Connecter GA4 à BigQuery : tutoriel complet en 4 étapes (avec gestion du quota gratuit)

Sur 100 setups GA4 que nous auditons chez Data Detective en 2026, environ 70 ont un export BigQuery actif. Sur ces 70, à peu près la moitié contient au moins une erreur de configuration qui finira par coûter de l'argent ou par invalider l'historique. C'est la mauvaise nouvelle. La bonne, c'est que connecter GA4 à BigQuery proprement, ce n'est ni technique ni risqué — à condition de comprendre les 4 étapes et de connaître les pièges. Ce tutoriel résume la méthode que nous appliquons à chaque mission, avec une attention particulière sur le quota gratuit de 1 million d'événements par jour.

Pourquoi le sujet est devenu critique en 2026

Trois forces convergentes rendent ce tutoriel indispensable cette année.

Premièrement, l'explosion des projets BigQuery côté PME. L'export est gratuit pour tous les propriétaires GA4 depuis 2020, mais 2025 a été l'année du basculement massif des PME vers le combo. Beaucoup de CMO se retrouvent à activer l'export sans savoir précisément ce qu'ils valident.

Deuxièmement, le quota gratuit n'est pas symbolique. Les propriétés GA4 standard ont une limite de 1 million d'événements par jour pour l'export Daily. Au-delà, l'export se met en pause et les jours précédents ne sont pas re-traités. Pour un site qui dépasse sans le savoir, c'est une perte irréversible d'historique.

Troisièmement, l'absence de backfill. Le jour où vous activez l'export, vous commencez à recevoir la donnée. Tout l'historique antérieur reste bloqué dans GA4. Activer trop tard, c'est se priver définitivement de l'historique pour les futures analyses.

Les symptômes qui doivent vous alerter

Si l'un de ces signaux est présent dans votre setup, prenez le temps de relire le tutoriel avant la prochaine action :

• Vous avez activé l'export BigQuery il y a plus de 6 mois mais personne dans l'équipe ne sait si l'export "Daily" ou "Streaming" a été choisi (ni la différence).
• Vos tables BigQuery ont été créées dans la sandbox sans carte bancaire, et personne ne sait quand elles vont expirer.
• Vous avez reçu un email Google indiquant que votre export quotidien dépasse la limite de 1 million d'événements et l'équipe n'a rien fait.
• Vous voulez activer l'export pour la première fois et vous hésitez sur la région à choisir.

Si vous cochez l'un d'eux, ce tutoriel doit être lu avant tout clic dans l'interface GA4.

Étape 1 — Préparer Google Cloud et activer BigQuery

Avant même de toucher à GA4, il faut un projet Google Cloud avec BigQuery activé. C'est l'étape la plus souvent bâclée en pré-vente.

Action 1.1 — Créer ou sélectionner un projet Google Cloud. Connectez-vous à la console Google Cloud avec le compte qui sera propriétaire des données. Pour une PME, le réflexe est de créer un projet dédié au tracking, séparé des autres usages cloud (par exemple "monentreprise-data"). Le bénéfice : isolation des coûts, des permissions, et de la facturation.

Action 1.2 — Activer l'API BigQuery. Dans le menu Google Cloud, on va dans la bibliothèque d'APIs et on active l'API BigQuery. C'est un clic, gratuit. Sans cette activation, l'étape suivante échoue avec un message d'erreur opaque.

Action 1.3 — Décider sandbox ou compte facturé. La sandbox BigQuery permet d'exporter les données gratuitement sans carte bancaire, mais avec deux limites importantes : pas de streaming export, et tables qui expirent au bout de 60 jours. Pour un usage business sérieux, basculez en mode facturé dès le départ, même sans intention immédiate de dépasser le seuil gratuit. Vous resterez très probablement sous les 10 Go de stockage et 1 To de requêtes mensuelles offerts, mais vos tables seront pérennes. C'est le piège n°1 que nous voyons en audit : des tables qui ont disparu sans que personne ne s'en rende compte.

Action 1.4 — Vérifier les permissions. Vous devez être Editor ou plus sur la propriété GA4 et avoir un accès Owner sur le projet BigQuery. Si vous êtes CMO, déléguez l'opération à un compte technique qui a les deux permissions, ou demandez à votre IT de vous octroyer temporairement les droits.

Étape 2 — Lancer le linking depuis GA4

Une fois Google Cloud prêt, on bascule côté GA4.

