La plupart des projets de BI n’échouent pas parce que les graphiques sont faux. Ils échouent comme un disque partagé se remplit : une petite décision après l’autre. Quelqu’un achète quelques licences Power BI Pro, une équipe publie un tableau de bord, de plus en plus de monde veut le consulter, et en un an le devis de renouvellement dépasse le salaire de l’équipe data. D’autres vont plus loin puis calent : les tableaux de bord fonctionnent, mais les données doivent circuler dans Microsoft Fabric, et les en sortir revient à déménager un bureau. Un troisième groupe ne démarre jamais, parce que reconstruire deux ans de mesures DAX ressemble à un trimestre de travail.
Power BI n’est pas un mauvais produit. En octobre 2026, c’est sans doute la couche sémantique la plus utilisée au monde — Microsoft a déclaré fin septembre que plus de 22 millions de modèles sémantiques Power BI étaient utilisés quotidiennement. Mais les personnes qui cherchent une alternative sont généralement poussées par un problème précis, et chaque problème a sa propre solution. C’est ainsi que ce guide est organisé.
Problème un : chaque lecteur est une licence payante
La première surprise pour les équipes finance, c’est que Power BI n’a pas d’offre de partage gratuite. Créer un rapport en local est gratuit, mais dès qu’un collègue l’ouvre dans le service, il lui faut une licence. La page tarifaire de Microsoft, consultée en octobre 2026, affiche Power BI Pro à $14 par utilisateur et par mois et Premium Per User à $24, les deux facturés à l’année ; consulter des rapports partagés suppose généralement Pro ou plus. Les lecteurs en lecture seule peuvent être pris en charge via la capacité Fabric, mais celle-ci est facturée à la puissance de calcul, pas au nombre de personnes — pour une petite équipe, la facture de capacité dépasse souvent les licences qu’elle remplace. Chaque manager qui veut simplement voir un chiffre devient une ligne permanente sur la facture.
La solution consiste à séparer les deux métiers que Power BI regroupe : rédiger des tableaux de bord et laisser les gens les consulter. Les outils open source rompent ce lien. Metabase est le point de départ habituel — l’édition auto-hébergée est gratuite et open source, elle interroge la base de données que vous exploitez déjà (Postgres, MySQL, BigQuery, Snowflake et bien d’autres) et permet à une personne non technique de créer une question par simple clic, sans voir de SQL. Il n’y a pas de compteur par lecteur ; le coût, c’est le serveur, généralement une petite instance. Ses offres cloud payantes s’adressent aux équipes qui préfèrent ne pas héberger elles-mêmes, mais l’édition gratuite est un produit complet, pas une démo bridée.
Apache Superset défend la même idée avec un accent de développeur. Il est entièrement open source sous l’Apache Software Foundation, propose plus de 40 types de visualisations et convient aux équipes très orientées SQL. Si le reproche porte uniquement sur le fait que la licence grandit avec les effectifs, l’un ou l’autre outil supprime le compteur. Nous avons défendu un raisonnement parallèle pour les logiciels académiques sous licence dans notre guide des alternatives à SPSS.
Vos données doivent-elles forcément résider dans le cloud de Microsoft ?
Power BI en 2026 n’est pas un outil autonome ; c’est une surface au sein de Microsoft Fabric. Le keynote FabCon et SQLCon de Barcelone, fin septembre 2026, l’a officialisé : Microsoft a décrit le « prochain chapitre » de Power BI comme celui où rapports, applications, vues sémantiques et Copilot tournent tous sur OneLake, la création d’applications en langage naturel étant déployée d’abord pour les clients de capacité Fabric, Pro et Per User. Tout n’est pas de l’enfermement — Microsoft s’est aussi engagé en faveur d’Apache Ossie (en incubation), un effort communautaire mené avec Snowflake pour rendre les métadonnées sémantiques portables entre plateformes de BI, signe que les définitions de métriques pourront un jour migrer sans reconstruction. Mais l’attraction par défaut tire vers l’intérieur : plus vos données, leur signification et vos fonctionnalités d’IA logent profondément dans la pile Microsoft, plus il est difficile de partir.
Les alternatives auto-hébergeables inversent la logique. Metabase et Superset interrogent votre entrepôt existant sur place plutôt que de copier les données dans le cloud d’un éditeur — l’argument même de Superset est qu’il « n’exige pas une couche d’ingestion supplémentaire », et il se connecte à n’importe quelle base SQL, de Postgres à des moteurs à l’échelle du pétaoctet. Pour les tableaux de bord opérationnels et de séries temporelles, Grafana est l’autre porte de sortie : entièrement open source en auto-hébergé, ou Grafana Cloud, dont l’offre gratuite couvre 10 000 séries actives avec 14 jours de rétention, et dont les offres payantes commencent par des frais de plateforme de $19 par mois.
