avec une courbe d'apprentissage **Rating:** 4.0/5.0 stars **Reviewed by:** Nahid S. | Software Development Manager, Logiciels informatiques, Marché intermédiaire (51-1000 employés) **Reviewed Date:** August 04, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'apprécie vraiment que Databricks ne force pas un compromis entre le contrôle et la commodité. Mes développeurs peuvent accéder à la configuration du cluster pour un réglage détaillé si nécessaire, mais pour les tâches de routine, les notebooks gérés, la planification des tâches et le Unity Catalog s'occupent de tout sans avoir besoin d'un spécialiste de la plateforme. J'aime que Databricks s'inspire des pratiques d'ingénierie logicielle au lieu de s'en tenir au silo analytique classique. L'intégration avec le contrôle de version, les définitions de tâches compatibles CI et les environnements séparés signifient que notre travail de données suit les mêmes processus de révision et de publication que le reste de notre base de code. Cette cohérence facilite la gestion à mesure que l'équipe grandit. **Que n’aimez-vous pas à propos de Databricks?** Je trouve que la rampe d'accès est plus raide qu'elle ne devrait l'être pour les personnes qui ne sont pas déjà à l'aise avec l'écosystème. Quand quelqu'un de mon équipe s'y met pour la première fois, il y a une longue période où il est productif avec l'interface utilisateur mais pas avec ce qui se passe en dessous. Spark est le principal point de douleur. Lorsqu'un travail se dégrade ou échoue, les raisons ne sont que rarement évidentes, et retracer un problème jusqu'à une jointure déséquilibrée ou un mauvais shuffle prend généralement beaucoup plus de temps à un développeur senior qu'il ne le mérite. Une visualisation plus riche du plan de requête, avec des explications en langage clair sur les raisons pour lesquelles l'optimiseur a fait un choix donné, éliminerait beaucoup de ces conjectures et éviterait que ces enquêtes ne retombent toujours sur les mêmes deux ou trois personnes. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks fournit un référentiel de données gouverné, rendant les modifications de pipeline révisables dans les pull requests. Je peux planifier le travail de données en sprints aux côtés des tâches d'ingénierie, éliminant la séparation entre le développement de données et de logiciels. **Official Response from Jess Darnell:** > Nous apprécions vos commentaires détaillés sur votre expérience avec Databricks. C'est formidable d'entendre que la plateforme a fourni un référentiel de données gouverné et a simplifié votre travail de données en parallèle avec les tâches d'ingénierie. Nous comprenons les défis liés à la courbe d'apprentissage, en particulier en ce qui concerne la compréhension des performances des tâches Spark et le dépannage. Nous nous engageons à relever ces défis et à améliorer le processus d'intégration pour assurer une transition plus fluide pour les nouveaux utilisateurs. ### 18. Databricks centralise les données, l'analytique et l'IA **Rating:** 5.0/5.0 stars **Reviewed by:** Leonardo Q. | RPA Developer, Marché intermédiaire (51-1000 employés) **Reviewed Date:** May 16, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus dans Databricks, c'est la façon dont il centralise l'ingénierie des données, l'analytique et l'IA sur une seule plateforme, ce qui facilite grandement le flux de travail au quotidien. L'intégration entre les notebooks, les pipelines et le traitement distribué rend le développement plus rapide et organisé, surtout dans les projets avec un grand volume de données et d'automatisations. Un autre point que je considère très fort est l'expérience avec Apache Spark, intégrée de manière simplifiée. Même dans des scénarios plus complexes, la performance est généralement excellente, permettant de traiter des données à grande échelle avec une bonne stabilité et évolutivité. Cela aide beaucoup dans les intégrations, les ETL et les analyses qui, dans d'autres solutions, nécessiteraient beaucoup plus d'efforts. **Que n’aimez-vous pas à propos de Databricks?** Bien que j'aime beaucoup la plateforme, certains aspects de Databricks peuvent encore être difficiles. Le principal d'entre eux est le coût, surtout dans des environnements avec un traitement intensif ou lorsque les clusters ne sont pas bien optimisés. Sans un contrôle d'utilisation plus rigoureux, les dépenses peuvent augmenter rapidement. Un autre aspect est la courbe d'apprentissage, qui peut être élevée pour les équipes qui commencent dans l'écosystème des données distribuées. Les concepts liés à Spark, aux clusters, à l'optimisation et à la gestion des ressources nécessitent un temps d'adaptation, surtout pour ceux qui viennent d'outils plus traditionnels. En UI/UX, bien que l'interface soit globalement bonne, certains processus administratifs et configurations plus avancées peuvent sembler confus au début. Dans certains scénarios, identifier des problèmes de performance ou de permissions peut également nécessiter une connaissance plus technique. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks a principalement aidé à résoudre des problèmes liés à la centralisation, au traitement et à l'analyse de grands volumes de données. Auparavant, de nombreux processus étaient répartis entre différents outils, ce qui compliquait les intégrations, la maintenance et la gouvernance. Avec Databricks, une grande partie du flux d'ingénierie des données, d'analytique et d'IA peut être concentrée sur une seule plateforme, apportant plus de cohérence au travail quotidien. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez la centralisation des données, de l'analytique et de l'IA par Databricks bénéfique pour votre flux de travail. Nous comprenons l'importance de l'intégration et de la simplification, et nous nous engageons à fournir une plateforme qui répond à vos besoins. ### 19. Prototypage accéléré avec intégration transparente **Rating:** 4.0/5.0 stars **Reviewed by:** Helmi C. | IoT Solutions Architect, Logiciels informatiques, Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 24, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'apprécie vraiment la manière dont Databricks trouve sa place dans mon travail en tant que niveau analytique pour les architectures de référence que je propose aux clients. Cela simplifie le processus en permettant à la télémétrie des flottes d'appareils distribués d'atterrir directement, me permettant de modéliser l'agrégation, la détection d'anomalies et la comparaison historique sans avoir besoin d'une infrastructure séparée. L'efficacité des coûts de la plateforme est un facteur décisif pour moi, et elle offre plus de valeur que son prix ne le suggère. La vitesse de récupération est impressionnante, me permettant d'interroger un entrepôt en direct lors des sessions de conception sans avoir à compter sur d'autres pour exécuter la demande. La configuration a nécessité beaucoup moins de préparation que prévu, impactant positivement la manière dont je fais des prototypes. Commencer avec Databricks n'a pas impliqué la configuration fastidieuse que j'attendais d'une plateforme de cette envergure, donc l'environnement a été productif presque immédiatement. De plus, la plateforme raccourcit considérablement le chemin entre une idée et un prototype que les clients peuvent voir, grâce à son faible coût, sa récupération rapide et ses exigences de configuration minimales. **Que n’aimez-vous pas à propos de Databricks?** La gestion de contenu non structuré reste le point faible à mon avis, car la création d'une couche de recherche utilisable sur les archives de messages, les documents PDF et les feuilles de calcul financières s'est avérée suffisamment compliquée pour que je fasse des compromis sur le design. Les performances de recherche vectorielle déçoivent également : les recherches directes sont rapides, mais les requêtes de raisonnement ralentissent sensiblement, ce qui devient évident dès qu'un client assiste à une démonstration. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** J'utilise Databricks comme couche analytique pour modéliser l'agrégation et la détection d'anomalies sans infrastructure supplémentaire. Cela permet une récupération rapide des données, permettant des requêtes en direct pendant les sessions, avec une configuration minimale et un coût faible, transformant ainsi ma façon de prototyper et raccourcissant le temps pour montrer aux clients des solutions fonctionnelles. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que Databricks a joué un rôle clé dans la simplification de votre processus d'analyse et dans la fourniture d'une valeur rentable. Nous apprécions vos commentaires concernant la recherche vectorielle et travaillons constamment à l'amélioration de notre plateforme. ### 20. Centralise les données sans effort, a besoin d'un meilleur éditeur Python **Rating:** 4.5/5.0 stars **Reviewed by:** Alejandro C. | Senior Software Developer, Conseil, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 22, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'apprécie vraiment la capacité de Databricks à consolider les données d'infrastructure dispersées comme les dossiers de permis et les rapports des entrepreneurs en un seul espace de travail, ce qui facilite grandement l'identification des lacunes en matière de conformité et la prise de décisions stratégiques. La connectivité étendue aux sources de données est également un point fort pour moi car elle relie les systèmes hérités avec beaucoup moins de friction que je ne l'avais prévu. Avoir Genie pour l'accompagner a été un changement radical, me permettant de construire, tester et déployer des objets de données rapidement, maintenant mon analyse en mouvement sans interruption. La configuration initiale a été étonnamment simple, ne prenant que quelques heures sans problèmes majeurs. Ces fonctionnalités rendent Databricks précieux pour quelqu'un comme moi qui a besoin de données fiables plus que d'une expertise technique approfondie. **Que n’aimez-vous pas à propos de Databricks?** Ma seule réserve concerne l'éditeur Python. Il remplit sa fonction, mais il pourrait être plus robuste. Une expérience d'édition plus riche rendrait l'écriture occasionnelle de scripts personnalisés moins fastidieuse lorsque je peaufine un objet de données. J'aimerais voir une intelligence de code plus riche dans l'éditeur Python, des éléments comme une autocomplétion plus intelligente, une mise en évidence des erreurs en ligne et de meilleurs outils de débogage, afin que lorsque j'écris des scripts personnalisés pour façonner un objet de données, le processus soit plus fluide et que je puisse détecter les erreurs avant d'exécuter le code plutôt qu'après. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** J'utilise Databricks pour consolider les données d'infrastructure dans un seul espace de travail, repérer les lacunes en matière de conformité et prendre des décisions stratégiques éclairées. Sa large connectivité et son intégration avec Genie simplifient l'analyse des données, me permettant de me concentrer sur la gouvernance et l'évaluation des risques sans les obstacles techniques des systèmes hérités fragmentés. **Official Response from Jess Darnell:** > Merci de partager votre expérience positive avec Databricks. Nous sommes ravis que Genie ait été un véritable atout pour vous ! Nous comprenons vos commentaires concernant l'éditeur Python et nous travaillerons à améliorer ses fonctionnalités pour offrir une expérience de script plus fluide. ### 21. Moteur Spark puissant pour la télémétrie à grande échelle et les notebooks collaboratifs **Rating:** 4.5/5.0 stars **Reviewed by:** Shakaib N. | Embedded Systems Engineer, Logiciels informatiques, Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 22, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'aime vraiment la puissance de son moteur, car il est basé sur Apache Spark, surtout lorsqu'il s'agit de traiter de grands volumes de télémétrie, de journaux de diagnostic ou de mesures de performance provenant de dispositifs embarqués lors de tests de résistance. J'apprécie également le support des notebooks collaboratifs en Python et Scala, ce qui facilite grandement l'exploration des données, la construction de pipelines ETL rapides et l'exécution de modèles. L'intégration avec Unity Catalog pour la gouvernance est également bonne ; je l'aime. **Que n’aimez-vous pas à propos de Databricks?** Je n'aime pas le modèle de coût parce que si je ne fais pas attention à la taille du cluster ou à l'optimisation des requêtes, la facture à la fin du mois peut être une véritable surprise. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks est excellent, et mon expérience a été très positive. Il gère un volume industriel de données qui justifie son utilisation, et il me permet de transformer des données éparses en informations utiles de manière beaucoup plus efficace. C'est un outil d'optimisation de cluster vraiment excellent, et il nous a fait économiser d'innombrables heures de traitement manuel. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez Databricks puissant et efficace pour traiter de grands volumes de télémétrie et de journaux de diagnostic. Notre support pour les notebooks collaboratifs en Python et Scala est conçu pour faciliter l'exploration des données et la construction de pipelines. Nous comprenons votre préoccupation concernant le modèle de coût et nous travaillons constamment pour offrir plus de transparence et d'options d'optimisation des coûts à nos utilisateurs. ### 22. Databricks simplifie le traitement des Big Data et la collaboration en équipe **Rating:** 4.5/5.0 stars **Reviewed by:** Praveen M. | Associate Data Engineer, Technologie de l'information et services, Marché intermédiaire (51-1000 employés) **Reviewed Date:** May 07, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus chez Databricks, c'est la façon dont il simplifie le traitement des données à grande échelle et la collaboration sur une seule plateforme. L'intégration avec Spark et les services cloud rend la gestion des big data beaucoup plus efficace. J'aime aussi l'environnement de notebook, qui facilite le travail en équipe sur les tâches d'analyse et d'apprentissage automatique. **Que n’aimez-vous pas à propos de Databricks?** Une chose que je n'aime pas à propos de Databricks est que la plateforme peut sembler complexe pour les nouveaux utilisateurs, surtout lorsqu'il s'agit de gérer les clusters et les configurations. Les prix peuvent également devenir coûteux avec des charges de travail plus importantes si les ressources ne sont pas optimisées avec soin. Bien que les intégrations et les fonctionnalités d'IA soient puissantes, le processus d'intégration et la documentation de support pourraient être plus adaptés aux débutants. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks aide à résoudre le défi du traitement et de l'analyse de grandes quantités de données de manière efficace sur une seule plateforme. Il combine l'ingénierie des données, l'analytique et les flux de travail d'IA, ce qui réduit le besoin de multiples outils séparés. Cela améliore la collaboration, accélère le traitement des données et aide à générer des insights beaucoup plus rapidement. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez Databricks utile pour simplifier le traitement de données à grande échelle et la collaboration. Notre intégration avec Spark et les services cloud est conçue pour rendre la gestion des big data plus efficace. ### 23. Parfait pour la collaboration inter-équipes et les applications de données intensives **Rating:** 5.0/5.0 stars **Reviewed by:** Artemij V. | Data Science Lead, Petite entreprise (50 employés ou moins) **Reviewed Date:** May 04, 2026 **Qu'aimez-vous le plus à propos de Databricks?