Un rapprochement historique pour le modern data stack
Le 1er juin 2026, Fivetran et dbt Labs ont annoncé la finalisation de leur fusion — une opération 100% en actions annoncée le 13 octobre 2025. Le résultat : une entité commune qui couvre l'ensemble du pipeline de données, de l'ingestion (Fivetran) à la transformation (dbt), en passant par la gouvernance et l'orchestration.
Les chiffres donnent le vertige : plus de 100 000 équipes data à travers le monde utilisent l'une ou l'autre de ces plateformes — souvent les deux. Le chiffre d'affaires combiné annoncé en octobre 2025 était de 600 millions de dollars. George Fraser (ancien CEO de Fivetran) prend la direction de l'entité fusionnée ; Tristan Handy (fondateur de dbt Labs) devient Président.
Le message stratégique est clair : la pile de données moderne se réinvente autour des agents IA. Fivetran + dbt Labs veulent être la couche de données qui rend les agents IA dignes de confiance — depuis le déplacement des données jusqu'au contexte sur lequel un agent raisonne.
dbt Core v2.0 alpha : la fin de l'ère Python pure
Simultanément à l'annonce de la fusion, dbt Labs a publié la première version alpha de dbt Core v2.0. C'est le changement architectural le plus important depuis le lancement du projet.
Ce qui change fondamentalement : dbt Core n'est plus piloté exclusivement en Python. Une large portion du code Rust du moteur Fusion (jusque-là propriétaire) a été open-sourcée et constitue désormais le cœur de dbt Core v2.0. L'ère des deux moteurs séparés (Python pour l'open source, Rust pour Fusion) est terminée : ils partagent désormais le même runtime.
Conséquences pratiques :
- Parsing jusqu'à 30x plus rapide sur les grands projets (10 000+ modèles), grâce au moteur Rust
- Spécification de langage stricte : les fautes de frappe dans la configuration (ex. desciptin au lieu de description) sont désormais détectées plutôt qu'ignorées silencieusement
- Licence Apache 2.0 maintenue : le code open source reste entièrement libre
Deux distributions coexistent à partir de v2.0 : 1. dbt-core : open source Apache 2.0, le runtime Rust partagé 2. dbt (distribution Fusion) : version propriétaire avec fonctionnalités enterprise supplémentaires
Les versions 1.x continuent de recevoir des mises à jour — une beta de dbt Core v1.12.0 a été publiée le même jour.
Trois nouvelles fonctionnalités majeures
dbt lint (bêta) : un linter SQL haute performance intégré directement dans la plateforme dbt. Dans les benchmarks publiés par dbt Labs, il s'exécute environ 50× plus vite que SQLFluff en mode single-threaded sur les mêmes projets. Pour les équipes qui avaient intégré SQLFluff dans leur CI/CD, c'est une accélération significative sans changer de stack.
dbt Docs v2 (preview) : la documentation dbt générée automatiquement utilise désormais un index binaire compact au lieu de charger le manifest.json complet dans le navigateur. Pour les grands projets (500+ modèles), le temps de chargement de la documentation passe de dizaines de secondes à quelques secondes.
Artefacts Parquet : les fichiers de résultats dbt (manifest.json, run_results.json) peuvent désormais être générés au format Parquet — un format binaire 5 à 10× plus compact que JSON, directement interrogeable via DuckDB ou tout moteur analytique. Idéal pour analyser l'historique des runs dbt à grande échelle.
dbt State (preview) : couche de cache qui détermine ce qui a changé depuis le dernier run et ne reconstruit que les modèles impactés. Selon dbt Labs, cette fonctionnalité peut réduire les coûts d'infrastructure de 30% ou plus sur les projets avec des pipelines fréquents.
Ce que ça signifie pour les équipes data françaises
Pour les Analytics Engineers : la migration vers dbt Core v2.0 n'est pas urgente (c'est une alpha), mais c'est le moment de prendre connaissance des changements de syntaxe et des nouvelles contraintes de validation. La documentation officielle de migration est disponible sur docs.getdbt.com.
Pour les Data Engineers qui utilisent Fivetran : l'intégration native avec dbt va s'approfondir dans les prochains mois. La promesse est un lineage de bout en bout — de la source (Fivetran) aux transformations (dbt) — dans une interface unifiée.
Pour les équipes qui utilisent les deux : l'entité fusionnée va proposer des offres combinées. Les prix et la structure commerciale seront clarifiés lors de dbt Coalesce 2026 (conférence annuelle dbt, attendue à l'automne).
La vraie question : est-ce que cette fusion crée un acteur trop dominant dans le modern data stack ? Fivetran + dbt contrôlent deux étapes critiques du pipeline analytique. Des concurrents comme Airbyte (ingestion) et SQLMesh (transformation) y verront une opportunité pour souligner leur indépendance et leur nature open source.
Sources
Fivetran — "Fivetran + dbt Labs Complete Merger to Create the Data Infrastructure for Trusted AI Agents", 1er juin 2026. [fivetran.com](https://www.fivetran.com/press/fivetran-dbt-labs-complete-merger-to-create-the-data-infrastructure-for-trusted-ai-agents)
dbt Labs — "dbt Core v2 is here: still open source, now rebuilt for what's next", 1er juin 2026. [docs.getdbt.com](https://docs.getdbt.com/blog/dbt-core-v2-is-here)
dbt Labs — "What we announced at Snowflake Summit and why it matters". [getdbt.com](https://www.getdbt.com/blog/what-we-announced-at-snowflake-summit-and-why-it-matters)
Brooklyn Data / Velir — "dbt Core 2.0: What the Fusion Shift Means for Data Teams", 1er juin 2026. [brooklyndata.co](https://www.brooklyndata.co/ideas/2026/06/01/dbt-core-v2_0-is-here-and-the-real-story-isnt-the-one-in-the-headline)
Techzine — "Fivetran and dbt Labs complete merger: Data infrastructure for reliable agentic AI". [techzine.eu](https://www.techzine.eu/news/analytics/141758/fivetran-and-dbt-labs-complete-merger-data-infrastructure-for-reliable-agentic-ai/)