Sommaire de l'article
- Ce qui a changé avec GA4 : BigQuery n’est plus réservé aux grands comptes
- Pourquoi l’interface GA4 ne suffit pas
- Ce que BigQuery permet concrètement
- Le modèle de données GA4 dans BigQuery : ce qui change
- Les trois types d’export à connaître
- Comment activer l’export BigQuery en pratique
- Les questions business que BigQuery rend enfin possibles
- Conclusion
L'interface GA4 est pratique pour un CMO qui veut un chiffre rapide. Mais dès qu'on commence à poser des questions un peu plus précises — quels produits sont achetés ensemble, quels canaux génèrent les clients avec le meilleur LTV, quelle séquence de pages mène à la conversion — on se heurte à une réalité frustrante : GA4 seul ne peut pas y répondre proprement. C'est là que BigQuery entre en jeu. Et la bonne nouvelle, c'est que la connexion est gratuite pour tous les propriétaires GA4 standard, contrairement à ce qui existait avant.
Ce qui a changé avec GA4 : BigQuery n'est plus réservé aux grands comptes
Sous Universal Analytics, l'export BigQuery était une fonctionnalité exclusive de GA 360 — autrement dit, réservé aux entreprises capables de payer plusieurs dizaines de milliers d'euros par an. Avec GA4, Google a ouvert cette intégration à tous les propriétaires, gratuitement. On n'a plus à payer pour l'export lui-même : on ne paie que pour le stockage et les requêtes dans BigQuery, et uniquement quand on dépasse les limites du niveau gratuit — soit 1 To de requêtes par mois et 10 Go de stockage.
Pour une PME qui exporte ses données GA4 vers BigQuery, le coût mensuel reste proche de zéro dans la grande majorité des cas. C'est donc une décision qui se justifie presque systématiquement.
Pourquoi l'interface GA4 ne suffit pas
L'interface GA4 est un outil de reporting construit pour répondre à des questions génériques et standardisées. Elle est pensée pour un utilisateur moyen, pas pour les questions spécifiques à votre business. En pratique, cela se traduit par plusieurs limites concrètes que nous constatons régulièrement en audit :
Les données sont agrégées, pas événementielles. GA4 vous montre des totaux, des moyennes, des ratios. Mais si vous voulez comprendre le comportement individuel d'un segment de visiteurs — par exemple ceux qui ont ajouté au panier sans acheter — l'interface vous donne une vision limitée, soumise aux quotas de l'API et aux règles d'échantillonnage sur les explorations.
Les croisements de données sont impossibles sans BigQuery. Votre CRM sait quels clients ont le meilleur CLV. Votre GA4 sait par quel canal ils sont arrivés. Mais pour croiser ces deux jeux de données, il faut sortir de l'interface. BigQuery est précisément l'endroit où ce croisement devient possible.
Les rapports standards ont des limites de cardinalité. Quand une dimension contient trop de valeurs distinctes, GA4 regroupe le reste sous "(other)". Ce seuil, hors de votre contrôle, peut masquer des segments entiers de trafic ou de comportement.
L'historique disparaît. GA4 n'a pas de backfill : si vous n'avez pas activé l'export BigQuery depuis le début, les données passées ne sont pas récupérables. Chaque jour sans connexion BigQuery est un jour de données brutes perdu définitivement.
On audite votre stack analytics et on vous connecte à BigQuery en moins de deux semaines.
Réserver un audit flashCe que BigQuery permet concrètement
D'après la documentation officielle de Google Cloud, connecter GA4 à BigQuery ouvre quatre grands types d'usages que l'interface seule ne permet pas :
1. Répondre à des questions business précises en quelques secondes. Combien de transactions en moyenne par acheteur ? Quels sont les 10 produits les plus ajoutés au panier sur 12 mois ? Quels produits sont souvent achetés ensemble ? Ces questions, posées à BigQuery avec une requête SQL, donnent une réponse exacte, sans échantillonnage, sans limite de cardinalité.
2. Construire des segments d'audience avancés. BigQuery permet de segmenter les utilisateurs sur la base de n'importe quelle combinaison d'événements — les visiteurs ayant ajouté au panier sans acheter, les acheteurs à haute valeur sur 90 jours, ceux ayant visité une page de pricing trois fois sans convertir. Ces segments peuvent ensuite être réinjectés dans GA4 pour alimenter vos campagnes Google Ads.
3. Enrichir les données GA4 avec d'autres sources. CRM, données publicitaires (Google Ads, Facebook Ads via Data Transfer), données contextuelles (météo, saisonnalité), données produit. BigQuery est le seul endroit où on peut joindre tout ça proprement. C'est là que le ROI de la stack data commence vraiment à se mesurer.
4. Alimenter des dashboards Looker Studio sans les contraintes de l'API. Connecter Looker Studio à BigQuery plutôt qu'à GA4 directement élimine les problèmes de quotas d'API et de cardinalité. Les dashboards sont plus rapides, plus précis, et peuvent intégrer des données multi-sources.