** L'UX est l'un des points forts. L'expérience du notebook est propre et intuitive, la collaboration est simple, et passer de l'exploration à l'expérimentation, puis aux flux de travail de production, semble fluide. Il offre suffisamment de flexibilité pour les utilisateurs avancés tout en restant suffisamment accessible pour que l'intégration de nouveaux membres de l'équipe soit rapide. Les gens peuvent généralement devenir productifs rapidement sans passer des semaines à apprendre les particularités spécifiques à la plateforme. Les intégrations sont également excellentes. Il fonctionne parfaitement avec l'écosystème cloud plus large et se connecte bien avec les sources de données, les outils d'orchestration, l'infrastructure de service de modèles et les systèmes externes. Cette interopérabilité facilite grandement le passage du prototype au pipeline déployé sans avoir à reconstruire constamment des connecteurs ou à gérer du code de liaison. Les performances ont été constamment solides, surtout lorsqu'on travaille avec des charges de travail distribuées et de l'ingénierie de fonctionnalités à grande échelle. L'optimisation de Spark, la gestion des clusters et l'infrastructure gérée réduisent considérablement les frais généraux opérationnels, ce qui me permet de me concentrer davantage sur le développement et l'analyse des modèles plutôt que sur le réglage de l'environnement. Pour l'expérimentation itérative, les temps de démarrage et la réactivité globale sont nettement meilleurs que de nombreuses plateformes gérées alternatives. **Que n’aimez-vous pas à propos de Databricks?** Un domaine où Databricks pourrait s'améliorer est la tarification. La plateforme offre de solides capacités, mais les coûts peuvent augmenter rapidement pour les charges de travail à haute fréquence ou en temps réel. Pour les cas d'utilisation impliquant des pipelines de ticks à faible latence fonctionnant en continu, des données de marché en streaming ou un réentraînement itératif de modèles, la tarification peut devenir assez élevée par rapport à l'infrastructure consommée. Il semble parfois qu'il y ait une prime significative pour la commodité et l'orchestration gérée, ce qui peut faire de l'optimisation des coûts une considération constante. L'intégration de l'IA est un autre domaine qui semble encore quelque peu inégal. Bien qu'il y ait une volonté claire de positionner la plateforme comme un environnement IA/ML de bout en bout, certaines des nouvelles fonctionnalités axées sur l'IA ressemblent davantage à des ajouts à l'écosystème qu'à des améliorations de flux de travail profondément intégrées. En pratique, il existe encore des cas où des outils personnalisés ou des cadres externes offrent plus de flexibilité et de transparence, en particulier pour le développement de modèles spécialisés, l'expérimentation et les cas d'utilisation d'inférence en temps réel. Il peut également y avoir une certaine complexité autour de l'optimisation des clusters et de la gestion efficace des coûts à grande échelle. Bien que les abstractions soient utiles, obtenir le meilleur rapport performance-coût nécessite parfois une connaissance plus approfondie de la plateforme que ce que le positionnement "entièrement géré" pourrait laisser entendre. Dans l'ensemble, la plateforme est très solide techniquement, mais la tarification pour les charges de travail intensives en données toujours actives et la maturité de certaines capacités natives de l'IA sont les deux plus grands domaines où j'aimerais voir des améliorations. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks résout l'un des plus grands défis du travail moderne sur les données : réunir l'accès aux données, le traitement à grande échelle et le développement collaboratif dans un seul environnement. Pour mon travail, le plus grand avantage est la collaboration en temps réel. Cela permet à plusieurs personnes de travailler sur les mêmes ensembles de données, notebooks et pipelines sans les frictions habituelles des outils fragmentés ou des incohérences d'environnement. Cela accélère considérablement l'expérimentation, l'itération et le partage des connaissances à travers les projets, surtout lorsqu'il s'agit de développer rapidement des modèles ou d'analyser des données en évolution rapide. Il résout également le défi de l'accès et du traitement des données à grande échelle. Travailler avec des ensembles de données transactionnels et de séries temporelles à haut volume nécessite une infrastructure capable de traiter de grandes quantités de données efficacement sans surcharge opérationnelle constante. Databricks abstrait une grande partie de cette complexité, rendant possible de se concentrer sur l'analyse, l'ingénierie des caractéristiques et le développement de modèles plutôt que de passer du temps à gérer l'infrastructure. Le bénéfice pratique est des cycles d'itération plus rapides. Je peux passer de l'exploration de données brutes à l'expérimentation et au déploiement de modèles beaucoup plus rapidement, ce qui est particulièrement précieux lorsque l'on travaille sur des analyses en temps réel, des pipelines de prévision et des systèmes ML orientés production où la rapidité d'itération impacte directement les résultats. Dans l'ensemble, cela réduit les frictions d'ingénierie et rend le travail collaboratif sur les données à grande échelle beaucoup plus efficace, ce qui se traduit par un développement plus rapide, une meilleure expérimentation et un déploiement plus fiable des produits de données. **Official Response from Jess Darnell:** > Nous apprécions votre examen approfondi de Databricks et sommes ravis d'apprendre que la plateforme a été essentielle pour permettre la collaboration inter-équipes et les applications de données intensives dans votre travail. Vos commentaires sur les prix et l'intégration de l'IA sont précieux, et nous nous efforçons continuellement d'améliorer ces aspects pour offrir une expérience plus fluide à nos utilisateurs. ### 24. Genie Code et l'assistant en ligne ont considérablement augmenté ma productivité en débogage. **Rating:** 4.5/5.0 stars **Reviewed by:** Shyam s. | Data Engineer, Marché intermédiaire (51-1000 employés) **Reviewed Date:** March 27, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Le code Genie et l'assistant intégré ont été les outils les plus utiles pour moi sur mon projet. Ils m'ont aidé à déboguer une base de code de 2 000 lignes et ont clairement expliqué pourquoi je n'obtenais pas de données précises. Ils ont également fourni une requête à exécuter dans mon système source (SQLMI). En exécutant le script de divergence en parallèle sur la source et la cible, j'ai pu déboguer l'ensemble du code beaucoup plus rapidement et améliorer ma productivité. Dans l'ensemble, cela a réduit mon temps de travail d'environ 8 heures à environ 1 heure. **Que n’aimez-vous pas à propos de Databricks?** Dans Delta Sharing, il n'y a pas de permission SELECT au niveau du catalogue, et je pense parfois que cela serait utile. De plus, lorsque j'utilise le code Genie à l'intérieur d'une VM, cela peut rendre le site web non réactif par moments. Ce sont des domaines qui pourraient être améliorés. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Dans l'un de nos projets de migration de traitement des réclamations, le client avait besoin d'une disponibilité des données quasi en temps réel pour les applications en aval. Auparavant, l'architecture utilisait Amazon Redshift comme entrepôt de données, avec Jasper et Sisense consommant les données pour les rapports et l'analyse. Cependant, cette configuration ne supportait pas efficacement le streaming en temps réel ou quasi en temps réel, ce qui entraînait des retards dans la disponibilité des données pour les systèmes en aval. Après avoir migré la plateforme vers Databricks, nous avons pu améliorer considérablement l'architecture du pipeline de données. Nous avons mis en œuvre le streaming ainsi que des pipelines ETL optimisés, réduisant le cycle de rafraîchissement des données à environ 30 minutes. Nous avons également créé une vue dédiée qui conserve les données de l'exécution précédente, de sorte que les systèmes en aval disposent toujours d'un ensemble de données cohérent pendant que la prochaine exécution du pipeline est encore en cours. Auparavant, nous avions du mal avec des cycles de rafraîchissement retardés et une capacité limitée à répondre aux besoins de données quasi en temps réel dans notre architecture basée sur Redshift. Après être passés à Databricks, nous avons permis un traitement ETL plus rapide et amélioré la disponibilité des données quasi en temps réel. En conséquence, nous avons réduit le temps de rafraîchissement ETL à environ 30 minutes et permis un accès quasi en temps réel pour les outils en aval comme Jasper et Sisense. La fiabilité s'est également améliorée car la vue stable continue de servir les données de l'exécution précédente pendant les mises à jour du pipeline. Enfin, l'architecture globale est devenue plus simple en consolidant les capacités de traitement et d'analyse au sein de Databricks. Dans l'ensemble, Databricks nous a aidés à construire une plateforme de traitement de données quasi en temps réel plus évolutive et efficace, améliorant considérablement la rapidité et la fiabilité des analyses pour le flux de travail de traitement des réclamations. **Official Response from Janelle Glover:** > Merci de partager comment l'architecture de Databricks vous bénéficie. Nous avons conçu notre plateforme pour répondre aux défis de la gestion des données structurées et non structurées, et c'est formidable d'entendre qu'elle a un impact positif sur vos flux de travail d'analyse et d'apprentissage automatique. ### 25. Source de données fiable, vitesse impressionnante **Rating:** 5.0/5.0 stars **Reviewed by:** Marek K. | Documentation Specialist, Énergies renouvelables et environnement, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 17, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'apprécie d'avoir une source fiable pour les chiffres essentiels à la documentation, comme les dossiers d'installation, les données de performance du site et les données de garantie que je peux interroger directement plutôt que de dépendre de feuilles de calcul obsolètes. J'aime vraiment la fonctionnalité Genie car elle me permet de poser des questions en langage simple et d'obtenir des réponses utilisables sans attendre que quelqu'un d'autre traite une demande. Elle fonctionne rapidement et peut gérer efficacement de grands ensembles de données, ce qui continue de m'impressionner par rapport aux méthodes précédentes. Les tableaux de bord offrent une vue permanente des données fréquemment citées, ce qui m'aide à évaluer rapidement tout changement plutôt que de vérifier manuellement chaque chiffre. La configuration initiale de Databricks a été assez facile car nous n'avons rencontré aucun problème majeur. **Que n’aimez-vous pas à propos de Databricks?** Les données ne circulent pas toujours entre les plateformes aussi proprement que je l'aurais espéré. Lorsqu'un tableau provient d'un autre système, il n'est pas toujours disponible de manière cohérente de mon côté, donc je me retrouve à concilier des définitions qui devraient déjà correspondre. C'est le seul domaine où je pense que les bases ont été posées plus tard qu'elles n'auraient dû l'être. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Je trouve que Databricks fournit une source fiable pour les chiffres de ma documentation, garantissant précision et traçabilité. Je peux interroger les données directement, ce qui rend les révisions de documents plus rapides. Avec Genie et les tableaux de bord, je peux vérifier et suivre les données sans attendre de demandes, améliorant ainsi ma vitesse de travail et mon efficacité. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez Databricks être une source fiable pour vos chiffres de documentation et que la fonctionnalité Genie ainsi que les tableaux de bord ont amélioré votre vitesse et efficacité de travail. Nous comprenons votre préoccupation concernant le fait que les données ne circulent pas toujours proprement entre les plateformes, et nous travaillons continuellement à améliorer l'interopérabilité avec d'autres systèmes. ### 26. Databricks rend facile l'exécution de transformations de données à grande échelle **Rating:** 5.0/5.0 stars **Reviewed by:** Gunther C. | Software Engineer, Marché intermédiaire (51-1000 employés) **Reviewed Date:** June 05, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Databricks simplifie le processus d'exécution des opérations de transformation de données sur des ensembles de données massifs. Bien que cela puisse représenter un changement de paradigme par rapport aux architectures de traitement asynchrone classiques, il est extrêmement facile de commencer. En résumé, ce que j'aime le plus, c'est sa capacité à travailler à grande échelle. **Que n’aimez-vous pas à propos de Databricks?** L'incapacité d'exécuter une copie de Databricks localement pour tester les modifications avant de les déployer en production est un obstacle important. Créer des environnements de mise en scène par développeur pourrait être une solution proche, mais cela pourrait demander beaucoup de travail à gérer. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks permet de traiter d'énormes quantités de données de manière efficace, tout en ne nécessitant pas un grand effort d'ingénierie pour concevoir le système lui-même (les ingénieurs peuvent se concentrer sur la résolution des problèmes de données plutôt que sur les problèmes de mise à l'échelle). **Official Response from Aunalisa Arellano:** > Merci d'avoir partagé votre expérience positive avec Databricks ! Nous sommes ravis d'apprendre que vous trouvez facile d'exécuter des transformations de données à grande échelle. Nous comprenons votre préoccupation concernant l'impossibilité d'exécuter une copie locale pour les tests. Nous travaillons continuellement à l'amélioration de notre plateforme et prendrons en compte vos commentaires. Merci d'avoir pris le temps de laisser un avis. ### 27. Détection de fraude rationalisée, mais charges de travail continues coûteuses **Rating:** 4.5/5.0 stars **Reviewed by:** Danny A. | Accountant Supervisor 2, Comptabilité, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 15, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'adore que l'environnement de notebook Databricks facilite le travail de nos data scientists et ingénieurs dans le même espace sans avoir à manipuler constamment le code entre différents outils, ce qui ralentissait chaque itération de modèle. L'intégration avec notre infrastructure de streaming a été vraiment solide, nous permettant de récupérer les transactions en continu sans beaucoup de plomberie personnalisée de notre côté. J'apprécie également que le renvoi des résultats de score à notre moteur de décision soit tout aussi fluide. Les performances et la charge ont bien tenu pendant les périodes de pointe des achats lorsque le volume des transactions augmente fortement, et le pipeline parvient à suivre le rythme sans prendre de retard. **Que n’aimez-vous pas à propos de Databricks?** Ce que je n'aime pas vraiment, c'est le coût de l'exécution de charges de travail de streaming continu, qui s'accumule rapidement par rapport aux traitements par lots que nous avions l'habitude d'exécuter, car les clusters doivent rester actifs plutôt que de se lancer selon un calendrier. Justifier le coût continu a nécessité une véritable modélisation de notre part avant que le service financier ne soit entièrement convaincu. L'assistant IA intégré à leur plateforme aide pour les tâches de codage générales mais n'offre rien de spécifique à la modélisation de la fraude elle-même, donc toute véritable intelligence dans notre logique de détection provient entièrement de notre propre travail d'équipe en science des données, et non de la plateforme. