Quel est le meilleur catalogue de données en 2026 ?

Atlan est le catalogue que les équipes data qui travaillent sur Snowflake, dbt et un outil de BI citent le plus souvent. Il réunit dans une même interface le catalogue, le glossaire métier, le lignage, la gouvernance et la qualité. Il annonce 110 connecteurs natifs, et sait se poser au-dessus des catalogues déjà en place, comme Microsoft Purview ou Snowflake Horizon, dont il reprend les métadonnées. C'est utile si ton entreprise a déjà un catalogue « natif » dans un cloud et veut une couche commune par-dessus.

Son vrai point fort en 2026, c'est l'IA. Des agents lisent ton patrimoine de données et proposent des descriptions de tables, relient les termes du glossaire aux colonnes, et suggèrent des métriques. Un serveur MCP (le protocole qui permet à un assistant comme Claude ou ChatGPT d'interroger un outil) expose ce contexte à tes agents IA. Concrètement : ton assistant sait ce que veut dire « chiffre d'affaires net » chez toi avant d'écrire sa requête SQL.

Le revers : le prix. Il n'y a ni plan ni montant sur le site, seulement une prise de rendez-vous. Les retours d'utilisateurs parlent aussi d'une courbe d'apprentissage raide pour les nouveaux venus, et de connecteurs tiers encore à améliorer hors des grands entrepôts.

OpenMetadata est le catalogue open source qui revient le plus souvent quand on cherche une solution gratuite. Il couvre plus de 130 services de données, un glossaire (termes, définitions de métriques, sémantique) et un serveur MCP pour brancher tes agents IA. Tu peux l'installer chez toi, donc l'héberger où tu veux, en France si tu le souhaites.

Si tu ne veux rien installer, Collate, l'éditeur derrière le projet, propose une offre gratuite hébergée. Ses limites sont claires : 5 utilisateurs, 500 actifs de données, un cluster partagé, des connecteurs illimités mais un rafraîchissement hebdomadaire, et pas de SSO. Et un piège à connaître : un cluster inactif est récupéré au bout de 4 semaines. Les offres Premium (25 utilisateurs, 5 000 actifs) et Enterprise (50 utilisateurs, 10 000 actifs, illimité en option) passent par une démo, avec un SaaS dédié, hybride ou installé dans ton propre cloud.

Sur les forums d'ingénieurs data, OpenMetadata est souvent cité comme le meilleur pari open source, avec une réserve : il reste plus limité qu'un catalogue commercial haut de gamme. Il demande aussi moins de composants que DataHub, donc moins de maintenance.

DataGalaxy est un éditeur français de gouvernance des données et de l'IA. Il vend deux produits. DataGalaxy Catalog couvre la découverte des données, le glossaire métier, le lignage, la gouvernance et la qualité. DataGalaxy Portfolio gère tes cas d'usage, tes demandes et tes produits de données, avec un suivi de la valeur créée. Les intégrations annoncées couvrent Snowflake, Databricks, Power BI et Looker, entre autres.

Côté prix, rien n'est affiché : chaque offre renvoie vers une demande de devis, et aucun essai gratuit n'est mentionné. Côté hébergement, l'offre Portfolio Start annonce un SaaS en Europe ou aux États-Unis, et Scale un environnement dédié dans la région de ton choix. Pour l'offre Catalog, la page tarifs ne précise pas la région : fais-la écrire dans le contrat.

Les avis publics sont très bons, autour de 4,8 sur 5, mais peu détaillés. C'est un signal positif, pas une preuve : demande deux clients de ta taille à appeler.

Collibra est l'outil des grandes organisations qui doivent montrer qui possède quelle donnée, qui y a accès et d'où elle vient. Son catalogue organise le lignage, les classifications, les propriétaires et les politiques, avec des diagrammes interactifs pour suivre les flux. Une couche sémantique relie les données techniques aux termes du glossaire et aux politiques. La classification automatique repère les catégories sensibles, comme les données personnelles ou de santé.

Il annonce plus de 100 connecteurs natifs (clouds, bases, applications, outils de BI, systèmes anciens), un assistant IA qui répond aux questions sur tes données et rédige des descriptions, ainsi que des contrats de données et une place de marché interne pour publier des produits de données.

Le revers est connu : c'est l'une des options les plus chères, et les retours d'utilisateurs parlent de modules vendus séparément (gouvernance, lignage, qualité). Les déploiements racontés vont de quelques semaines à plusieurs mois. Aucun prix n'est publié.

DataHub est né chez LinkedIn et reste l'un des catalogues open source les plus utilisés. Il est publié sous licence Apache 2.0, donc tu peux l'installer et le modifier librement. Il trace le lignage au niveau des colonnes, de la source jusqu'au tableau de bord, propose un glossaire métier avec propriétaires et historique des versions, et ajoute des contrôles de qualité et de fraîcheur des données.

Sa contrepartie, c'est l'exploitation. DataHub demande plus de composants que OpenMetadata (moteur de recherche, file de messages, base de graphe), et ces composants se mettent à jour, tombent et se surveillent. En ordre de grandeur, un catalogue auto-hébergé occupe entre un quart et un plein temps d'ingénieur plateforme. Si tu ne veux pas porter ça, DataHub Cloud est la version gérée par l'éditeur, avec engagement de service.

Les échanges entre ingénieurs data mettent en avant son historique d'usage sur BigQuery et Snowflake : tu vois quelles tables sont vraiment interrogées.

Si tu es déjà sur Databricks, la question n'est pas « quel catalogue acheter ? » mais « ai-je besoin d'autre chose que Unity Catalog ? ». Il est inclus dans les offres Premium et Enterprise : pas de licence séparée, tu paies seulement le calcul et le stockage que tu consommes déjà. Il trace automatiquement le lignage jusqu'à la colonne, pour tes tables comme pour tes modèles d'IA.

Les équipes qui migrent sur Databricks l'adoptent souvent d'office, et c'est logique : le catalogue sait déjà tout de tes tables et de tes droits d'accès. La limite apparaît dès que tes données sortent de Databricks. Un CRM, un tableur de la finance ou une base historique restent à la marge, et le lignage hors de la plateforme se fait mal.

Microsoft Purview est le catalogue évident si tes données vivent dans Azure, Fabric et Power BI : il s'y branche sans projet d'intégration, et il hérite de tes comptes et de tes droits. Son nouveau catalogue (Unified Catalog) se facture à l'usage, par actif gouverné. Le premier Mo de stockage de la Data Map est gratuit pour tous les clients.

Pour te donner un ordre de grandeur, Microsoft publie un exemple : 200 actifs gouvernés coûtent 100 $ sur 30 jours, sans remise. Divise, et tu obtiens environ 0,50 $ par actif sur la période de l'exemple. C'est un calcul tiré de cet exemple, pas un tarif affiché : refais-le sur le simulateur Azure avec ton nombre d'actifs et ta région avant de budgéter.

Les limites remontées par les utilisateurs sont claires : des lacunes dès qu'on se connecte à des technologies hors de Microsoft, et une navigation que les équipes métier trouvent moins efficace. Le nouveau catalogue demande aussi de passer à la version entreprise.