dbt Labs est une entreprise américaine spécialisée dans la transformation et l’ingénierie des données. Son outil dbt, pour « data build tool », permet de structurer les traitements qui convertissent des données brutes en tables et indicateurs utilisables pour l’analyse. Il intervient principalement après leur chargement dans une plateforme de données, plutôt que dans leur collecte. L’entreprise s’adresse aux équipes data qui cherchent à fiabiliser leurs modèles tout en organisant leur travail collectif.
Des prestations de conseil à une plateforme de données
L’aventure commence en 2016 sous le nom de Fishtown Analytics, avec une activité de conseil. Tristan Handy, Drew Banin et Connor McArthur figurent parmi les fondateurs. L’équipe développe dbt pour faciliter les transformations de données en SQL, le langage largement utilisé pour interroger les bases de données. Le projet ouvert devient le socle d’un écosystème de contributeurs, de partenaires et d’utilisateurs.
En 2021, Fishtown Analytics prend le nom de dbt Labs, marquant le recentrage de son identité sur le produit. Son développement accompagne l’essor de l’« analytics engineering », une discipline située entre l’ingénierie des données et l’analyse métier. L’idée : traiter les modèles analytiques comme du code logiciel, avec des modifications traçables, des contrôles et une documentation partagée.
Industrialiser les transformations et leur gouvernance
Le socle dbt Core permet de définir des modèles de transformation, de gérer leurs dépendances et d’exécuter les traitements dans les plateformes compatibles. Les calculs sont réalisés par les moteurs de données sous-jacents, notamment ceux de Snowflake, Google BigQuery, Databricks ou Amazon Redshift. dbt n’a donc pas vocation à remplacer ces infrastructures, mais à organiser une partie du travail effectué sur celles-ci.
Les utilisateurs peuvent associer des tests à leurs modèles, produire de la documentation et visualiser les liens entre les jeux de données. L’intégration avec Git facilite la revue des changements et le travail en équipe. Cette méthode vise à limiter les transformations dispersées dans des scripts isolés et à rendre les chaînes analytiques plus compréhensibles.
À côté du projet ouvert, dbt Labs commercialise une offre hébergée, connue sous le nom de dbt Cloud, qui ajoute notamment des fonctions de développement collaboratif, de planification et de supervision des exécutions. L’entreprise développe aussi une couche sémantique destinée à définir des métriques réutilisables : une manière de réduire les divergences de calcul entre outils et services.
Et maintenant ?
Pour dbt Labs, l’enjeu est de prolonger son rôle dans la transformation des données vers leur gouvernance et leur utilisation cohérente. Le développement des usages d’intelligence artificielle renforce l’intérêt de modèles documentés et de définitions métier explicites, sans supprimer le besoin de contrôles humains. L’entreprise doit aussi composer avec les fonctionnalités proposées directement par les grandes plateformes cloud. Sa trajectoire dépendra notamment de sa capacité à articuler un socle ouvert, une offre commerciale différenciée et une maîtrise des coûts d’exécution pour ses clients.