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** J'utilise Databricks pour transférer l'évaluation de la détection de fraude vers un pipeline en quasi temps réel, ce qui a considérablement réduit nos pertes en évaluant les transactions en quelques secondes au lieu de plusieurs heures. **Official Response from Jess Darnell:** > Nous apprécions vos commentaires sur les avantages de l'utilisation de Databricks pour l'évaluation de la fraude en quasi temps réel. Nous comprenons vos préoccupations concernant le prix des charges de travail en streaming continu et le besoin d'une assistance IA plus spécifique dans la modélisation de la fraude. Nous nous engageons à améliorer notre plateforme pour mieux répondre aux besoins de nos clients. ### 28. Gestion efficace des données avec possibilité d'améliorations de l'interface utilisateur **Rating:** 4.5/5.0 stars **Reviewed by:** Zeeshan A. | Internal Communications Specialist, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 14, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'apprécie particulièrement la capacité de générer des visualisations au sein de la même plateforme, ce qui me fait gagner beaucoup de temps en n'ayant pas à exporter constamment les données pour rendre l'information compréhensible. Les capacités de collaboration en temps réel et la vitesse de traitement sont sans aucun doute excellentes, et le fait qu'il puisse être installé sur un ordinateur portable et me permette de voir les progrès de l'équipe est superbe. La configuration initiale a été étonnamment efficace. **Que n’aimez-vous pas à propos de Databricks?** Je crois que, bien que je sois à l'aise avec l'utilisation des outils informatiques, l'interface utilisateur pour la génération rapide de rapports pourrait être améliorée, la rendant plus intuitive pour les personnes qui ne sont pas habituées à écrire du code. En d'autres termes, le module devrait être un peu plus flexible, permettant de glisser-déposer des éléments aussi facilement que les outils de visualisation. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** J'utilise Databricks pour gérer et extraire des informations techniques sans effort, en gagnant du temps en générant des visualisations sans exporter de données, et en bénéficiant de la collaboration en temps réel et de la vitesse de traitement. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que Databricks a été efficace pour vos besoins en gestion de données et vous a fait gagner du temps. Nous apprécions vos commentaires sur l'interface utilisateur et nous nous efforcerons d'apporter des améliorations pour enrichir l'expérience utilisateur. ### 29. Déploiement réussi du traitement de la télémétrie d'entreprise malgré le décalage frustrant du tableau de bord. **Rating:** 4.5/5.0 stars **Reviewed by:** Azael A. | Cloud data architect, Technologie de l'information et services, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 14, 2026 **Qu'aimez-vous le plus à propos de Databricks?** La plateforme propose des moteurs Photon optimisés qui effectuent le traitement de la télémétrie à grande vitesse pour des charges utiles à grande échelle. Avec des entrepôts SQL sans serveur, nos équipes peuvent exécuter de grandes requêtes simultanées sans avoir à gérer la planification des ressources. Avec la gouvernance centralisée des objets dans le catalogue Unity, une traçabilité claire des données au niveau des colonnes est prise en charge à travers des déploiements d'espaces de travail multi-régionaux. **Que n’aimez-vous pas à propos de Databricks?** L'environnement du carnet web ne fournit pas de contrôle natif des branches Git et a souvent des boucles d'état qui sont rompues par des poussées de code simultanées. Pour les visualisations de données spatiales complexes, le rendu de ces données dans les cellules de l'espace de travail actif sera constamment un problème d'allocation de mémoire sur le navigateur. Le menu de configuration de la synchronisation de l'identité des utilisateurs d'entreprise ne fonctionne pas correctement lors de la gestion des mises à jour des règles de permission de groupe imbriquées. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Nous avons eu un défi important pour livrer les données de télémétrie brutes avec une faible latence afin que notre division des données puisse les transmettre à plusieurs pipelines d'analytique prédictive. Les niveaux de stockage intégrés réduisent les phases coûteuses de déplacement des données - en accédant directement aux données transactionnelles pour les cadres de modèles d'apprentissage automatique actifs. **Official Response from Jess Darnell:** > C'est formidable d'apprendre que Databricks vous a aidé à surmonter les défis liés à la livraison de données de télémétrie brutes et à réduire les phases de déplacement des données. Nous prenons au sérieux vos commentaires sur l'environnement du carnet web et la synchronisation de l'identité des utilisateurs et nous travaillerons pour résoudre ces problèmes afin d'améliorer l'expérience utilisateur. ### 30. La plateforme de données unifiée qui tient réellement ses promesses **Rating:** 5.0/5.0 stars **Reviewed by:** Janakiraman K. | Data Engineer, Entreprise (> 1000 employés) **Reviewed Date:** March 27, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Databricks a transformé la façon dont notre équipe gère les flux de travail de données de bout en bout. Quelques points forts : UI/UX : L'interface du notebook est intuitive, et l'éditeur SQL semble soigné, ce qui permet de passer de Python à SQL et Scala dans le même espace de travail sans changement de contexte constant. Intégrations : Les connecteurs natifs à Azure, Unity Catalog et Delta Sharing signifient que nous passons moins de temps sur la plomberie. Lakehouse Federation nous permet d'interroger des sources externes sans déplacer les données, ce qui a été une victoire inattendue. Performance : L'auto-optimisation de Delta Lake et le clustering liquide ont réduit de manière notable nos temps de requête. Le moteur Photon sur les agrégations lourdes est un changement radical pour les tableaux de bord en temps quasi réel. Tarification/ROI : Le modèle DBU demande un certain temps d'adaptation, mais la consolidation de notre entrepôt de données, ETL et outils ML en une seule plateforme a réduit de manière significative nos dépenses d'infrastructure globales. Support/Intégration : Databricks Academy et la documentation intégrée ont accéléré l'intégration des nouveaux ingénieurs. Le forum communautaire est étonnamment actif pour des questions de niche. IA/Intelligence : Genie (AI/BI) permet aux utilisateurs métier de poser des questions en anglais simple et d'obtenir des résultats précis, réduisant ainsi les demandes ad hoc à notre équipe de données de manière notable. Databricks Assistant à l'intérieur des notebooks accélère également la génération de code et le débogage. **Que n’aimez-vous pas à propos de Databricks?** Bien que Databricks soit puissant, il existe de véritables points de friction qui méritent d'être mentionnés : UI/UX : L'interface peut sembler accablante pour les nouveaux utilisateurs, la navigation entre les Espaces de travail, les Catalogues et les Entrepôts SQL n'est pas toujours intuitive. L'organisation des dossiers et des carnets pourrait être plus structurée dès le départ. Intégrations : Certains connecteurs tiers nécessitent encore une configuration manuelle et du code personnalisé. La Fédération Lakehouse est prometteuse mais parfois incohérente avec certains systèmes sources, nécessitant un dépannage supplémentaire. Performance : Les temps de démarrage des clusters restent un point douloureux, les démarrages à froid sur les clusters interactifs peuvent perturber les flux de travail rapides. Le calcul sans serveur aide mais n'est pas encore universellement disponible pour toutes les fonctionnalités. Tarification/ROI : Le modèle de tarification basé sur les DBU manque de transparence pour les nouvelles équipes. Il est facile d'accumuler des coûts inattendus sans politiques de cluster et surveillance attentives. Un estimateur de coûts plus simple aiderait considérablement. Support/Intégration : Les temps de réponse du support entreprise peuvent être lents pour les tickets non critiques. Pour les problèmes architecturaux complexes, il faut souvent plusieurs escalades pour atteindre le bon expert. IA/Intelligence : Genie fonctionne bien pour les requêtes standard mais a du mal avec la logique complexe multi-tables ou la terminologie spécifique au domaine sans un ajustement significatif. L'Assistant Databricks dans les carnets génère parfois des suggestions d'API obsolètes ou incorrectes. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Voici une réponse naturelle et axée sur l'histoire suivant le format "avant/après/résultat" : Avant Databricks, notre paysage de données était fragmenté et l'utilisation d'outils séparés pour l'ETL, l'entreposage et le ML signifiait des pipelines dupliqués, des définitions de données incohérentes et un surcroît de travail d'ingénierie juste pour maintenir l'infrastructure. Unification des données : Nous avions du mal avec des données cloisonnées à travers plusieurs systèmes sources. Maintenant, avec Unity Catalog et l'architecture Medallion (Bronze/Argent/Or), nous avons une couche gouvernée unique en laquelle toutes les équipes ont confiance, réduisant l'effort de réconciliation des données de près de 40%. Fiabilité des pipelines : Construire et maintenir des pipelines basés sur les métadonnées nécessitait auparavant des cadres personnalisés. Lakeflow et Delta Live Tables de Databricks nous ont offert des capacités de chargement incrémentiel et complet prêtes à l'emploi, réduisant considérablement le temps de développement des pipelines. Analytique en libre-service : Les équipes commerciales dépendaient constamment des ingénieurs pour les requêtes ad hoc. Avec Genie (IA/BI), les parties prenantes peuvent désormais poser des questions en anglais simple sur des tables d'or organisées, réduisant de manière notable les demandes de données ad hoc à notre équipe semaine après semaine. Contrôle des coûts du cloud : Nous faisions auparavant fonctionner des clusters toujours actifs sans visibilité sur les dépenses. Le calcul sans serveur et les politiques de cluster nous permettent maintenant de dimensionner correctement les charges de travail, entraînant une réduction mesurable des coûts d'infrastructure. Intégration plus rapide : Les nouveaux ingénieurs mettaient auparavant des semaines à devenir productifs. Avec Databricks Assistant, les modèles de notebooks et la documentation centralisée de Unity Catalog, le temps de montée en compétence a considérablement diminué. Dans l'ensemble : Databricks a essentiellement remplacé 3 à 4 outils séparés par une plateforme cohérente. Le retour sur investissement ne réside pas seulement dans les économies de coûts, mais aussi dans la rapidité et la confiance avec lesquelles nous livrons désormais des produits de données à l'entreprise. **Official Response from Janelle Glover:** > Nous sommes ravis d'apprendre que vous trouvez Databricks précieux pour l'ingénierie des données, l'analytique et l'apprentissage automatique. Merci de partager vos commentaires ! ### 31. Renforce les perspectives de données, obstacles mineurs à l'interopérabilité **Rating:** 4.5/5.0 stars **Reviewed by:** Anna S. | Real Estate Market Analyst , Immobilier, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 13, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Je trouve l'ouverture récente des applications de création de tableaux de bord inestimable pour présenter les résultats du marché à nos équipes de courtage. La fonctionnalité Genie est excellente pour des lectures rapides à travers les ensembles de données de prix régionaux sans déception. Databricks s'adapte sans effort, ce qui est vraiment utile lorsque l'on compare des années de dossiers de transactions avec l'inventaire actuel. Construire un tableau de bord de comparaison des prix en beaucoup moins de temps qu'auparavant a été une révolution pour moi, la vitesse de balayage à elle seule a transformé mon flux de travail. **Que n’aimez-vous pas à propos de Databricks?** Mon principal point de blocage concerne l'interopérabilité d'Iceberg. Nos tables Delta sont lues sans problème dans Snowflake en tant qu'Iceberg, mais le chemin inverse de Snowflake vers Databricks n'a pas fonctionné pour nous. Lorsque certains des ensembles de données externes dont je dépends se trouvent du côté de Snowflake, cet écart signifie que j'attends parfois des chiffres que je préférerais avoir à portée de main, et j'aurais souhaité que cela ait été résolu plus tôt. Un support bidirectionnel plus fluide pour Iceberg serait le plus utile, afin que les tables créées en tant qu'Iceberg dans Snowflake puissent être lues nativement dans Databricks de la même manière que les tables Delta circulent déjà dans l'autre sens, m'épargnant l'attente des ensembles de données externes qui sont actuellement hors de portée facile. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** J'utilise Databricks pour traiter de grands ensembles de données provenant de diverses sources, améliorant ainsi les prévisions de marché. Il consolide les données pour de meilleures perspectives, construit des tableaux de bord rapidement et accélère le balayage des données, améliorant l'efficacité de mon travail avec les équipes de courtage. **Official Response from Jess Darnell:** > C'est formidable d'apprendre que Databricks vous a aidé à surmonter les défis liés à la livraison de données de télémétrie brutes et à réduire les phases de déplacement des données. Nous prenons au sérieux vos commentaires sur l'environnement du carnet web et la synchronisation de l'identité des utilisateurs et nous travaillerons pour résoudre ces problèmes afin d'améliorer l'expérience utilisateur. ### 32. Environnement évolutif, tout-en-un avec une certaine courbe d'apprentissage **Rating:** 5.0/5.0 stars **Reviewed by:** Antonio V. | Data & AI Consultant, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 28, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'aime Databricks pour sa scalabilité et son environnement tout-en-un pour l'ingénierie des données, l'analytique et l'apprentissage automatique. Il me permet de traiter de grands ensembles de données efficacement tout en gardant les flux de travail organisés sur une seule plateforme. La scalabilité est très précieuse car elle me permet de gérer des volumes de données croissants et des charges de travail complexes sans problèmes de performance. À mesure que les projets s'étendent, la plateforme peut évoluer efficacement en ressources. **Que n’aimez-vous pas à propos de Databricks?** Certaines fonctionnalités peuvent avoir une courbe d'apprentissage, surtout pour les nouveaux utilisateurs travaillant avec des configurations avancées ou la gestion de clusters. L'interface pourrait également être plus intuitive dans certains domaines. L'installation a été relativement fluide pour les fonctionnalités de base, mais certains paramètres avancés comme l'optimisation des clusters, les autorisations et les intégrations ont nécessité plus de temps et de connaissances techniques. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks résout les principaux défis de gestion et d'analyse des données en gérant efficacement de grands ensembles de données, en simplifiant les processus ETL et en centralisant les flux de travail. Sa scalabilité me permet de gérer des volumes de données croissants sans problèmes de performance, garantissant que les ressources s'adaptent efficacement à mesure que les projets se développent. **Official Response from Jess Darnell:** > Nous sommes heureux d'apprendre que vous trouvez Databricks évolutif et que vous appréciez son environnement tout-en-un pour l'ingénierie des données, l'analytique et l'apprentissage automatique. Nous comprenons que certaines fonctionnalités peuvent nécessiter un temps d'apprentissage, et nous travaillons continuellement à améliorer la convivialité et l'intuitivité de la plateforme. ### 33. Databricks : Unifié, efficace à grande échelle avec une intégration cloud transparente **Rating:** 5.0/5.0 stars **Reviewed by:** ibrahim d. | Associate Consultant, Marché intermédiaire (51-1000 employés) **Reviewed Date:** June 02, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Databricks fournit une plateforme unifiée et est très efficace pour travailler avec des données à l'échelle de téraoctets. J'apprécie également l'intégration avec divers services cloud qui est fluide et très utile. De plus, l'intégration d'Apache Spark et l'orchestration de flux de travail AI/ML très efficace se démarquent des autres. Et le support de Databricks a été exceptionnel en cas de problèmes. **Que n’aimez-vous pas à propos de Databricks?