Action 2.1 — Naviguer vers BigQuery Linking. Dans GA4, on va dans Admin (en bas à gauche), puis dans la section "Liens vers les produits" (Product Links), on clique sur "BigQuery Links". Si l'option n'apparaît pas, c'est que votre compte n'a pas les permissions Editor sur la propriété — il faut les obtenir avant d'aller plus loin.

Action 2.2 — Choisir le projet BigQuery. Vous voyez la liste des projets Google Cloud auxquels votre compte a accès en Owner. Sélectionnez le projet créé à l'étape 1. Si le projet n'apparaît pas, revenez vérifier les permissions.

Action 2.3 — Choisir la région de stockage des données. C'est le piège n°2 que nous voyons en audit. Choisissez la région où vous comptez réellement faire tourner vos requêtes — pour une PME française, c'est typiquement europe-west1 (Belgique) ou EU (multi-région européenne). Si vous choisissez la mauvaise région, la modifier après coup nécessite de tout supprimer et de recréer le link avec un trou dans l'historique. Choisissez bien du premier coup.

Action 2.4 — Choisir la fréquence d'export. Deux options principales :

• Daily (quotidien) : un fichier par jour avec la donnée du jour précédent. Disponible avec la sandbox et le compte facturé. Suffisant pour 90% des cas d'usage PME.
• Streaming (continu) : la donnée arrive en quasi temps réel dans une table events_intraday_*. Disponible uniquement avec un compte facturé. Utile si vous avez besoin de dashboards temps réel ou d'alertes opérationnelles.

Notre recommandation : activez les deux dès le départ si vous êtes en compte facturé. Le Daily reste votre source de référence pour l'analyse, le Streaming sert pour le pilotage temps réel. Le coût supplémentaire du Streaming est négligeable pour une PME.

Action 2.5 — Configurer le filtrage des données. GA4 permet d'exclure certains événements ou data streams de l'export. C'est ici que se joue la gestion du quota — voir l'étape 3.

Action 2.6 — Valider. Vous cliquez sur Submit. La donnée commence à arriver dans BigQuery dans les 24 heures suivantes (typiquement 12 à 18 heures). Vous recevez aussi un email de confirmation.

Étape 3 — Gérer le quota gratuit de 1 million d'événements par jour

C'est l'étape que la plupart des tutoriels traitent en bas de page. C'est en réalité le sujet le plus critique pour un CMO en 2026.

Le principe. Une propriété GA4 standard est limitée à 1 million d'événements par jour pour l'export Daily. Pas de limite pour le Streaming. Si vous dépassez de manière régulière, l'export Daily est mis en pause et les jours précédents ne sont pas retraités. C'est une perte définitive d'historique.

Estimer votre volume. Avant d'activer, regardez dans GA4 le nombre d'événements quotidiens (Reports > Events). Si vous êtes en dessous de 800 000 événements par jour, vous avez de la marge. Entre 800 000 et 1 million, surveillez de près. Au-delà, il faut filtrer.

La méthode pour rester sous le quota. Trois leviers de filtrage activables au moment du linking ou plus tard.

• Exclure les événements à faible valeur analytique. L'événement scroll automatique de l'enhanced measurement est souvent le premier coupable — il peut représenter 30 à 50% du volume sans apporter d'insight business. À désactiver dans la plupart des cas.
• Exclure les data streams non-stratégiques. Si vous avez plusieurs streams (web, app iOS, app Android), n'exportez que ceux qui ont une valeur business immédiate. Les autres peuvent être ajoutés plus tard.
• Exclure les événements de debug ou techniques. Les événements click automatiques sur tous les liens, les video_* sur des vidéos décoratives — autant de bruit que vous pouvez exclure de l'export sans perdre de signal stratégique.

Le bon réflexe. Comme le rappelle GA4BigQuery, un filtre événements bien configuré au moment du linking évite 90% des dépassements de quota. Investir 30 minutes dans cette configuration au démarrage évite des semaines de récupération en cas de blocage de l'export.

Si vous recevez un email d'alerte de dépassement. Google envoie un email à tous les Editors et Admins de la propriété quand le volume dépasse régulièrement. Agissez dans les 7 jours. Au-delà, l'export est mis en pause sans possibilité de retraitement. C'est le piège n°3 que nous voyons en audit : des emails ignorés, et un historique BigQuery troué de plusieurs semaines.

Étape 4 — Vérifier que l'export tourne et sécuriser la suite

Une fois la donnée en train d'arriver, trois vérifications obligatoires dans les premiers jours.