Le modèle de données GA4 dans BigQuery : ce qui change
Dans BigQuery, les données GA4 ne ressemblent pas aux rapports que vous voyez dans l'interface. Chaque ligne du tableau représente un événement — pas une session, pas un utilisateur. C'est le modèle "événement + paramètres" qui remplace le vieux modèle "session + pages vues" d'Universal Analytics.
Cette structure est plus riche mais nécessite une prise en main. Les données sont organisées en champs imbriqués (event_params, user_properties, items) qui demandent des techniques de requêtage spécifiques pour être aplatis correctement. GA4BigQuery.com explique en détail ce fonctionnement : c'est la référence technique indépendante la plus complète sur le sujet.
Ce qu'il faut retenir au niveau CMO : BigQuery vous donne accès aux données brutes, exactement telles qu'elles ont été collectées. Pas d'agrégation forcée, pas d'attribution opaque. Vous voyez chaque événement, chaque paramètre, chaque timestamp. C'est ça qui permet de détecter des anomalies de tracking, de reconstruire des parcours de conversion complets, ou de comparer des périodes sans être limité par les 14 mois d'historique de l'interface GA4.
Les trois types d'export à connaître
La documentation officielle de Google Analytics sur l'export BigQuery distingue trois modes d'export, avec des usages différents :
Export quotidien (disponible pour tous) : une fois par jour, toutes les données brutes de la veille sont exportées. C'est le mode standard, adapté à la grande majorité des analyses. Limite : 1 million d'événements par jour pour les propriétés standard.
Export streaming (disponible pour tous) : les données arrivent en quasi-temps réel, à quelques minutes d'écart. Utile si vous avez besoin de surveiller des comportements en direct. Attention : l'export streaming exclut certaines données d'attribution utilisateur, et génère des coûts supplémentaires (0,05 $ par Go de données ingérées).
Fresh Daily (réservé GA 360) : un export quotidien plus rapide, disponible dès 5h du matin, avec des mises à jour par lots toutes les 60 minutes environ. Pertinent pour les grandes propriétés avec des besoins de fraîcheur élevés.
Pour une PME ou une ETI, le mode quotidien standard suffit dans 95 % des cas. Le streaming peut avoir du sens pour de l'e-commerce avec des enjeux d'alerte en temps réel sur les CVR ou les paniers abandonnés.
On audite, répare et documente votre stack tracking en 4 à 6 semaines.
Voir la méthode Data DetectiveComment activer l'export BigQuery en pratique
L'activation se fait en quelques étapes depuis l'interface GA4 :
- Créer un projet Google Cloud (si ce n'est pas déjà fait)
- Activer BigQuery dans ce projet
- Depuis GA4 : Administration → Liens BigQuery → Lier
- Choisir le projet Google Cloud cible et le type d'export souhaité
Il est possible de démarrer avec le sandbox BigQuery — une instance gratuite qui ne nécessite pas de carte bancaire. Attention : en mode sandbox, les tables expirent au bout de 60 jours. Pour une utilisation sérieuse, il vaut mieux activer la facturation Google Cloud, même si les coûts restent très bas en pratique.
Un point critique à retenir : il n'y a pas de backfill possible. Une fois la connexion activée, les données commencent à arriver. Les données historiques antérieures à la connexion ne sont pas exportables vers BigQuery. C'est la principale raison pour laquelle nous recommandons d'activer cette connexion le plus tôt possible, même si on n'a pas encore de cas d'usage immédiat.
Les questions business que BigQuery rend enfin possibles
Pour un CMO, l'intérêt de BigQuery n'est pas technique — c'est la liste de questions auxquelles vous pouvez enfin répondre :
- Quel canal d'acquisition génère les clients avec le meilleur CAC rapporté à leur valeur à 90 jours ?
- Quels produits sont systématiquement achetés ensemble, et comment en tirer parti pour la recommandation ou le cross-sell ?
- Quelle séquence d'événements précède une conversion, et quelle séquence précède un abandon ?
- Parmi les visiteurs qui ont vu la page pricing, combien ont converti dans les 7 jours, et via quel canal ?
- Quelle est la différence de comportement entre les nouveaux visiteurs et les visiteurs récurrents sur les pages de conversion clés ?
Ces questions ne sont pas des curiosités analytiques. Ce sont des leviers directs sur votre ROAS publicitaire, votre taux de réachat, votre stratégie de contenu. Et aucune d'entre elles ne peut être répondue proprement depuis l'interface GA4.
Conclusion
Connecter GA4 à BigQuery n'est plus un projet réservé aux équipes data des grands groupes. C'est devenu accessible à toute organisation qui a besoin de dépasser les limites de l'interface GA4 pour prendre des décisions mieux informées. La connexion elle-même est gratuite, l'activation prend moins d'une heure, et les coûts d'utilisation sont négligeables pour la plupart des PME.
Le seul risque, c'est d'attendre. Chaque jour sans export BigQuery activé est un jour de données brutes perdu. Et contrairement à d'autres investissements data, celui-là ne demande ni budget significatif, ni ressource dédiée pour démarrer — juste la décision de le faire maintenant plutôt que plus tard.
Sources et ressources complémentaires
Spécialiste data marketing. J'audite, répare et construis des systèmes data qui permettent de piloter efficacement votre marketing et d'exploiter à 100% vos données.