** Avec les fonctionnalités viennent les coûts, et utiliser Databricks à l'échelle à laquelle nous l'utilisons (données en téraoctets, multi-clients, multi-environnements) devient un défi en termes de coûts. De plus, la courbe d'apprentissage peut être un peu raide pour les débutants. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Notre principal défi était de gérer de grands volumes de données pour plusieurs clients et à travers différentes régions. Databricks a très efficacement résolu ce défi avec sa plateforme unifiée et sa très bonne intégration au cloud. Nos pipelines de données sont beaucoup plus rapides et mieux orchestrés que jamais. **Official Response from Jess Darnell:** > C'est formidable d'apprendre que Databricks a efficacement résolu vos défis liés à la gestion de grands volumes de données pour plusieurs clients et régions, rendant vos pipelines de données plus rapides et mieux orchestrés. Nous sommes heureux d'entendre que l'intégration d'Apache Spark et l'orchestration efficace des flux de travail AI/ML se démarquent des autres ! ### 34. Outil puissant avec une interface intuitive, exige un effort organisationnel **Rating:** 4.5/5.0 stars **Reviewed by:** Aditi S. | Project Manager, Services financiers, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 09, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'apprécie Databricks pour son interface intuitive, qui est très conviviale et flexible, rendant le travail confortable. Je l'utilise largement pour le travail collaboratif ; mes collègues peuvent voir, commenter et améliorer les analyses au même endroit, ce qui est vraiment pratique. Je peux également développer des modèles de production, les entraîner, les tester et les déployer efficacement. Il offre un excellent contrôle des données en me permettant de gérer qui accède à quelles données et de suivre les modifications, réduisant ainsi les problèmes techniques et les problèmes d'incohérence des données tout en améliorant la conformité réglementaire. J'ai également trouvé la configuration initiale simple, ce qui est un grand avantage pour nous. **Que n’aimez-vous pas à propos de Databricks?** Je n'aime pas l'idée que la scalabilité puisse traiter de grandes quantités de données et générer des ressources selon les besoins. De plus, elle nécessite une meilleure gouvernance à grande échelle et exige un effort organisationnel considérable. Ce que je veux dire, c'est que cela demande beaucoup plus d'efforts que la normale, et c'est quelque chose qui devrait être changé et optimisé pour éviter tant d'efforts. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** J'utilise Databricks pour le travail collaboratif avec des collègues, assurant la cohérence des données et un meilleur contrôle. Cela me permet de me concentrer sur les modèles, d'améliorer la conformité et de gérer facilement les autorisations. L'interface conviviale améliore l'efficacité du flux de travail. **Official Response from Jess Darnell:** > Merci de partager votre expérience positive avec Databricks. Nous sommes ravis d'apprendre que vous trouvez la plateforme conviviale et efficace pour le travail collaboratif. Nous prenons au sérieux vos commentaires sur l'évolutivité et l'effort organisationnel et travaillons continuellement à améliorer ces aspects. ### 35. Collaboration en temps réel sans effort et traitement rapide des données **Rating:** 4.5/5.0 stars **Reviewed by:** Philip J. | IT Specialist, Logiciels informatiques, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 08, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Je dois dire que Databricks a gagné une place parmi mes favoris depuis que j'ai commencé à l'utiliser. Cela a changé la façon dont je gère de grands volumes de données et c'est vraiment excellent. J'utilise plusieurs de ses fonctionnalités pour diviser les tâches et exécuter des opérations en parallèle, ce qui nous permet de répondre aux exigences de l'entreprise. Databricks résout les problèmes, garde tout sous contrôle et gère la qualité des données, nous permettant de travailler beaucoup plus efficacement. J'apprécie de pouvoir travailler sur des projets avec mes collègues en temps réel, en partageant des notebooks et en menant des analyses conjointes. J'adore la rapidité à laquelle de grandes quantités de données peuvent être traitées, me permettant d'obtenir des informations plus rapidement et de prendre des décisions éclairées. La configuration initiale était également excellente. **Que n’aimez-vous pas à propos de Databricks?** Personnellement, j'aimerais voir une interface plus intuitive et certaines fonctionnalités qui pourraient bénéficier d'une plus grande simplicité. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks gère efficacement de grandes quantités de données, améliore la collaboration en temps réel et simplifie la gestion de la qualité des données. Il permet la division des tâches et les opérations parallèles, répondant aux exigences des entreprises et permettant de prendre des décisions éclairées rapidement. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que Databricks a fait une différence significative dans vos efforts de traitement et de collaboration des données. Vos commentaires sur l'interface et les fonctionnalités nous sont précieux, et nous les utiliserons pour orienter nos améliorations futures. ### 36. Performance avec Spark et des notebooks collaboratifs qui rendent le flux de données plus efficace **Rating:** 5.0/5.0 stars **Reviewed by:** Homero F. | Professor particular, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 19, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus, c'est la performance dans le traitement de grands volumes de données avec Spark, les notebooks collaboratifs qui facilitent le travail en équipe et les intégrations avec AWS et les outils de BI, qui rendent tout le flux de données plus efficace. **Que n’aimez-vous pas à propos de Databricks?** Le coût peut être élevé selon l'utilisation et certaines parties de l'interface, comme la configuration des clusters et des tâches, ne sont pas très intuitives au début. De plus, la courbe d'apprentissage peut être un peu élevée pour les nouveaux utilisateurs. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks résout les problèmes de traitement de grands volumes de données, d'intégration de différentes sources et de développement de modèles d'IA dans un seul environnement. Cela améliore notre flux de travail, réduit le temps de traitement et centralise tout sur la plateforme. Les intégrations avec AWS et d'autres outils facilitent la mise en œuvre, et le support ainsi que la documentation aident à l'adaptation. De plus, les ressources d'IA permettent de créer, former et tester des modèles de manière plus rapide et efficace. **Official Response from Jess Darnell:** > Merci pour vos commentaires positifs ! ### 37. Plateforme Databricks unifiée et évolutive pour l'ingénierie collaborative des données et le ML **Rating:** 4.0/5.0 stars **Reviewed by:** Utilisateur vérifié à Internet | Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 17, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus chez Databricks, c'est sa plateforme unifiée pour l'ingénierie des données, l'analytique et l'apprentissage automatique. Cela rend le travail avec de grands ensembles de données beaucoup plus facile et permet à différentes équipes de collaborer dans un environnement unique. J'apprécie particulièrement l'espace de travail basé sur des notebooks, sa scalabilité et son intégration avec Apache Spark. **Que n’aimez-vous pas à propos de Databricks?** Ce que je n'aime pas chez Databricks, c'est que la plateforme peut présenter une courbe d'apprentissage pour les nouveaux utilisateurs, surtout lorsqu'il s'agit de configurations avancées et de pipelines de données à grande échelle. La gestion des ressources de calcul et le maintien des coûts sous contrôle peuvent également nécessiter une surveillance attentive et une attention continue. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Il aide à résoudre le défi de la gestion, du traitement et de l'analyse de grands volumes de données à travers différents flux de travail. Il regroupe l'ingénierie des données, l'analytique et l'apprentissage automatique sur une seule plateforme, ce qui réduit le besoin de passer d'un outil à l'autre et facilite la cohérence du travail de bout en bout. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous appréciez la plateforme unifiée et les fonctionnalités de collaboration de Databricks. Notre espace de travail basé sur des notebooks, notre évolutivité et notre intégration avec Apache Spark sont conçus pour faciliter le travail avec de grands ensembles de données pour les équipes. Merci de partager votre expérience positive ! ### 38. Analytique unifiée puissante avec gouvernance transparente et mise à l'échelle sans effort **Rating:** 4.5/5.0 stars **Reviewed by:** Akhil S. | Senior Data Engineer, Technologie de l'information et services, Entreprise (> 1000 employés) **Reviewed Date:** April 16, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus chez Databricks, c'est son écosystème analytique puissant et unifié. Des fonctionnalités comme Unity Catalog et Metastore rendent la gouvernance des données et le contrôle d'accès transparents, tandis que l'architecture Lakehouse combine le meilleur des lacs de données et des entrepôts. Le support de PySpark, dbutils, et les espaces de travail collaboratifs rendent le développement efficace, et le calcul sans serveur simplifie la mise à l'échelle sans surcharge d'infrastructure. **Que n’aimez-vous pas à propos de Databricks?** Ce que je n'aime pas chez Databricks, c'est le temps de démarrage lent des clusters polyvalents, ce qui peut interrompre le flux de travail et réduire la productivité. De plus, l'intégration avec Git peut parfois sembler un peu lente, surtout lors des commits ou des synchronisations, rendant le contrôle de version moins fluide que prévu. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks résout le défi de la gestion des flux de travail de données de bout en bout en fournissant une plateforme unifiée pour l'ingénierie des données, la science des données et l'analytique. Il permet un traitement, une transformation et un développement de modèles de données sans faille dans un environnement unique. Cela me bénéficie en simplifiant mon flux de travail en tant qu'ingénieur de données et scientifique des données, réduisant le besoin de passer d'un outil à l'autre. De plus, son intégration avec Azure Data Factory permet une orchestration et un déclenchement de tâches fluides pour des environnements plus élevés, rendant les déploiements plus efficaces et fiables. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que Databricks simplifie vos flux de travail de données et offre une intégration transparente avec Azure Data Factory. Nous prenons note de vos préoccupations concernant les temps de démarrage lents et l'intégration Git, et nous nous engageons à optimiser ces aspects pour garantir une expérience plus fluide à nos utilisateurs. Vos commentaires nous aident à prioriser les améliorations qui correspondent aux besoins de nos utilisateurs. ### 39. Plateforme collaborative et fluide qui s'adapte pour l'ingénierie des données et l'apprentissage automatique **Rating:** 4.0/5.0 stars **Reviewed by:** Krish G. | student, Petite entreprise (50 employés ou moins) **Reviewed Date:** April 15, 2026 **Qu'aimez-vous le plus à propos de Databricks?** La capacité de Databricks à intégrer tout de manière transparente est ce que je trouve le plus attrayant. Lorsqu'on travaille sur des projets réels, cela fait vraiment une grande différence de ne pas avoir à passer d'un outil à l'autre pour l'ingénierie des données, l'analyse et l'apprentissage automatique. L'élément collaboratif est très remarquable. Les équipes peuvent facilement collaborer sans que les choses deviennent désordonnées grâce à la fluidité et au dynamisme des notebooks. Pour un travail de données important, cela ressemble presque exactement à Google Docs. J'aime aussi beaucoup la façon dont il gère efficacement de grandes quantités de données sans que cela ne semble difficile. Même lorsqu'on travaille avec de grands ensembles de données, la plateforme est conviviale et peut être mise à l'échelle si nécessaire. De plus, cela a parfaitement du sens d'un point de vue IA/ML. Vous êtes capable de construire, **Que n’aimez-vous pas à propos de Databricks?** Databricks peut initialement sembler un peu accablant, ce qui est quelque chose que je n'aime pas. Clusters, notebooks, jobs, workflows—il y a beaucoup de choses en cours, et si vous êtes nouveau, cela prend du temps pour vraiment comprendre comment tout fonctionne ensemble. Le contrôle des coûts est un autre inconvénient. C'est sans aucun doute puissant, mais les dépenses peuvent rapidement augmenter si vous ne faites pas attention à l'utilisation des clusters ou aux paramètres d'auto-scaling. Pour garder tout sous contrôle, vous devez faire preuve d'un peu de maîtrise de soi et surveiller les choses. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Le problème de fragmentation dans le flux de travail des données et de l'IA est principalement résolu par Databricks. Dans le passé, le stockage des données, le traitement, l'analyse et l'apprentissage automatique étaient généralement effectués à l'aide de différents outils, et les faire coopérer était souvent difficile et chronophage. Databricks élimine beaucoup de ces frictions en combinant tout cela en une seule plateforme. Cela rend le processus de développement beaucoup plus fluide pour moi. Je n'ai pas à m'inquiéter des problèmes de compatibilité ou à perdre du temps à passer d'un environnement à l'autre. Je peux effectuer des transformations, nettoyer des données et créer des modèles tout au même endroit, ce qui réduit le temps de configuration et maintient l'organisation. Il résout également la difficulté de gérer d'énormes quantités de données. Je peux compter sur ses capacités de calcul distribué pour gérer des charges de travail exigeantes plutôt que de m'inquiéter de l'infrastructure ou de l'optimisation des performances dès le départ. Cela me permet de me concentrer moins sur la gestion des ressources et plus sur la recherche d'une solution au véritable problème. La collaboration est un autre problème majeur qu'il résout. Partager du code, des résultats et des expériences peut devenir désorganisé dans des environnements d'équipe. Parce que tout est consolidé avec Databricks, il est plus simple de travailler ensemble, de suivre les changements et de maintenir l'alignement. Tout bien considéré, cela m'aide en réduisant la complexité, en économisant du temps et en me permettant de me concentrer davantage sur le développement de solutions—qu'il s'agisse d'analyses, de modèles d'apprentissage automatique ou de pipelines de données—plutôt que de gérer la surcharge de maintenir de nombreux outils et plateformes. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez l'intégration transparente et les fonctionnalités collaboratives de Databricks attrayantes. Nous comprenons que la plateforme puisse sembler écrasante au début, mais nous offrons des ressources complètes et un support pour aider les utilisateurs à se familiariser rapidement. En ce qui concerne le contrôle des coûts, nous recommandons de tirer parti de notre documentation et de nos meilleures pratiques pour optimiser l'utilisation des clusters et les paramètres d'auto-scalabilité. Vos commentaires sont appréciés et nous nous engageons à améliorer continuellement l'expérience utilisateur ! ### 40. Databricks en tant qu'Ingénieur de Données Pratique : Résoudre les Défis Réels d'ETL, de Gouvernance et de Lakehouse **Rating:** 5.0/5.0 stars **Reviewed by:** KAVIN P. | Data Engineer, Technologie de l'information et services, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 08, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Je crois que l'aspect le plus attrayant de Databricks réside dans sa nature tout-en-un, ce qui facilite la gestion des données. Auparavant, lorsque j'utilisais plusieurs outils pour des activités liées aux données, l'expérience n'était pas excellente, mais ici tout semble être interconnecté et simple. La capacité d'utiliser des notebooks, surtout lorsque l'on travaille avec PySpark, est un autre avantage de Databricks que j'apprécie au cœur. L'outil permet d'exécuter rapidement des changements et des modifications sans préparation excessive. Cela a également un impact positif sur le processus de collaboration au sein de mon équipe qui peut travailler simultanément sur leurs projets et suivre l'avancement global. Cependant, le contrôle de version peut parfois sembler un peu flou à mon avis. En termes de performance, Databricks me semble efficace pour gérer de grandes quantités de données et fonctionner sans à-coups ni retards. Le redimensionnement des clusters se fait automatiquement, ce qui permet à mon équipe et moi de gagner du temps au niveau de l'infrastructure. Par conséquent, c'est facile car aucune planification et ajustement supplémentaires ne sont nécessaires. Il y a de petits problèmes avec l'interface utilisateur, qui fonctionne parfois lentement. Mais dans l'ensemble, grâce à d'autres aspects super comme les méthodes faciles pour implémenter et intégrer des choses, cela m'encourage à utiliser Databricks fréquemment. **Que n’aimez-vous pas à propos de Databricks?** Un aspect de Databricks que je n'aime pas est son interface utilisateur. Plus vous passez de temps à utiliser l'outil, plus il devient agaçant de naviguer entre les notebooks et les clusters. L'autre problème est que les coûts peuvent s'accumuler rapidement si nous ne faisons pas attention. Des clusters inutiles peuvent fonctionner plus longtemps que nécessaire et sans que moi ou mon équipe en soyons informés, augmentant ainsi les coûts dans nos projets. Il y a aussi la complexité du débogage des erreurs, qui est parfois difficile car cela implique de faire un effort supplémentaire pour essayer de découvrir où les choses ont pu mal tourner, surtout lorsqu'on traite des pipelines complexes. Parfois, il y a des divergences concernant le service client qui nous emmènent là où nous n'avons pas besoin d'être. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Le problème le plus important que Databricks résout est celui de travailler avec de grands volumes de données tout en maintenant la cohérence. Auparavant, il y avait des processus séparés pour l'ingénierie des données, l'analytique et les opérations d'apprentissage automatique, nécessitant des outils distincts et rendant difficile la gestion pour moi, mais maintenant tout est au même endroit. Un autre problème critique résolu par Databricks est le traitement de grands volumes de données. L'utilisation de Spark et du calcul distribué permet d'effectuer des tâches qui étaient extrêmement lentes sur les systèmes hérités avec lesquels je travaillais. Cela a aidé à accélérer mon pipeline, bien que parfois des retards se produisent. La collaboration est également un autre problème que Databricks aborde. Plusieurs utilisateurs peuvent collaborer sur le même notebook ou ensembles de données. La collaboration était auparavant confuse, et maintenant elle est facile, bonne, facilement compréhensible et surtout facile pour partager des notebooks et des ressources. La scalabilité est un autre problème résolu par Databricks ; il n'est pas nécessaire de prêter attention à la gestion de l'infrastructure. Le dimensionnement des clusters dépend des besoins des utilisateurs, ce qui permet de gagner du temps. Auparavant, il était nécessaire de prêter plus d'attention à la configuration de l'infrastructure. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez la nature tout-en-un et l'interconnexion de Databricks bénéfiques pour la gestion des données afin d'aider votre équipe à gagner du temps. Nous apprécions vos commentaires sur les avantages de l'utilisation des notebooks et l'efficacité dans le traitement des grandes données. ### 41. Espace de travail Databricks unifié qui simplifie la collaboration et les flux de travail de données complexes **Rating:** 4.0/5.0 stars **Reviewed by:** Neeraj Kumar N. | AI Data Specialist | Transcription & Annotation Expert | AI Model Training at Sigma AI, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 12, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus chez Databricks, c'est la façon dont il réunit l'ingénierie des données, l'analytique et l'apprentissage automatique dans un espace de travail unifié. Je trouve la collaboration beaucoup plus facile avec les notebooks partagés, et l'intégration transparente avec les outils de big data me fait gagner du temps. Il simplifie les flux de travail complexes tout en offrant des capacités puissantes lorsque j'en ai besoin. **Que n’aimez-vous pas à propos de Databricks?** Une chose que je n'aime pas à propos de Databricks, c'est que cela peut sembler coûteux, surtout pour les petits projets ou les petites équipes. Je trouve également que la configuration des clusters et la gestion des coûts sont parfois un peu complexes. L'interface, bien que puissante, peut être intimidante pour les débutants, et le débogage des tâches distribuées n'est pas toujours aussi simple que je le souhaiterais. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks résout le défi de la gestion du traitement de données à grande échelle, de l'analytique et de l'apprentissage automatique en un seul endroit. Pour moi, cela élimine les tracas de la gestion d'outils et d'infrastructures séparés. J'en bénéficie en travaillant plus efficacement, en collaborant facilement avec mon équipe et en transformant des données complexes en informations utiles plus rapidement, avec moins de surcharge opérationnelle globale. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous trouvez les fonctionnalités de l'espace de travail unifié et de collaboration de Databricks précieuses pour votre travail. Nous comprenons vos préoccupations concernant le coût et la complexité, et nous travaillons continuellement à nous améliorer dans ces domaines. ### 42. Plateforme de données fiable avec un support puissant pour les pipelines **Rating:** 4.5/5.0 stars **Reviewed by:** Chandhuru B. | Data Engineer, Technologie de l'information et services, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 06, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Ce que j'aime le plus chez Databricks, c'est la façon dont il réunit l'ingénierie des données, l'analytique et l'apprentissage automatique dans un espace de travail propre. Cela permet de gagner du temps, facilite la collaboration et aide les équipes à avancer plus rapidement avec de grandes quantités de données. **Que n’aimez-vous pas à propos de Databricks?** Ce que je n'aime pas chez Databricks, c'est que l'Auto Loader peut devenir frustrant lorsque les données sources changent fréquemment, surtout si les noms de colonnes ou les types de données changent sans avertissement. Par exemple, un champ comme customer_id peut soudainement apparaître sous le nom de cust_id, ou une colonne qui était auparavant une chaîne de caractères peut commencer à arriver sous forme d'entier, ce qui peut entraîner une dérive de schéma et perturber le traitement en aval. Je trouve également gênant lorsque l'inférence de schéma n'est pas entièrement précise, comme lorsque des données JSON imbriquées ou semi-structurées sont lues incorrectement, car cela nécessite ensuite des corrections manuelles supplémentaires et de la maintenance pour que les pipelines fonctionnent correctement. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks résout le problème de la construction et de la gestion des pipelines de données à grande échelle sans autant d'efforts manuels. Il aide à l'ingestion fiable, à l'évolution des schémas et à l'orchestration, permettant ainsi aux équipes de traiter les données plus rapidement et de maintenir les pipelines plus stables même lorsque les fichiers sources changent. Pour moi, cela signifie moins de temps passé à réparer des tâches défaillantes et plus de temps consacré à transformer et à utiliser les données. Cela me profite également en rendant les flux de travail par lots et en continu plus faciles à gérer sur une seule plateforme, ce qui est particulièrement utile lorsque les données continuent de changer. **Official Response from Janelle Glover:** > Nous sommes ravis d'apprendre que vous considérez Databricks comme une plateforme fiable pour l'ingénierie des données, l'analytique et l'apprentissage automatique. Nous comprenons la frustration liée à Auto Loader lorsqu'il s'agit de gérer des données sources fréquemment changeantes. Nous travaillons continuellement à améliorer la précision de l'inférence de schéma et la gestion des données JSON imbriquées ou semi-structurées afin de minimiser les corrections manuelles et la maintenance pour nos utilisateurs. ### 43. Aimez Databricks et ses fonctionnalités ainsi que le Unity Catalog pour une gouvernance simplifiée **Rating:** 4.5/5.0 stars **Reviewed by:** Prashant N. | Data Engineer, Entreprise (> 1000 employés) **Reviewed Date:** May 26, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Dans Databricks, j'aime vraiment les nouvelles fonctionnalités telles que Gennie, l'assistant Databricks, les agents et le mécanisme de déclenchement d'événements. De plus, la fonctionnalité Unity Catalog est incroyable. Avoir un seul endroit pour toutes les sources simplifie beaucoup les choses, et UC aide à gouverner les tables de manière plus organisée. **Que n’aimez-vous pas à propos de Databricks?** Rien de spécial à détester, mais il y a une fonctionnalité pour sauter à une commande particulière. La fonctionnalité elle-même est bien, mais elle est placée juste à côté du carnet, ce qui la rend facile à cliquer par accident, et cela perturbe mon flux de travail. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Je l'utilise dans mon projet pour le traitement des données et l'analyse de la qualité des données. Avec Databricks et ses fonctionnalités, je construis des agents dans l'espace Genie. En utilisant UC, je gère toutes les tables gérées et externes en un seul endroit. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre que vous appréciez les nouvelles fonctionnalités comme Gennie, l'assistant Databricks, les agents et le mécanisme de déclenchement d'événements, ainsi que la fonctionnalité Unity Catalog. Nous apprécions vos commentaires ! ### 44. Databricks : Plateforme unifiée pour le traitement et l'analyse des données **Rating:** 5.0/5.0 stars **Reviewed by:** Banu Prakash M. | Data Engineer, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 02, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'aime que Databricks rassemble tout en un seul endroit, rendant inutile l'utilisation de différents outils pour le traitement des données, l'analyse et le travail sur les pipelines. Il gère bien les grandes quantités de données, et nous n'avons pas à nous soucier de gérer les clusters manuellement. De plus, Databricks gère bien la collaboration et l'expérimentation, ce qui facilite l'essai de nouvelles choses. **Que n’aimez-vous pas à propos de Databricks?** De mon point de vue, le domaine qui peut être amélioré est la gestion des coûts. Si les clusters ne sont pas surveillés attentivement, les coûts peuvent augmenter plus rapidement que prévu. Une amélioration qui serait utile est une meilleure visibilité des coûts à un niveau plus détaillé. Plus d'alertes intégrées ou de recommandations lorsque les coûts commencent à augmenter de manière inattendue seraient également utiles. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks nous aide à gérer de grands ensembles de données et à construire des pipelines de données. Il simplifie le traitement, la transformation et l'analyse des données en utilisant Spark et SQL, le tout en un seul endroit. Il résout le problème du traitement lent des données réparties sur plusieurs systèmes, gère automatiquement l'infrastructure et facilite la collaboration et l'expérimentation. **Official Response from Janelle Glover:** > Nous sommes ravis d'apprendre que Databricks a été bénéfique pour gérer de grands ensembles de données et simplifier le traitement et l'analyse des données pour vous. Nous apprécions vos commentaires sur la gestion des coûts et nous explorerons des moyens d'améliorer la visibilité des coûts et de fournir de meilleurs outils de suivi. ### 45. Solution tout-en-un avec une sécurité robuste, nécessite une meilleure gestion des grands ensembles de données **Rating:** 0.0/5.0 stars **Reviewed by:** srikanth s. **Reviewed Date:** June 17, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'apprécie vraiment le Databricks Unity Catalog pour l'application des politiques de données, car il est prêt à l'emploi et offre une sécurité de niveau entreprise qui aide notre data lakehouse avec tous les contrôles d'accès et la conformité. C'est une solution tout-en-un, particulièrement précieuse pour les organisations qui sont strictement régulées, comme la nôtre. Nous utilisons également beaucoup Spark en tant que service, Phoenix, et Fortran Gemini, ce qui en fait une solution parfaite pour nos analyses de données et notre hub de données. La configuration initiale a été assez simple, impliquant quelques discussions architecturales avec l'équipe de Databricks, et elle s'est déroulée sans problème sur quelques mois. **Que n’aimez-vous pas à propos de Databricks?** Lors de l'acquisition de feuilles de données plus volumineuses, nous rencontrons souvent des problèmes. Nous cherchons toujours à mieux affiner nos modèles d'accès aux données pour les utilisateurs finaux, en particulier sur les ensembles de données plus importants qui nécessitent beaucoup de calculs intensifs. Cela rend les requêtes interactives et les analyses de scénarios hypothétiques assez longues, les rendant moins interactives pour les utilisateurs finaux. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** J'utilise Databricks pour sa sécurité et sa conformité de niveau entreprise, en particulier avec le Unity Catalog, qui aide à appliquer les politiques de données et le contrôle d'accès. C'est une solution tout-en-un pour l'analyse et la gestion des données, cruciale pour les industries réglementées comme la nôtre. **Official Response from Janelle Glover:** > Nous sommes ravis d'apprendre que vous appréciez les fonctionnalités de sécurité et de conformité de niveau entreprise de Databricks, y compris Unity Catalog. Nous comprenons l'importance des politiques de données et du contrôle d'accès, en particulier dans les industries réglementées, et nous nous engageons à fournir des solutions robustes dans ces domaines. ### 46. Databricks prend le contrôle du monde **Rating:** 5.0/5.0 stars **Reviewed by:** Matimba M. | SQL DBA, Marché intermédiaire (51-1000 employés) **Reviewed Date:** June 17, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Databricks a fondamentalement changé la façon dont les organisations abordent l'ingénierie des données, l'apprentissage automatique et l'IA. Ce qui a commencé comme une plateforme d'analytique solide est devenu un écosystème unifié qui permet aux équipes de construire, gouverner et faire évoluer des solutions basées sur les données dans un environnement unique. Du point de vue de l'ingénierie des données, Databricks simplifie la création de lacs de données modernes et d'architectures de lakehouse. Des capacités telles que Delta Lake, Unity Catalog et les pipelines automatisés réduisent la complexité opérationnelle tout en renforçant la qualité des données, la gouvernance et la fiabilité globale. Pour les équipes d'apprentissage automatique, Databricks offre un espace de travail de bout en bout où les data scientists, ingénieurs et parties prenantes commerciales peuvent collaborer en douceur. Avec le suivi des expériences, la gestion des modèles, l'ingénierie des caractéristiques et la formation évolutive, il raccourcit le chemin des premières idées aux résultats prêts pour la production. Le plus impressionnant est le rythme d'innovation de Databricks en IA. La plateforme s'est positionnée au centre de la vague de l'IA générative en intégrant des modèles de langage de grande taille, la recherche vectorielle, des agents IA et une gouvernance de niveau entreprise directement dans l'architecture Lakehouse. Cela aide les organisations à aller au-delà de l'expérimentation et à déployer des solutions d'IA de manière sécurisée et à grande échelle. L'expérience cohérente et unifiée à travers l'ingénierie des données, l'analytique, l'apprentissage automatique et l'IA fait que Databricks ressemble à une plateforme stratégique plutôt qu'à un simple outil. Elle aide à briser les silos, accélérer l'innovation et transformer les actifs de données en véritable valeur commerciale. Databricks ne fait pas simplement partie du futur des données et de l'IA—il contribue à le façonner. Pour les organisations cherchant à moderniser leur plateforme de données et à construire des capacités d'IA d'entreprise, Databricks se distingue comme l'une des options les plus convaincantes sur le marché aujourd'hui. **Que n’aimez-vous pas à propos de Databricks?