Rien n’est sans friction. Looker Studio (désormais intégré à Data Studio de Google, avec des connecteurs vers plus de 1 400 sources) est gratuit et lit BigQuery et Sheets directement, mais il approfondit votre dépendance à Google Cloud. La voie hébergée de Grafana approfondit la dépendance à Grafana Labs. Il n’existe pas d’option sans gravité — seulement le choix de la gravité de quel éditeur vous acceptez, et de la part que vous gardez sur une infrastructure que vous contrôlez.
La migration est un problème de DAX, pas de glisser-déposer
Voici la vraie raison pour laquelle les équipes restent, et ce ne sont pas les graphiques. Le langage de modélisation de Power BI, DAX, et son format .pbix sont propriétaires. Vous ne pouvez pas ouvrir un .pbix dans Metabase ou Superset. La définition du modèle peut être exportée — les formats TMDL et PBIP de Microsoft l’exposent sous forme de texte — mais les mesures et chaque visuel sont reconstruits à la main contre la base source. Une équipe avec trois ans de DAX imbriqué fait face à un trimestre, pas à un week-end.
Alors ne migrez pas — portez de façon sélective. Choisissez les tableaux de bord que les gens ouvrent réellement, reconstruisez-les dans Metabase (qui stocke des modèles réutilisables et vous laisse coller du SQL quand une question se complique) ou dans le SQL Lab de Superset, et laissez la longue traîne dans Power BI jusqu’au renouvellement. Pour la partie lente — transformer une mesure DAX en SQL d’entrepôt — un assistant généraliste aide : collez la mesure, demandez un SQL équivalent, puis vérifiez le chiffre par rapport à l’ancien tableau de bord au centime près. Utilisez l’assistant pour traduire, jamais pour calculer.
Gemini de Google (image : Google) est l’un des assistants à qui vous pouvez demander de traduire une mesure DAX en SQL — utile pour la réécriture, inutile comme source de vérité. Rapprochez chaque chiffre du tableau de bord que vous remplacez.
| Quand le problème est… | L’outil qui le résout | Idéal pour |
|---|---|---|
| Un coût de licence qui augmente avec le nombre de lecteurs | Metabase (auto-hébergé gratuit) ou Apache Superset | Les équipes capables de faire tourner un petit serveur et qui ne veulent pas de frais par lecteur |
| Des données qui ne peuvent pas quitter votre entrepôt | Metabase, Superset ou Grafana auto-hébergés | Les configurations réglementées, européennes ou isolées du réseau |
| La reconstruction manuelle de DAX et de rapports | Modèles Metabase + SQL, ou Grafana pour les séries temporelles | Les équipes qui portent quelques tableaux de bord clés, pas tout le patrimoine |
Une méthode en trois étapes pour démarrer sans projet de migration
Comptez les licences face aux lecteurs. Sortez la liste des personnes qui ouvrent réellement un rapport, séparez les auteurs des lecteurs, et multipliez les lecteurs par le prix Pro. Ce chiffre est le budget que vous protégez, et il détermine généralement si le changement vaut la peine.
Faites tourner un tableau de bord en parallèle. Montez Metabase ou Superset contre une réplique en lecture — jamais la production — et reconstruisez un tableau de bord très consulté pendant que Power BI reste actif. Un mois de chiffres côte à côte vous dit si l’équipe utilisera le nouvel outil.
Portez les trois principaux, gardez le reste. Ne reconstruisez que les tableaux de bord les plus consultés, rapprochez chaque chiffre de l’original, et laissez le reste jusqu’au renouvellement. Si l’ensemble de votre stack évolue aussi, notre récapitulatif des outils d’IA pour les entreprises couvre les décisions voisines, et l’annuaire complet se trouve à /tools/.
Questions que les gens posent avant de changer
Puis-je ouvrir mes fichiers .pbix dans un autre outil de BI ? Non. Le format est propriétaire, et ni Metabase ni Superset ne l’importe. Vous reconstruisez à partir des données source, ce qui explique pourquoi porter quelques rapports fonctionne et pourquoi une migration « big bang » ne fonctionne pas.
Metabase ou Superset : lequel est le meilleur premier pas ? Metabase si ceux qui construisent les rapports sont des analystes qui préfèrent glisser des champs ; Superset s’il s’agit d’ingénieurs qui préfèrent écrire du SQL.
Looker Studio est-il vraiment gratuit ? L’outil de reporting est gratuit, mais vous payez quand même Google pour le stockage et la puissance de calcul derrière BigQuery. Outil gratuit, entrepôt payant.
Vais-je perdre les tableaux de bord en temps réel si je quitte Power BI ? Pas nécessairement. Grafana est conçu pour le streaming et les données de séries temporelles, et il dépasse Power BI sur les vues opérationnelles en direct ; ce que vous perdez, c’est l’intégration étroite avec Microsoft 365.
Les tarifs ont été vérifiés sur la page tarifaire Power BI de Microsoft, metabase.com, superset.apache.org, grafana.com et cloud.google.com/looker-studio début octobre 2026 ; les détails du « prochain chapitre » de septembre 2026 proviennent du blog Power BI Updates de Microsoft. Les prix et les offres gratuites changent — vérifiez sur la page officielle.