BigQuery Graph passe en disponibilité générale, et la mise à jour de novembre du cloud de données de Google : Iceberg partout et Knowledge Catalog

Le 4 novembre 2026, Google a publié la mise à jour d'automne de ce qu'il appelle désormais l'Agentic Data Cloud : BigQuery, AlloyDB, Spanner, son lakehouse et le catalogue qui les relie. Certains éléments avaient été annoncés plus tôt lors de l'événement Gemini at Work de Google ; d'autres sont nouveaux. Voici ce qui a changé, filtré sur ce qu'un analyste ou un data engineer peut utiliser. Notre mise à jour BigQuery d'octobre couvre les fonctions SQL du mois dernier.

BigQuery Graph, désormais en GA

Certaines questions portent sur des liens : quels comptes ont envoyé de l'argent à quels autres, quels clients partagent une adresse, quels produits s'achètent ensemble. En SQL, il faut des chaînes d'auto-jointures difficiles à écrire et à lire. BigQuery Graph permet de déclarer quelles tables sont des nœuds et lesquelles des arêtes, puis de les interroger avec des motifs de graphe en GQL, le nouveau langage de graphes normalisé par l'ISO. Les données restent dans vos tables habituelles.

-- 1. Define the graph once, on existing tables
CREATE OR REPLACE PROPERTY GRAPH graph_db.FinGraph
  NODE TABLES (graph_db.Account, graph_db.Person)
  EDGE TABLES (
    graph_db.PersonOwnAccount
      SOURCE KEY (id) REFERENCES Person (id)
      DESTINATION KEY (account_id) REFERENCES Account (id)
      LABEL Owns,
    graph_db.AccountTransferAccount
      SOURCE KEY (id) REFERENCES Account (id)
      DESTINATION KEY (to_id) REFERENCES Account (id)
      LABEL Transfers
  );

-- 2. Who did Dana send money to?
GRAPH graph_db.FinGraph
MATCH
  (person:Person {name: "Dana"})-[own:Owns]->
  (account:Account)-[transfer:Transfers]->(account2:Account)
  <-[own2:Owns]-(person2:Person)
RETURN person.name AS owner, transfer.amount AS amount,
       person2.name AS transferred_to
ORDER BY person2.name;

Le lakehouse sans frontières : Iceberg entre les clouds

Knowledge Catalog : du contexte pour les agents IA

Les agents IA répondent mal quand ils doivent deviner ce que signifient « client actif » ou « chiffre d'affaires net ». La réponse de Google, c'est Knowledge Catalog, qui gagne plusieurs fonctions :

Selon les tests internes de Google, les agents sont près de 4 fois plus précis et consomment jusqu'à 75 % de tokens en moins avec ce contexte. Les benchmarks des éditeurs sont à prendre avec prudence, mais la direction rejoint ce que Snowflake (Business Ontology) et Databricks (relations entre metric views) ont lancé la même quinzaine : les définitions métier deviennent l'entrée la plus importante pour l'IA sur les données.

Prévisions en SQL

Deux modèles de Google Research tournent désormais dans BigQuery, tous deux en préversion : TimesFM 3.0, qui prévoit plusieurs séries temporelles liées sans entraînement, et TabFM, un modèle de fondation pour les prédictions sur tables. Les deux s'appellent depuis SQL : un analyste peut obtenir une première prévision ou un score d'attrition sans projet de machine learning.

Outils pour les développeurs

• Data Agent Kit (GA) : les outils de Google Data Cloud dans VS Code, Claude Code et Antigravity via MCP, pour que les agents de code construisent et testent des pipelines sans passer par la console.
• Gemini pour les data engineers : décrivez le résultat voulu et Gemini écrit du PySpark, ouvre un notebook, entraîne des modèles et répare les pipelines en échec.
• Rapports opérationnels : les métiers demandent un rapport, Gemini enregistre la requête et les exécutions suivantes ne consomment aucun token.
• Managed Service for Apache Spark : démarrage plus rapide pour Spark 4.0 sans surcoût.

Que tester en premier

Plus sur Google Cloud : la mise à jour BigQuery d'octobre 2026, BigQuery ou Snowflake et les fonctions de fenêtre SQL expliquées.

Sources : blog Google Cloud, « New capabilities to power agents at scale with Google's Agentic Data Cloud » (4 novembre 2026) ; documentation BigQuery, « Create and query a graph ». Les chiffres de performance et de précision sont ceux de Google et n'ont pas été vérifiés de manière indépendante.

Alessandro Ecclesie AgazziÉcrit par Alessandro Ecclesie Agazzi, analytics engineer à Londres. Mis à jour le 9 novembre 2026. À propos