** Rien ne se démarque pour moi en ce moment, à part la diversité dans la façon dont la population mondiale est représentée. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Problèmes d'ingénierie des données 1. Silos de données Les organisations ont souvent des données dispersées dans des bases de données, des fichiers, des entrepôts de données et des stockages cloud, ce qui rend difficile l'obtention d'une vue cohérente. Solution Databricks : * Architecture Lakehouse unifiée * Une source unique de vérité pour les données structurées et non structurées * Aide à éliminer les copies dupliquées de données 2. Pipelines ETL lents Les processus ETL traditionnels peuvent prendre des heures à s'exécuter et nécessitent souvent un entretien continu important. Solution Databricks : * Traitement distribué basé sur Apache Spark * Calcul à mise à l'échelle automatique * Delta Live Tables pour la gestion automatisée des pipelines 3. Mauvaise qualité des données Les mauvaises données conduisent à des rapports peu fiables et à des résultats d'IA faibles. Solution Databricks : * Transactions ACID de Delta Lake * Attentes de qualité des données * Application et évolution du schéma 4. Coûts d'infrastructure élevés Maintenir des systèmes séparés pour le stockage, le traitement et l'analyse peut être coûteux et inefficace. Solution Databricks : * Séparation du stockage et du calcul * Capacités sans serveur * Utilisation optimisée des ressources ⸻ Problèmes d'analyse 5. Rapports et requêtes lents Les grands ensembles de données peuvent submerger les systèmes traditionnels, entraînant des rapports lents et des temps de requête longs. Solution Databricks : * Moteur de requête Photon * Traitement SQL distribué * Analytique en quasi temps réel 6. Multiples plateformes d'analyse Lorsque les équipes utilisent différents outils, cela crée des problèmes de gouvernance et rend la collaboration plus difficile. Solution Databricks : * Environnement unifié SQL, Python, Scala et R * Couche de gouvernance partagée * Accès centralisé aux données ⸻ Problèmes de machine learning 7. Les modèles n'atteignent jamais la production De nombreux projets de ML restent bloqués en phase d'expérimentation et n'atteignent jamais la production. Solution Databricks : * Gestion du cycle de vie ML de bout en bout * Intégration MLflow * Flux de travail de registre et de déploiement de modèles 8. Collaboration difficile entre les équipes Les data scientists, ingénieurs et analystes travaillent souvent en isolation, ce qui ralentit la livraison et crée des frictions lors des transferts. Solution Databricks : * Notebooks collaboratifs * Espaces de travail partagés * Plateforme de données unifiée 9. Duplication des fonctionnalités Les équipes reconstruisent souvent les mêmes fonctionnalités à plusieurs reprises, gaspillant du temps et créant des incohérences. Solution Databricks : * Magasin de fonctionnalités * Gestion réutilisable des fonctionnalités * Données cohérentes pour l'entraînement et l'inférence ⸻ Problèmes d'IA et d'IA générative 10. L'IA d'entreprise ne peut pas accéder aux données commerciales en toute sécurité Les LLM sont puissants, mais ils sont souvent déconnectés des connaissances de l'entreprise ou ne peuvent pas y accéder en toute sécurité. Solution Databricks : * Génération augmentée par récupération (RAG) * Recherche vectorielle * Gouvernance du catalogue Unity 11. Hallucinations de l'IA L'IA générative peut produire des réponses incorrectes ou trompeuses. Solution Databricks : * Modèles ancrés sur les données d'entreprise * Architectures RAG * Cadres d'évaluation des modèles 12. Gouvernance et conformité de l'IA Les organisations ont besoin de visibilité sur qui a accédé à quelles données et quels modèles ont été utilisés. Solution Databricks : * Catalogue Unity * Suivi de la lignée * Permissions et audit centralisés **Official Response from Aunalisa Arellano:** > Merci d'avoir partagé votre expérience positive avec Databricks ! Nous sommes ravis d'apprendre comment notre plateforme a révolutionné votre approche de l'ingénierie des données, de l'apprentissage automatique et de l'IA. C'est formidable de savoir que Databricks répond efficacement à vos défis en matière d'ingénierie des données, d'analytique, d'apprentissage automatique et d'IA, vous aidant à briser les silos et à générer une réelle valeur commerciale. Si vous avez des suggestions spécifiques ou d'autres commentaires, n'hésitez pas à nous contacter. Nous sommes là pour vous soutenir à chaque étape et nous assurer que vous continuez à bénéficier de nos solutions innovantes. Merci d'avoir choisi Databricks ! ### 47. Un cheval de bataille fiable pour l'ingénierie des données et l'analyse **Rating:** 5.0/5.0 stars **Reviewed by:** Supriya M. | Data Engineer, Marché intermédiaire (51-1000 employés) **Reviewed Date:** March 31, 2026 **Qu'aimez-vous le plus à propos de Databricks?** L'approche de la plateforme unifiée est ce que j'apprécie le plus. Avoir des notebooks, des pipelines d'ingénierie des données, des workflows de ML et des analyses SQL au même endroit permet de gagner énormément de temps au lieu de jongler avec plusieurs outils. Les notebooks collaboratifs facilitent le partage du travail avec les coéquipiers, et la gestion des clusters est devenue beaucoup plus fluide au fil du temps. L'intégration de Delta Lake est également un énorme avantage pour maintenir nos données fiables et cohérentes. **Que n’aimez-vous pas à propos de Databricks?** Le coût peut rapidement devenir incontrôlable si vous ne faites pas attention à la taille des clusters et au temps de fonctionnement. Il n'est pas toujours évident d'optimiser les dépenses, et le modèle de tarification semble complexe. La courbe d'apprentissage pour les nouveaux membres de l'équipe est également plus raide que je ne le souhaiterais, surtout pour les personnes qui ne sont pas déjà familières avec Spark. Parfois, l'interface utilisateur peut sembler lente lorsqu'on travaille avec des notebooks plus volumineux, et le débogage des échecs de tâches pourrait être plus simple. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks m'aide à résoudre des échecs complexes de pipelines ETL et des problèmes persistants de qualité des données dans l'analyse de la chaîne d'approvisionnement en unifiant le traitement par lots et en continu à partir des systèmes SAP avec Delta Live Tables. Il élimine également une grande partie des tracas de gestion de l'infrastructure grâce aux clusters à mise à l'échelle automatique, ce qui me permet de me concentrer sur l'écriture de code pour des charges de travail de plusieurs téraoctets au lieu de m'inquiéter constamment de la taille des clusters. Pour mes projets de données de fabrication, Databricks accélère les cycles de développement de semaines à jours grâce à des notebooks collaboratifs et des pipelines DLT, permettant des rapports Power BI plus rapides et des décisions des parties prenantes. Unity Catalog centralise la gouvernance à travers les sources Azure et SAP, empêchant la dérive de schéma qui a tourmenté les lacs basés sur Hive auparavant. **Official Response from Janelle Glover:** > Merci de souligner les avantages de l'approche de plateforme unifiée et les fonctionnalités de gain de temps de Databricks. Nous comprenons vos préoccupations concernant la gestion des coûts et la courbe d'apprentissage, et nous travaillons continuellement à simplifier notre modèle de tarification et à améliorer l'expérience d'intégration pour les nouveaux membres de l'équipe. C'est formidable d'entendre comment Databricks vous aide à résoudre des échecs complexes de pipelines ETL et à accélérer les cycles de développement pour vos projets de données de fabrication. ### 48. Recherche instantanée avec citations et analyse approfondie qui booste la productivité **Rating:** 5.0/5.0 stars **Reviewed by:** Ravi V. | Data Engineer, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 02, 2026 **Qu'aimez-vous le plus à propos de Databricks?** Recherche instantanée avec citations : La recherche web en temps réel avec des liens sources économise plus de 30 minutes par jour par rapport à la recherche manuelle sur Google, me permettant de vérifier les faits instantanément lors des rapports. Conversations de suivi : Les discussions en fil de discussion se souviennent du contexte, affinant les requêtes de manière transparente et rationalisant la recherche de plusieurs onglets dispersés à un seul fil concentré. Réponses concises et structurées : Les en-têtes, listes et exemples expliquent des sujets complexes comme l'éthique de l'IA en moins de 5 minutes, évitant des heures de lecture dense. Analyse approfondie du modèle Pro : Le raisonnement étape par étape débogue le code (par exemple, Python) et détecte les erreurs, augmentant la productivité du codage de 40%. Mode vocal pour les mains libres : Dictez des requêtes en déplacement via l'application ; a transformé les trajets à Chennai en sessions d'apprentissage mains libres sur l'histoire locale. Résumé de téléchargement de fichiers : Résume instantanément les PDF en points clés, réduisant les examens de documents juridiques denses de jours à heures pour le travail en freelance. Outils d'écriture personnalisables : Réécrit les e-mails/plans à mon ton avec des ajustements ; a peaufiné les propositions clients, décrochant deux contrats le mois dernier. **Que n’aimez-vous pas à propos de Databricks?** Retour d'expérience sur le produit et améliorations Complexité de la navigation : Le système de menu à plusieurs niveaux rend l'accès aux paramètres principaux fastidieux ; aplatir l'architecture de l'information réduirait considérablement la friction pour l'utilisateur. Latence de synchronisation en temps réel : Des retards occasionnels dans la synchronisation des données entre les appareils perturbent la continuité du flux de travail ; optimiser les performances de WebSocket garantirait une expérience multi-plateforme fluide. Granularité des filtres de recherche : L'outil de recherche actuel manque de paramètres "exclure" et "plage de dates", ce qui entrave la récupération des données ; ajouter des filtres booléens avancés permettrait aux utilisateurs de gagner un temps considérable. Parcours d'intégration : Le tutoriel initial est chargé en texte et facilement contournable, ce qui conduit à une sous-utilisation des fonctionnalités ; mettre en œuvre des info-bulles interactives basées sur des tâches améliorerait l'adoption des fonctionnalités. Capacités d'actions par lot : Les utilisateurs doivent actuellement mettre à jour les éléments individuellement, ce qui est inefficace pour les grands ensembles de données ; introduire une fonctionnalité de modification en masse "sélectionner tout" maximiserait la productivité. Surcharge de notifications : L'absence de contrôles granulaires des notifications entraîne une fatigue des alertes ; un centre de préférences permettant aux utilisateurs de basculer des déclencheurs d'événements spécifiques améliorerait l'expérience utilisateur. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Avant d'adopter cette plateforme, notre équipe était submergée par des feuilles de calcul fragmentées et une saisie manuelle des données, ce qui entraînait un taux d'erreur de 15 % dans nos rapports mensuels. Nous avions du mal avec des silos de données incohérents entre les départements, mais maintenant nous pouvons extraire des analyses unifiées et en temps réel dans un tableau de bord unique, ce qui a entraîné une réduction de 40 % du temps consacré à la réconciliation administrative. Depuis la mise en œuvre, le changement le plus notable a été la vitesse de réalisation de nos projets. Auparavant, les approbations interfonctionnelles prenaient près d'une semaine en raison des goulots d'étranglement des e-mails ; maintenant, les déclencheurs de flux de travail automatisés nous permettent de finaliser les validations en moins de 24 heures. Ce gain d'efficacité a effectivement permis à nos développeurs principaux d'économiser environ 10 heures par semaine, leur permettant de se concentrer entièrement sur les sorties de fonctionnalités à fort impact plutôt que de courir après les mises à jour de statut. Notre allocation de ressources est également devenue beaucoup plus stratégique. Nous devions deviner notre capacité en nous basant sur notre "intuition", souvent en sur-engageant et en épuisant l'équipe. En utilisant les outils de visualisation de la charge de travail du logiciel, nous avons amélioré la précision de la livraison de nos projets de 25 % et réduit considérablement nos coûts généraux en identifiant et en supprimant les abonnements redondants à des tiers. **Official Response from Jess Darnell:** > Nous sommes ravis d'apprendre comment Databricks a amélioré votre productivité et rationalisé votre flux de travail. C'est fantastique de savoir que la plateforme a aidé à réduire les erreurs dans les rapports et à accélérer la vitesse de réalisation des projets. Nous apprécions vos commentaires sur le guide d'intégration, les capacités d'action par lots et les contrôles de notification. Vos retours seront pris en compte alors que nous continuons à améliorer la plateforme pour nos utilisateurs. ### 49. Tout-en-un puissant avec de la place pour la clarté des prix **Rating:** 4.5/5.0 stars **Reviewed by:** Thoufeeq A. | DevOps Engineer, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 02, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'aime que Databricks soit une solution tout-en-un où je peux effectuer plusieurs tâches au même endroit. C'est puissant pour gérer des données provenant de multiples sources et les avoir dans un seul UC pour gérer les permissions avec une sécurité au niveau des lignes. J'apprécie également de pouvoir créer des expériences, exécuter plusieurs modèles et sélectionner le meilleur à partir des journaux, ce qui était difficile sur d'autres plateformes. Une fois que j'ai appris la configuration, il a été facile et confortable de travailler avec. **Que n’aimez-vous pas à propos de Databricks?** Je trouve difficile d'utiliser la calculatrice pour déterminer les prix des points de terminaison de service CPU car la documentation ne l'explique pas explicitement. Elle mentionne seulement qu'une concurrence égale un DBU sur la page Azure, ce qui n'est pas clair. La calculatrice de prix a une seule option pour les points de terminaison de service, étiquetée comme moyenne avec quatre DBU, mais elle manque d'options séparées pour le GPU ou le CPU et leur concurrence, ce qui rend difficile la compréhension de son fonctionnement. Au début, j'ai également trouvé très difficile d'apprendre Databricks et de gérer les déploiements des espaces de travail, bien que cela soit devenu plus facile avec le temps. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Databricks consolide plusieurs outils en une seule plateforme, la rendant puissante et pratique. Je peux gérer les autorisations avec une sécurité au niveau des lignes et exécuter facilement des expériences pour sélectionner les meilleurs modèles, le tout en un seul endroit. **Official Response from Janelle Glover:** > Merci de partager votre expérience positive avec Databricks. Nous comprenons vos préoccupations concernant le calculateur de prix et nous prendrons en compte vos commentaires pour améliorer la clarté de notre documentation. ### 50. Databricks Lakehouse Puissance avec Unity Catalog et Fast Photon SQL **Rating:** 4.0/5.0 stars **Reviewed by:** Vidhyadar R. | Data Engineer, Entreprise (> 1000 employés) **Reviewed Date:** April 01, 2026 **Qu'aimez-vous le plus à propos de Databricks?