Databricks est un lakehouse que vous construisez. Querri est la réponse que vous cherchez.

Pour une équipe sans ingénieurs data qui veut des réponses métier, Querri couvre ce pour quoi elle construirait un lakehouse : connecter les systèmes, stocker et nettoyer les données, définir les indicateurs, les tableaux de bord et l'IA. Pour le machine learning, le streaming, l'ingénierie des données lourde ou des données à l'échelle du pétaoctet, Databricks est la plateforme la plus solide, et Querri fonctionne par-dessus : gardez vos données dans le lakehouse et laissez le métier les interroger directement.

Databricks facture des DBU selon le type de charge, d'environ $0.15 le DBU pour les jobs à environ $0.70 pour le SQL serverless (chiffres tiers pour les États-Unis), plus les machines et le stockage dans votre propre compte cloud sur une facture séparée. Vendr fait état d'un contrat médian d'environ $333,000 par an, dans une fourchette très large. Querri, c'est une seule offre prévisible, IA et tableaux de bord compris ; consultez les offres actuelles.

En général, quelques schémas récurrents : des clusters qui restent allumés jusqu'à un arrêt automatique tardif, des jobs exécutés sur du calcul all-purpose au lieu de calcul dédié, des clusters surdimensionnés et un autoscaling généreux, des SQL warehouses qui tournent jour et nuit pour un petit rapport, et la facture cloud qui arrive séparément des DBU. Les politiques de calcul, un arrêt automatique court, l'étiquetage et les budgets aident, mais ils demandent une attention constante.

Genie inclut une allocation mensuelle gratuite pour l'usage de son modèle. Au-delà, l'usage de Genie est facturé en DBU depuis le 8 juillet 2026, et le calcul SQL warehouse derrière chaque réponse est facturé séparément. Les budgets Genie de Databricks ne sont pas un plafond de dépense absolu. Dans Querri, l'IA est incluse dans toutes les offres, prélevée sur une allocation mensuelle de crédits fixe.

Il peut l'être. Databricks est conçu pour les gros volumes de données, l'ingénierie et le machine learning, et ses bonnes pratiques supposent une équipe plateforme. Si vos données sont des données métier issues d'une poignée de systèmes et tiennent largement sur une seule machine, les points forts de la plateforme restent inutilisés alors que ses coûts et son entretien, eux, demeurent. Querri vous donne les réponses sans la plateforme.

Pour des données qui tiennent sur une seule machine, en général oui. DuckDB s'exécute dans le processus, sans cluster à démarrer, et évite donc le coût de démarrage et de coordination de Spark ; un benchmark sur Microsoft Fabric a montré que DuckDB sur un seul nœud utilisait environ un cinquième du calcul de Spark pour la même tâche de 5 GB. Pour des dizaines de téraoctets, le streaming ou le ML, Spark est le bon outil.

Querri est conçu pour les données qui font tourner les entreprises : CRM, comptabilité, ERP, publicité, paiements et tableurs, généralement de quelques mégaoctets à des centaines de gigaoctets. Chaque fichier importé peut atteindre 2 GB, et le stockage augmente avec votre offre. Si vos données se comptent en dizaines de téraoctets, gardez-les dans le lakehouse et interrogez-les en direct depuis Querri, ou synchronisez les tables curées que votre équipe a déjà construites.

Les bonnes pratiques de Databricks elles-mêmes recommandent de commencer avec cinq tables ou moins, de rédiger de bonnes descriptions dans Unity Catalog et de confier la préparation de l'agent à des « analystes de données compétents en SQL ». Les partenaires ajoutent que Genie démultiplie une bonne gouvernance, sans la remplacer. Querri construit sa compréhension au fil des questions de votre équipe, et ce sont les personnes qui connaissent l'activité qui fixent le sens des chiffres.

Oui, de deux façons, au choix table par table. Les tables Live restent dans Databricks et sont interrogées sur place, en lecture seule, avec les règles de lignes de chaque personne appliquées à l'intérieur de la requête. Les tables synchronisées sont copiées dans Querri selon un calendrier, aux côtés de plus de 125 systèmes métier. Dans les deux cas, le métier peut poser ses questions pendant que vos ingénieurs continuent de construire.

Oui, pour les tables que vous choisissez. Une table Live reste dans votre lakehouse : Querri n'en garde que les colonnes et une estimation du nombre de lignes, écrit chaque question en Databricks SQL, l'exécute sur votre SQL warehouse en un seul SELECT en lecture seule et ne rapporte que le résultat. Les requêtes Live consomment le calcul de votre entrepôt ; les tables synchronisées reçoivent une réponse tirée de la copie de Querri et n'en consomment pas. Les tables Live sont disponibles avec l'offre Scale.

Oui. Passez les tables en Live et elles restent dans Databricks : Querri ne copie jamais leurs lignes, y compris lors des actualisations planifiées. Les écritures, les autres tables, les lectures de fichiers et les paramètres de session sont refusés avant que quoi que ce soit n'atteigne l'entrepôt, et les règles de lignes de chaque personne sont appliquées à l'intérieur de la requête. Les résultats des questions sont stockés dans Querri comme toute réponse : graphiques, tableaux de bord, exports et questions de suivi fonctionnent dessus.

Oui. Les requêtes Live s'exécutent sur votre SQL warehouse : elles apparaissent donc sur votre facture Databricks, et un warehouse arrêté ajoute quelques secondes à la première question ; dans nos tests, un warehouse serverless à froid ajoutait environ 5 à 10 secondes. Avant une actualisation planifiée, Querri vérifie si la table a changé, par une vérification des métadonnées qui ne démarre pas le warehouse, et n'exécute rien si ce n'est pas le cas. Si vous préférez que les questions ne consomment pas de calcul, synchronisez plutôt la table.

Pas pour obtenir des réponses métier. Un lakehouse est une base solide pour l'ingénierie, le ML et les très gros volumes de données, et il faut des ingénieurs pour le construire et le faire tourner. Querri vous apporte le stockage, le nettoyage, les définitions et les réponses dans un seul produit, et vous pourrez ajouter un lakehouse plus tard si votre croissance le justifie.

Une alternative qui n'exige ni cluster, ni catalogue, ni tables préparées avant la première réponse. Querri connecte vos systèmes, nettoie les données automatiquement, apprend vos définitions en langage courant et crée des tableaux de bord à la demande, avec une seule offre prévisible. Vous pouvez commencer avec l'offre gratuite.

Oui. Vous pouvez commencer avec l'offre gratuite, sans carte de crédit, connecter une source et poser votre question. Voir les offres pour savoir ce que chacune comprend. Vous pouvez aussi apporter votre question la plus difficile à une présentation de 20 minutes.