dbt 2 : TOP 5 des nouveautés qui changent le Data Engineering
Épisode de DataWatch par Bertrand Fabre · 23 octobre 2026 · 3 min
dbt 2 arrive avec des changements majeurs. Et ce n’est pas juste une question de performances.
Pendant longtemps, dbt reposait sur une mécanique relativement simple : du Jinja, du SQL, un moteur Python et un data warehouse chargé de valider les requêtes.
Avec dbt 2, c’est une évolution beaucoup plus profonde qui se dessine.
Dans ce nouvel épisode court de DataWatch, je décrypte les 5 nouveautés les plus importantes de dbt 2, avec un angle très concret : ce qui change réellement pour les Data Engineers, les architectures data et les pipelines CI/CD.
Au programme : une observabilité native avec OpenTelemetry, une documentation repensée autour de DuckDB-Wasm, un moteur réécrit en Rust et des métadonnées désormais exploitables en Parquet.
Mais le changement le plus structurant est peut-être ailleurs : dbt commence à comprendre le SQL qu’il génère.
Et ça change beaucoup de choses. Détecter des erreurs avant d'interroger le data warehouse, réduire la consommation de compute, fiabiliser les transformations et renforcer les contrôles de gouvernance deviennent des possibilités concrètes.
Au-delà des gains de vitesse, c'est toute la façon de développer, tester et exploiter des projets dbt qui évolue.
En moins de 3 minutes, on fait le tour des 5 annonces à retenir, sans hype inutile, avec leurs impacts techniques.
Et vous, quelle nouveauté de dbt 2 vous semble la plus importante ? Le moteur Rust, la compréhension SQL ou le nouveau format des métadonnées ?
Chapitres
00:00 Introduction — Le top 5 de dbt 2
00:06 #5 — Observabilité native avec OpenTelemetry
00:43 #4 — dbt Docs réinventé avec DuckDB-Wasm
01:27 #3 — Un nouveau moteur en Rust
01:55 #2 — dbt Information Schema en Parquet
02:41 #1 — La compréhension SQL native
#dbt #DataEngineering #DataWatch #dbtFusion #SQL
Autres épisodes de « DataWatch »
- Snowflake Cortex avec Ferhat 27 mai 2026
- Google Next'26 28 avril 2026
- Les Data Contract sont insuffisants ! 13 avril 2026
- L’IA nous remplacera-t-il sur GCP ? 1 avril 2026
- Spark est-il devenu inutile ? 7 mars 2026
- Spécial dbt avec Victor Vaneecloo ! 20 janvier 2026
- Databricks utilise Excel comme data source 7 janvier 2026
- Décathlon déploie Polars en prod ! 23 décembre 2025
- Python 3.14, vraiment mieux ? 18 novembre 2025
- MCP, une sécurité en danger ? 4 novembre 2025
- Les différences entre SQLMesh et dbt 💪 23 septembre 2025
- Data Virtualisation : plus besoin de Data Warehouse ? 2 septembre 2025
- Snowflake MCP : la fin des Data Engineers SQL ?! 26 août 2025
- Disponibilité des CTEs Récursives dans Databricks ! 19 août 2025
- Modélisation avancée DBT : optimisez votre pipeline analytique 12 août 2025
À propos du podcast
🎙️ DataWatch est un podcast de veille en data. Axel Mauroy et Bertrand Fabre échangent autour d’articles publiés récemment en Data et particulièrement en Data Engineering.
Épisodes similaires
- Est-ce que le UX est mort? – Corridors
- Anthropic demande son entrée en Bourse, OpenAI casse les prix (26 oct. 2026) [VIDEO] – DjamgaMind Intelligence : L'Édition Francophone
- China NMPA GMP 2026: Vorbereitung auf die neuen Anforderungen für Medizinprodukte – Globaler Marktzugang für Medizinprodukte
- Recrutement et IA : des CV parfaits, des choix impossibles – Ai Experience [en français]
- S1306 - Le FLASH ACTUS : Tamron 16-50 mm f/2,8 A - Polaroid passe en mode Pokémon - TTArtisan AF 24 mm f/3,8, Robert Capa, photographe – Faut Pas Pousser Les ISO
- OpenAI arrive sur Google Cloud & LiteLLM victime d'une attaque - Actualités IA (23 oct. 2026) – The Automated Daily - AI News Edition
Tous les épisodes de DataWatch · Plus de podcasts Technologie