** J'apprécie vraiment la façon dont la plateforme réunit les lacs de données et les entrepôts en un seul endroit. Cela rend la gestion des données beaucoup plus facile, et les performances SQL sont très rapides grâce au moteur Photon. J'aime aussi les notebooks collaboratifs car ils me permettent de travailler avec SQL et Python de manière transparente dans un seul environnement. **Que n’aimez-vous pas à propos de Databricks?** Le coût peut être élevé, et le système de facturation DBU est assez complexe à suivre. J'ai également constaté qu'il y a une courbe d'apprentissage significative en ce qui concerne Spark et la configuration des clusters. Pour des tâches plus petites et rapides, le temps de configuration et la surcharge technique peuvent parfois sembler un peu trop importants. **Quels sont les problèmes que Databricks résout, et en quoi cela vous est-il bénéfique?** Cela résout le problème d'avoir des données dispersées partout. J'adore pouvoir passer de SQL à Python au même endroit, et la vitesse de traitement est de premier ordre. Cela a révolutionné la construction de nos modèles financiers rapidement sans le décalage habituel. **Official Response from Janelle Glover:** > Nous apprécions vos commentaires sur les avantages de Databricks, tels que la gestion centralisée des données et la possibilité de travailler avec SQL et Python dans un environnement unique. Nous comprenons vos préoccupations concernant le coût et la courbe d'apprentissage, et nous travaillons activement à améliorer la plateforme pour mieux répondre à vos besoins. ## Databricks Discussions - [Qu'est-ce que Lakehouse dans Databricks ?](https://www.g2.com/fr/discussions/what-is-lakehouse-in-databricks) - 4 comments, 2 upvotes - [Quelles sont les fonctionnalités de Databricks ?](https://www.g2.com/fr/discussions/what-are-the-features-of-databricks) - 4 comments, 2 upvotes - [What does Databricks software do?](https://www.g2.com/fr/discussions/what-does-databricks-software-do) - 3 comments, 1 upvote - [Qu'est-ce que la plateforme d'analytique unifiée de Databricks ?](https://www.g2.com/fr/discussions/what-is-databricks-unified-analytics-platform) - 3 comments - [View Databricks pricing details and edition comparison](https://www.g2.com/fr/products/databricks/reviews?qs=pros-and-cons§ion=pricing&secure%5Bexpires_at%5D=2026-08-15+05%3A24%3A18+-0500&secure%5Bsession_id%5D=fda27045-f796-4676-945d-9e996812e5e8&secure%5Btoken%5D=1094230ae870c1793d185b309325898b7d850b6b289b0b49584559448587f083&format=llm_user) ## Databricks Integrations - [Agentforce Sales (formerly Salesforce Sales Cloud)](https://www.g2.com/fr/products/agentforce-sales-formerly-salesforce-sales-cloud/reviews) - [Amazon Redshift](https://www.g2.com/fr/products/amazon-redshift/reviews) - [Amazon Relational Database Service (RDS)](https://www.g2.com/fr/products/amazon-relational-database-service-rds/reviews) - [Amazon S3 Glacier](https://www.g2.com/fr/products/amazon-s3-glacier/reviews) - [Anaplan](https://www.g2.com/fr/products/anaplan/reviews) - [Apache Airflow](https://www.g2.com/fr/products/apache-airflow/reviews) - [Apache Kafka](https://www.g2.com/fr/products/apache-kafka/reviews) - [AWS Glue](https://www.g2.com/fr/products/aws-glue/reviews) - [AWS Lambda](https://www.g2.com/fr/products/aws-lambda/reviews) - [Azure Databricks](https://www.g2.com/fr/products/azure-databricks/reviews) - [Azure Data Factory](https://www.g2.com/fr/products/azure-data-factory/reviews) - [Azure Data Lake Store](https://www.g2.com/fr/products/azure-data-lake-store/reviews) - [Azure DevOps Server](https://www.g2.com/fr/products/azure-devops-server/reviews) - [Azure Logic Apps](https://www.g2.com/fr/products/azure-logic-apps/reviews) - [Azure OpenAI Service](https://www.g2.com/fr/products/azure-openai-service/reviews) - [Azure Pipelines](https://www.g2.com/fr/products/azure-pipelines/reviews) - [Azure Portal](https://www.g2.com/fr/products/azure-portal/reviews) - [Azure SQL Database](https://www.g2.com/fr/products/azure-sql-database/reviews) - [Base SAS](https://www.g2.com/fr/products/base-sas/reviews) - [Claude](https://www.g2.com/fr/products/claude-2025-12-11/reviews) - [Claude Code](https://www.g2.com/fr/products/anthropic-claude-code/reviews) - [Crunchbase](https://www.g2.com/fr/products/crunchbase/reviews) - [Dash](https://www.g2.com/fr/products/dash-for-brands-ltd-dash/reviews) - [Datadog](https://www.g2.com/fr/products/datadog/reviews) - [Dataiku](https://www.g2.com/fr/products/dataiku/reviews) - [dbt](https://www.g2.com/fr/products/dbt/reviews) - [DigitalOcean](https://www.g2.com/fr/products/digitalocean/reviews) - [Domo](https://www.g2.com/fr/products/domo/reviews) - [Fivetran](https://www.g2.com/fr/products/fivetran/reviews) - [GEN TDS](https://www.g2.com/fr/products/gen-tds/reviews) - [Git](https://www.g2.com/fr/products/git/reviews) - [GitHub](https://www.g2.com/fr/products/github/reviews) - [GitLab](https://www.g2.com/fr/products/gitlab/reviews) - [Google Analytics](https://www.g2.com/fr/products/google-analytics/reviews) - [Google Cloud BigQuery](https://www.g2.com/fr/products/google-cloud-bigquery/reviews) - [Google Cloud Run](https://www.g2.com/fr/products/google-cloud-run/reviews) - [HubSpot Marketing Hub](https://www.g2.com/fr/products/hubspot-marketing-hub/reviews) - [Microsoft Copilot Studio](https://www.g2.com/fr/products/microsoft-microsoft-copilot-studio/reviews) - [Microsoft Excel](https://www.g2.com/fr/products/microsoft-excel/reviews) - [Microsoft Fabric](https://www.g2.com/fr/products/microsoft-fabric/reviews) - [Microsoft Power Apps](https://www.g2.com/fr/products/microsoft-power-apps/reviews) - [Microsoft Power Automate](https://www.g2.com/fr/products/microsoft-power-automate/reviews) - [Microsoft Power BI](https://www.g2.com/fr/products/microsoft-microsoft-power-bi/reviews) - [Microsoft SharePoint](https://www.g2.com/fr/products/microsoft-sharepoint/reviews) - [Microsoft SQL Server](https://www.g2.com/fr/products/microsoft-sql-server/reviews) - [Microsoft Teams](https://www.g2.com/fr/products/microsoft-teams/reviews) - [MLflow](https://www.g2.com/fr/products/mlflow-mlflow/reviews) - [MySQL](https://www.g2.com/fr/products/mysql/reviews) - [ObjectWay SpA](https://www.g2.com/fr/products/objectway-spa/reviews) - [Pega Platform](https://www.g2.com/fr/products/pega-platform/reviews) - [PostgreSQL](https://www.g2.com/fr/products/postgresql/reviews) - [PowerBI Portal](https://www.g2.com/fr/products/powerbi-portal/reviews) - [Prophecy](https://www.g2.com/fr/products/prophecy-prophecy/reviews) - [Salesforce Agentforce](https://www.g2.com/fr/products/salesforce-agentforce/reviews) - [Salesforce Headless 360 Platform (formerly Salesforce Platform)](https://www.g2.com/fr/products/agentforce-360-platform-formerly-salesforce-platform/reviews) - [SAP Ariba](https://www.g2.com/fr/products/sap-ariba/reviews) - [SAP ECC](https://www.g2.com/fr/products/sap-ecc/reviews) - [Seamless (formally Seamless.AI)](https://www.g2.com/fr/products/seamless-formally-seamless-ai/reviews) - [ServiceNow IT Service Management](https://www.g2.com/fr/products/servicenow-it-service-management/reviews) - [Sisense](https://www.g2.com/fr/products/sisense/reviews) - [SnapLogic Intelligent Integration Platform (IIP)](https://www.g2.com/fr/products/snaplogic-intelligent-integration-platform-iip/reviews) - [Snowflake](https://www.g2.com/fr/products/snowflake/reviews) - [Spark](https://www.g2.com/fr/products/apache-spark/reviews) - [Spark SQL](https://www.g2.com/fr/products/spark-sql/reviews) - [Spotfire Analytics](https://www.g2.com/fr/products/spotfire-analytics/reviews) - [Tableau](https://www.g2.com/fr/products/tableau/reviews) - [Unity Catalog Command Center](https://www.g2.com/fr/products/unity-catalog-command-center/reviews) - [Visual Studio Code](https://www.g2.com/fr/products/visual-studio-code/reviews) - [Workday HCM](https://www.g2.com/fr/products/workday-hcm/reviews) ## Databricks Features **Rapports** - Interface des rapports - Étapes pour répondre - Graphiques et tableaux - Cartes de score - Tableaux - Rapports personnalisables - Rapports de marketing - Rapports de ventes - Tableau de bord d'activité - Rapports interactifs - Rapports personnalisables - Rapports personnalisables - Tableau de bord d'activité - Tableau de bord personnalisable **Fonctionnalité supplémentaire** - Intégration continue - Glisser & Déposer - Sauvegarde et Récupération - Plusieurs langages de programmation pris en charge - Déploiement Continu - Développement de code - Pour le développement sans code - Contrôle de version - Flux de travail configurable - Interface Graphique Utilisateur - Pour le développement à faible code - Tableau de bord d'activité - IA générative - Prototypage d'interface utilisateur - Contrôle de version - Développement de logiciels - API - Importation/Exportation de données - Développement d'applications web - Développement personnalisé - Intégration du dépôt de code - Sécurité des données - Développement mobile - Contrôles d'accès/Permissions - Développement de jeux - Outils de collaboration - Sécurité des applications - Alertes/Notifications - Test automatisé - Environnement de Développement Intégré - Accès hors ligne - Débogage - Copilote IA - Rapports/Analytique - Test de compatibilité - Modèles préconstruits - Intégrations tierces - Modélisation des données - Marque personnalisable - Visualisation des données - Édition de code **Fonctionnalité supplémentaire** - Étiquetage - Traitement du Langage Naturel - Extraction de données - Multi-langue - Analyse Prédictive - Glisser & Déposer - Reconnaissance vocale - Rapports/Analytique - Gestion du stockage des données - Assistant Personnel Virtuel (APV) - Copilote IA - Segmentation de la clientèle - Outils de collaboration - Importation/Exportation de données - IA générative - Pour le commerce électronique - Autorisations basées sur les rôles - Marque personnalisable - Rechercher/Filtrer - Surveillance - Gestion de documents - API - Visualisation des données - Analyse des tendances - Apprentissage automatique - Contrôles d'accès/Permissions - Alertes/Escalade - Indicateurs de performance - Données en temps réel - Intégrations tierces - Application mobile - Sources de données multiples - Pour les équipes/organisations de vente - Analyse de sentiment - Tableau de bord d'activité - Chatbot - Automatisation des flux de travail **Fonctionnalité supplémentaire** - Nettoyage des données - Extraction de données - Intégrations tierces - Vérification des données - Gouvernance de l'information - Capture de données et transfert - Copilote IA - Rapports personnalisables - Migration de données - Analyse du comportement - Rapport en temps réel - Requêtes interactives - Piste d'audit - Sources de données multiples - Stockage de documents - Contrôles d'accès/Permissions - Gestion des utilisateurs - IA/Apprentissage automatique - Gestion des données maîtres - Planification des tâches - Importation/Exportation de données - Surveillance - Base de données clients - Gestion de l'audit - Rapports/Analytique - Visualisation des données - Outils de collaboration - Gestion des flux de travail - Recherche en texte intégral - Gestion de la conformité - IA générative - Contrôle de la qualité des données - Connecteurs de données - Sauvegarde automatique - Suivi d'activité - Tableau de bord d'activité - Sécurité des données - Outils d'analyse de données - Synchronisation des données - Gestion des métadonnées - Création de tableau de bord - Analytique Visuelle - Stockage sécurisé des données - Intégration de données - Support de base de données **Fonctionnalité supplémentaire** - Génération de code - Texte en image - IA générative - API - Traitement du Langage Naturel - Personnages virtuels et avatars - Génération de contenu - Personnalisation et recommandation - Génération conditionnelle - Modèle de transformateur - Édition automatique d'images et de vidéos - Systèmes interactifs et co-créatifs - Résumé de texte - Augmentation de données - Modèles d'autoencodeur variationnel - Entraînement Adversarial - Apprentissage par transfert et ajustement fin - Simulation et génération de scénarios - Conception Créative - Copilote IA - Conception de l'invite - Modèle de fondation **Administration** - Modélisation des données - Recommandations - Gestion des flux de travail - Tableaux de bord et visualisations - Flux de travail configurable - Flux de travail basé sur des règles **management** - Rapports - Audit **déploiement** - Flexibilité linguistique - Flexibilité du cadre - Gestion des versions - Facilité de déploiement - Évolutivité **Système** - Ingestion de données et querelles - Données en temps réel **Préparation des données** - Connecteurs - Gouvernance des données **Gestion des données** - Intégration des données - Compression des données - Qualité des données - Analyse de données intégrée - Machine Learning dans la base de données - Analyse du lac de données - ETL - Extraire Transférer Charger - Capture de données et transfert - Analytique en temps réel - Rapports/Analytique **management** - Glossaire métier - Découverte de données - Profilage des données - Rapports et visualisation - Lignage des données - Visualisation des données **déploiement** - Flexibilité linguistique - Flexibilité du cadre - Gestion des versions - Facilité de déploiement - Évolutivité **Rapports** - Interface des rapports - Partager des rapports - Étapes pour répondre **Gestion des données** - Intégration des données - Métadonnées - Libre-service - Flux de travail automatisés **Fonctionnalité** - Facilité d’utilisation - Gestion des fichiers - Prise en charge multilingue - Personnalisation - Fonctionnalité prête à l’emploi - Guides d’aide - Correctifs et mises à jour - Gestion des flux de travail - Gestion du changement - Gestion du déploiement - Gestion de la performance - Gestion de la conformité - Gestion du cycle de vie - Gestion des tâches - Gestion de documents - Support de base de données **IA générative** - Génération de texte - Résumé du texte - IA générative **Évolutivité et performances - Infrastructure d’IA générative** - Haute disponibilité - Évolutivité de l’entraînement des modèles - Vitesse d’inférence **Personnalisation - Constructeurs d'agents IA** - Configuration de la langue naturelle - Personnalisation du ton - Garde-fous de sécurité - Sécurité de l'API - Sécurité des données - Authentification **Agentic AI - Plateformes DataOps** - Exécution autonome des tâches - Planification en plusieurs étapes - Intégration inter-systèmes - Apprentissage adaptatif - Prise de décision **Gestion du trafic et performance - Passerelles IA** - Limitation de débit sensible aux jetons - Mise en cache sémantique - Routage multi-modèle et solutions de secours **Configuration** - Performances des applications - Orchestration - Surveillance de la base de données - Détection d’anomalies - Sécurité du réseau **Développement de modèles** - Prise en charge linguistique - Glissez et déposez - Algorithmes prédéfinis - Formation sur modèle - Support de base de données - Multi-langue **base de données** - Collecte de données en temps réel - Répartition des données - Lac de données **Transformation des données** - Analyse en temps réel - Interrogation de données - Rapports/Analytique - Analyse Prédictive - Analytique Visuelle **conformité** - Conformité des données sensibles - Formation et lignes directrices - Application des politiques - Surveillance de la conformité - Surveillance en temps réel **Fonctionnalité** - Extraction - Transformation - chargement - Automatisation - Évolutivité - Transformations non relationnelles - Extraction de données **management** - Catalogage - Surveillance - Gouvernant - Registre des modèles **Développement de modèles** - Ingénierie des fonctionnalités **Modélisation et fusion des données** - Interrogation de données - Filtrage des données - Fusion de données - Capture de