Vérification 4.1 — La donnée est bien là. 24 à 48 heures après l'activation, ouvrez la console BigQuery dans Google Cloud, naviguez vers le projet et le dataset analytics, et vérifiez qu'une table events_YYYYMMDD est apparue. Si elle n'est pas là après 48 heures, la documentation Google liste les causes possibles : compte de service supprimé, organisation policy bloquante, conflit de région.

Vérification 4.2 — Le compte de service a les bonnes permissions. GA4 crée un compte de service firebase-measurement@system.gserviceaccount.com qui doit avoir le rôle "BigQuery User" sur le projet et "BigQuery Data Owner" sur le dataset. Vérifiez dans la section IAM. Si quelqu'un dans l'équipe IT le supprime ou réduit ses droits, l'export s'arrête sans avertissement.

Vérification 4.3 — La date d'expiration des tables. Si vous avez démarré en sandbox, les tables expirent au bout de 60 jours. Avant de basculer en compte facturé, pensez à modifier les paramètres d'expiration de chaque table existante — la modification au niveau du dataset n'affecte que les nouvelles tables, pas les anciennes. Sinon vous perdez l'historique des 60 premiers jours.

Vérification 4.4 — Mettre en place une alerte de coût. Dans Google Cloud, créez un budget mensuel sur le projet BigQuery avec une alerte à 80% du seuil. Pour une PME, fixez le budget à 50 euros par mois — vous recevrez un email avant tout dérapage. C'est la sécurité minimale pour un CMO qui n'a pas envie de découvrir une facture surprise en fin de trimestre.

Bonus — Ce qu'il faut savoir une fois l'export actif

Trois informations pratiques que les tutoriels oublient et que nos clients nous demandent dans les 30 jours suivant l'activation.

La fraîcheur des données. La table Daily est mise à jour avec un jour de retard — mardi, vous avez la donnée de lundi. La table Streaming, elle, contient les événements quasi en temps réel. Pour les analyses sérieuses, attendez 72 heures : c'est le délai pendant lequel des événements offline ou retardés peuvent encore arriver.

Le schéma de données. Chaque ligne dans BigQuery est un événement, pas une session ou un utilisateur. Les paramètres d'événement, propriétés utilisateur et items sont stockés dans des champs imbriqués qu'il faut "déplier" pour requêter. Ce n'est pas un format Excel — votre analyste devra apprendre la logique BigQuery, ou vous devrez vous appuyer sur un partenaire.

La rétention. Dans GA4 interface, la donnée granulaire disparaît au bout de 14 mois maximum (2 mois par défaut). Dans BigQuery, vous gardez tout aussi longtemps que vous payez le stockage. Pour une PME, 10 Go gratuits représentent typiquement 2 à 5 ans d'historique. C'est l'argument le plus puissant pour activer l'export tôt — vous sécurisez de la matière grise pour des analyses futures que vous n'avez pas encore imaginées.

Conclusion

Connecter GA4 à BigQuery, c'est 4 étapes : préparer Google Cloud, lancer le linking depuis GA4, gérer le quota gratuit, et vérifier que l'export tourne. Une heure de travail bien menée évite des mois de problèmes en aval. Les trois pièges à éviter en priorité : démarrer en sandbox sans vigilance sur l'expiration, choisir la mauvaise région de stockage, et ignorer les alertes de dépassement de quota.

Notre recommandation systématique en pré-vente PME : activez l'export le jour où vous mettez GA4 en place, en compte facturé directement, avec un filtre événements pré-configuré pour rester sous le million d'événements quotidiens. Le coût mensuel reste typiquement entre 0 et 20 euros pour une PME, mais vous sécurisez l'historique et vous préparez le terrain pour tout ce qui vient ensuite : Looker Studio sur BigQuery, modèle d'attribution, croisement CRM, audiences custom. Le futur vous remercie.

Sources et ressources complémentaires

• Tutorial : How to set up BigQuery linking in your Google Analytics 4 property — GA4BigQuery
• [GA4] Set up BigQuery Export — Analytics Help
• [GA4] BigQuery Export schema — Aide Analytics (FR)
• Introduction to Google Analytics 4 (GA4) export data in BigQuery — GA4BigQuery
• GA4 Data API vs Google BigQuery Comparison and Business Use Cases — InfoTrust
• How to filter events in your GA4 BigQuery export — GA4BigQuery