données et transfert **Intégration** - Intégration IA / ML - Intégration de l’outil BI - Intégration du lac de données **Sécurité** - Contrôle d’accès - Gestion des rôles - Gestion de la conformité - Gestion de la suppression - Contrôles d'accès/Permissions - Gestion des utilisateurs - Gestion des processus - Gestion de l'audit - Gestion des métadonnées **Opérations** - Métriques - Gestion de l’infrastructure - Collaboration **Visualisation** - Graphiques et tableaux - Cartes de score - Tableaux - Formats - Tableaux de bord mobiles - Tableaux de bord publics - Tableaux de bord privés **Analytics** - Capacités d’analyse - Visualisations Dasboard **Coût et efficacité - Infrastructure d’IA générative** - Coût par appel d’API - Flexibilité de l’allocation des ressources - Efficacité énergétique **Fonctionnalité - Constructeurs d'agents IA** - Support omnicanal - Agent Branding - Capacités de réponse proactive - Escalade humaine transparente - Support multimédia - Prise en charge des entrées multimodales **Gouvernance et Observabilité - Passerelles IA** - Confidentialité des données - Suivi des coûts - Sécurité centralisée des clés API **Fonctionnalité supplémentaire** - Cartographie des données - Surveillance - Cartographie - Gestion de l'intégration - Rapports/Analytique - Analyse ad hoc - Contrôles d'accès/Permissions - API - Associer & Fusionner - Surveillance en temps réel - Gestion des métadonnées - Gestion de pipeline - Planification des tâches - Création de tableau de bord - Gestion du stockage des données - Sources de données multiples - Importation/Exportation de données - IA générative - Contrôle de la qualité des données - Connecteurs de données - Rapports personnalisables - Authentification unique - Contrôle de version - Analytique Visuelle - Intégration comptable - Données en temps réel - Gestion du commerce électronique - Copilote IA - GRC - Visualisation des données - Sécurité SSL - Rechercher/Filtrer - Analytique en temps réel - Capture de données et transfert - Outils de collaboration - Gestion de la performance - Synchronisation des données - Glisser & Déposer - Réplication de données - Tableau de bord d'activité - Support de base de données - Gestion des flux de travail - Alertes/Notifications - Analyse Prédictive - Migration de données - Intégrations tierces - Rapports et Statistiques - Outils d'analyse de données **Administration de base de données** - Fourniture - gouvernance - Audit **Services d’apprentissage automatique/profond** - Vision par ordinateur - Traitement du langage naturel - Génération de langage naturel - Réseaux de neurones artificiels **Intégrations** - Intégration Hadoop - Intégration de Spark **Qualité des données** - Préparation des données - Répartition des données - Unification des données **Services d’apprentissage automatique/profond** - Compréhension du langage naturel - Apprentissage profond **déploiement** - Sur site - Nuage **Maintenance** - Gestion de la qualité des données - Gestion des politiques - Gestion du stockage des données **management** - Catalogage - Surveillance - Gouvernant **Mises à jour des données** - Instantanés historiques - Mise à jour en temps réel **Suivi et gestion** - Observabilité des données - Capacités de test **IA générative** - Génération de texte - Résumé du texte - IA générative **Intégration et extensibilité - Infrastructure d’IA générative** - Prise en charge multicloud - Intégration du pipeline de données - Prise en charge et flexibilité de l’API **Données et analyses - Constructeurs d'agents IA** - Analytique & Rapport - Conscience contextuelle - Conformité à la protection des données **Disponibilité** - Évolutivité - appui - Archivage - Indexation **déploiement** - Service géré - Application - Évolutivité **Plate-forme** - Mise à l’échelle de la machine - Préparation des données - Intégration de Spark **Connectivité** - Intégration Hadoop - Intégration de Spark - Analyse multi-sources - Lac de données - Données en temps réel - Capture de données et transfert - Analyse des tendances - Analyse de scénarios - Analyse Statistique - Fusion de données - Analyse ad hoc - Intégrations tierces **Sécurité** - Masquage des données - Authentification et authentification unique - Anonymisation des données **Performance** - Évolutivité **Collaboration** - Partage - Co-édition - Dispositifs **Déploiement dans le cloud** - Prise en charge du cloud hybride - Capacités de migration vers le cloud **IA générative** - Génération de texte - Résumé du texte **IA générative** - Génération de texte - Résumé du texte - IA générative **Sécurité et conformité - Infrastructure d’IA générative** - RGPD et conformité réglementaire - Contrôle d’accès basé sur les rôles - Cryptage des données **Intégration - Constructeurs d'agents IA** - Automatisation du flux de travail - Utilisation de l'API - Interopérabilité des plateformes - Intégration des données CRM - Intégrations tierces **Agentic AI - Plateformes d'analyse** - Exécution autonome des tâches - Planification en plusieurs étapes - Intégration inter-systèmes - Apprentissage adaptatif - Interaction en Langage Naturel - Assistance proactive - Prise de décision - Intégrations tierces **Fonctionnalité supplémentaire** - Rapports personnalisables - Outils de collaboration - Extraction de données - Recherche sémantique - Gestion du stockage des données - Rapports ad hoc - Rapports/Analytique - Analyse Prédictive - Tableau de bord d'activité - Contrôles d'accès/Permissions - Analytique Visuelle - Cartographie des données - Synchronisation des données - Analyse Statistique - Catégorisation/Regroupement - Analyse des tendances - Profilage des données - Gestion des données liées - Visualisation des données - API - Sources de données multiples - Analyse de sentiment - Rechercher/Filtrer - Importation/Exportation de données - Capture de données et transfert - Copilote IA - Surveillance - Connecteurs de données - Analyse ad hoc - Extraction de texte - Rapports et Statistiques - Modélisation Prédictive - Analytique en temps réel - Flux de travail configurable - Étiquetage - Gestion des points de terminaison - Sans code - Préparation des données - Audit - Analyse des Big Data - Bibliothèque d'algorithmes ML - Gestion des données - Suivi d'activité - Sécurité des données - Gestion des flux de travail **Fonctionnalité supplémentaire** - Contrôle de version - Évolutivité - Personnalisation - Extraction de données - Webhooks - API - Traitement du Langage Naturel - Gestion de secours - Glisser & Déposer - Plusieurs modèles LLM - Assistant IA intégré - Test automatisé - Gouvernance des données - Outils de collaboration - Modèles préconstruits - Outils de conception d'agents - Apprentissage profond - Entraînement du modèle - Analytique - Authentification unique - Débogage - Gestion du déploiement - Détection proactive des erreurs **Libre-service** - Champs calculés - Filtrage des colonnes de données - Découverte de données - Rechercher - Collaboration / Flux de travail - Automodelage - Recherche en langage naturel - Découverte Visuelle - Fusion de données - Fusion de données **Traitement** - Traitement dans le cloud - Traitement de la charge de travail **Opérations** - Visualisation des données - Flux de travail de données - Découverte régie - Analyse intégrée - Cahiers - Découverte de données **Gestion des données** - Réplication des données - Analyse avancée des données **Sécurité** - Gouvernance des données - Sécurité des données **IA générative** - Génération de texte - Résumé du texte - Synthèse de texte en image - IA générative **IA générative** - Génération de texte - Résumé du texte **Facilité d’utilisation et prise en charge - Infrastructure d’IA générative** - Qualité de la documentation - Activité communautaire **IA agentique - Gouvernance des données** - Exécution autonome des tâches - Planification en plusieurs étapes - Intégration inter-systèmes - Apprentissage adaptatif - Interaction en Langage Naturel - Prise de décision - Intégrations tierces - Intégration Active Directory **Déploiement et Intégration - Plateformes d'Analytique** - Constructeur de tableau de bord sans code - Planification et automatisation des rapports - Analytique intégrée et marque blanche - Connectivité de la source de données - Sources de données multiples - Constructeur de requêtes **Fonctionnalité supplémentaire** - Copilote IA - Rapports et Statistiques - Migration de données - Archivage et Conservation - Capture de données et transfert - Piste d'audit - Synchronisation des données - Authentification unique - Rapports personnalisables - Profilage des données - Authentification - Autorisations basées sur les rôles - Étiquetage - Stockage sécurisé des données - Sécurité des données - Conforme à la HIPAA - Sécurité SSL - Évaluation des risques - Cartographie des données - Rechercher/Filtrer - Portail Libre-Service - Sources de données multiples - Stockage de documents - API - Suivi d'activité - Sauvegarde automatique - Analytique Visuelle **Fonctionnalité supplémentaire** - Entrepôt de données - Glisser & Déposer - Tableau de bord d'activité - Connecteurs de données - Rapports ad hoc - Rapports personnalisables - Alertes/Escalade - Modèles - Prévision - Migration de données - Transformation des données - Contrôles d'accès/Permissions - API - Nettoyage des données - Synchronisation des données - Copilote IA - Création de tableau de bord - Extraction de données - Sécurité des données - Sécurité SSL - Outils de collaboration - Sans code - Traitement à haut volume - Support de base de données - Rechercher/Filtrer - IA générative **Analytique avancée** - Analyse prédictive - Visualisation des données - Big Data Services - Analytique en temps réel - Rapports/Analytique - Analytique en temps réel - Rapports/Analytique - Analytique Visuelle **IA générative** - Génération de texte - Résumé du texte - IA générative **Agentic AI - Plateformes de science des données et d'apprentissage automatique** - Exécution autonome des tâches - Planification en plusieurs étapes - Intégration inter-systèmes - Apprentissage adaptatif - Interaction en Langage Naturel - Assistance proactive - Prise de décision - Intégrations tierces **Performance et évolutivité - Plateformes d'analyse** - Gestion de grandes quantités de données et vitesse de requête - Support utilisateur simultané - Support de base de données **Fonctionnalité supplémentaire** - Traitement parallèle - Analyse ad hoc - Sources de données multiples - API - Traitement en base de données - Surveillance - Rapport en temps réel - Synchronisation des données - Surveillance en temps réel - Connecteurs de données - Métriques de performance - Rapports ad hoc - Alertes/Notifications - Contrôles d'accès/Permissions - Glisser & Déposer - Visualisation des données - Importation/Exportation de données - Associer & Fusionner - Transformation des données - Stockage sécurisé des données - Extraction de données - Copilote IA - Rapports personnalisables - Tableau de bord d'activité - Migration de données - Traitement en mémoire - Cartographie des données **Analytique Avancée & Modélisation - Plateformes d'Analytique** - Modélisation et gouvernance des données - Intégration de cahier et de script - Modèles prédictifs et statistiques intégrés **Capacités d'IA agentiques - Plateformes d'analyse** - Informations et récits générés automatiquement - Requêtes en langage naturel - Surveillance proactive des indicateurs clés de performance et alertes - Agents IA pour suivis analytiques **Intelligence Personnalisée - Plateformes d'Analyse** - Apprentissage comportemental pour le raffinement contextuel des requêtes - Personnalisation des informations basée sur les rôles - Analytique conversationnelle et basée sur des invites - Requête ad hoc - Analytique Visuelle **Rapports de construction** - Transformation des données - Modélisation des données - Conception de rapports WYSIWYG - API d’intégration - Données en temps réel - Données en temps réel - Intégrations tierces - Intégrations tierces **Plate-forme** - Assistance aux utilisateurs mobiles - Personnalisation - Gestion des utilisateurs, des rôles et des accès - Internationalisation - Bac à sable / Environnements de test - Performance et fiabilité - Étendue des applications des partenaires - Accès mobile - Gestion des métadonnées **Mises à jour des données** - Instantanés historiques - Mise à jour en temps réel - Rapports planifiés/automatisés - Rapports personnalisables - Analyse Prédictive - Gestion des données - Données en temps réel **Fonctionnalité supplémentaire** - Glisser & Déposer - Stockage sécurisé des données - Importation/Exportation de données - Marque personnalisable - Création de tableau de bord - Contrôles d'accès/Permissions - Rapport en temps réel - Gestion des métadonnées - Prévision - Gestion du stockage des données - Analyse ad hoc - Rapports ad hoc - Migration de données - Copilote IA - Préparation de données en libre-service - Rechercher/Filtrer - Cartographie des données - Surveillance - Analyse de sentiment - Gestion des utilisateurs - Analyse des tendances de vente - Cartographie - Rapports et Statistiques - Mesures de performance - Alertes/Notifications - Extraction de données - Widgets - Raconter des histoires - Analyse des tendances - Outils de collaboration - Gestion financière - Analytique en libre-service - Suivi des KPI - Tableau de bord - API - Intégration de données - Fiches d'évaluation - Gestion des données - Gestion des tâches - Suivi des progrès - Connecteurs de données - Visualisation des données - Analyse de rentabilité - Suivi de projet - Planification stratégique - Définition/Suivi des objectifs - Publication/Partage - Analyse Prédictive - Surveillance en temps réel - Modèles - Accès mobile - Modèles personnalisables - Gestion des flux de travail - Rapport financier - Gestion de l'audit - OLAP - Authentification unique - Synchronisation des données **Fonctionnalité supplémentaire** - Marque personnalisable - Traitement du Langage Naturel - Extraction de données - Copilote IA - Rapports ad hoc - Rapport en temps réel - Publication/Partage - Outils de collaboration - Planification stratégique - Préparation de données en libre-service - Analyse des tendances - Analyse de texte - Surveillance en temps réel - Synchronisation des données - Widgets - Étalonnage - Métriques de performance - Cartographie des données - IA générative - Indicateurs de tendance/problème - Modèles personnalisables - Contrôles d'accès/Permissions - Importation/Exportation de données - Analyse de rentabilité - OLAP - Alertes/Notifications - Rechercher/Filtrer - Glisser & Déposer - Connecteurs de données - Sources de données multiples - Indicateurs Clés de Performance - Création de tableau de bord - Autorisations basées sur les rôles - Exploration de données - Prévision - Requête ad hoc **Fonctionnalité supplémentaire** - Suivi des KPI - Stockage sécurisé des données - Sources de données multiples - Visualisation des données - Authentification unique - Recherche en langage naturel - Rechercher/Filtrer - Alertes/Notifications - Copilote IA - Notifications en temps réel - Outils de collaboration - Widgets - Mesures de performance - Rapports ad hoc - Suivi d'activité - Rapports/Analytique - Marque personnalisable - Agrégation de données - Création de tableau de bord - Connecteurs de données - Modèles personnalisables - Synchronisation des données - API - Prévision - Éléments interactifs - Vue de page unique - Importation/Exportation de données - Glisser & Déposer - Contrôles d'accès/Permissions - Analyse des tendances - Gestion des flux de travail - Intégrations tierces - Fonctions/Calculs - Rapport historique - Capture de données et transfert - Découverte Visuelle - Mises à jour en temps réel - Rapport en temps réel - Cartographie des données - Affichage relationnel - Analytique Visuelle - OLAP - Requête ad hoc - Rapports et Statistiques ## Top Databricks Alternatives - [Cloudera](https://www.g2.com/fr/products/cloudera/reviews) - 4.1/5.0 (131 reviews) - [Snowflake](https://www.g2.com/fr/products/snowflake/reviews) - 4.5/5.0 (713 reviews) - [Teradata Autonomous Knowledge Platform](https://www.g2.com/fr/products/teradata-autonomous-knowledge-platform/reviews) - 4.3/5.0 (356 reviews)