In the analytics and business intelligence market, standardized reports are increasingly giving way to interactive, embedded, and agentic consumption models. This shift is underscored by the 2026 Gartner Magic Quadrant for Analytics & BI, where Google, Salesforce, ThoughtSpot, Microsoft, and Qlik all retained “Leader” status, while Oracle dropped from the Leaders quadrant and AWS rose to join them.

The mandatory functional criteria for this year’s evaluation remained largely unchanged from last year, though less detailed. They required platforms to include capabilities for governance (access control, content certification, usage monitoring), drag-and-drop data preparation with analytical model creation, agentic insights that can (semi-)automatically surface anomalies, clusters, and forecasts, natural language analysis, and semantic modeling via code or visual tools. Embedded analytics management and an analytics catalog were optional.

On the “execution” axis—which measures ability to meet customer demand through product quality and experience—AWS climbed into leadership, while Oracle slipped to 10th place, falling from leader to “visionary.” Gartner cited low visibility for Oracle Analytics Cloud and its infrequent adoption as a standalone solution outside the Oracle ecosystem. By contrast, Amazon QuickSight was recognized for its tight integration with the rest of the AWS data and analytics stack, enabling large-scale deployments and centralized management. Transparent pricing and strong agentic workflow orchestration—including connectivity to external systems like Jira and ServiceNow via OpenAPI and MCP—were also highlighted. However, QuickSight’s administration is fragmented; monitoring, auditing, and cost management rely on separate AWS services. Its user community is smaller than those of top competitors, raising skills-availability concerns.

Google’s Looker, a leader again, was praised for its Gemini 3-based reasoning engine, semantic data modeling with LookML, and exhaustive governance features: asset certification, native Git version control, and customizable monitoring agents. Yet Looker retains a developer-centric reputation despite added self-service and natural language features, and its full value is often realized only within the Google Cloud analytics stack—using it with other cloud providers diminishes its differentiators. Standardized reporting is limited in favor of interactive and embedded experiences.

Microsoft’s Power BI benefits from its dominant market share, deep integration with Teams and Excel, and the Microsoft Fabric SaaS that unifies data engineering, warehousing, and BI, reducing integration overhead. But this tight coupling means maximizing Power BI often requires Fabric, and its ease of use can lead to workspace and content proliferation, risking duplicate models and fragmentation. The “Fabric Copilot capacities” system, which charges for Copilot usage by user groups, demands active monitoring to control costs and maintain performance.

Qlik distinguished itself with an “agent swarm” architecture and an in-memory analytics engine that permits free exploration without predefined query paths, supporting scalability. It offers flexible deployment (on-premises, cloud, hybrid) and broad data source integrations. On the other hand, Qlik lacks its own infrastructure cloud or enterprise suite, and its reliance on a proprietary in-memory cache may force compromises for organizations with a direct-query strategy. Users can bring their own large language models, but no native governance tools are provided for them.

Salesforce’s Tableau enjoys a large community that generates extensive resources, along with flexible deployment options (managed cloud, self-managed on-premises/IaaS, hybrid) and visual data preparation with an interactive pipeline map. Concerns linger around pricing tiers (Standard, Enterprise, Tableau+) and potential lock-in through advanced agentic features delivered via Agentforce and Data Cloud. Like Looker, Tableau prioritizes interactive visualizations and agentic exploration over standardized reporting.

ThoughtSpot stood out for conversational analytics, led by its Spotter agent, and for orchestrating agentic workflows while connecting to external semantic layers such as dbt and Looker via Open SQL. However, its consumption-based licensing can make cost forecasting challenging as usage scales, and its once-unique natural language processing edge has eroded. Like Google and Salesforce, ThoughtSpot does not emphasize standardized reporting, which may necessitate supplementary tools.

On the “vision” axis, which reflects strategies around sales, marketing, and innovation, ServiceNow (via its Pyramid Analytics acquisition) ranked first, followed closely by new entrant Databricks. Oracle, despite falling to visionary status, placed third in vision, suggesting a gap between its strategic direction and current execution.

This evolution mirrors a broader terminological shift: in early 2026, Gartner published its first Magic Quadrant for Decision Intelligence, signaling the move from descriptive to prescriptive analytics and the promise of closing the gap between insights and actions.

Interactif, embarqué, agentique… Dans le champ de l’ABI (analytics & BI), les offreurs ne sont plus rares à privilégier ces modes de consommation aux dépens des rapports formatés.

Google, Salesforce et ThoughtSpot en font partie, d’après Gartner, qui les a désignés « leaders » dans l’édition 2026 du Magic Quadrant dédié à ce marché.

Oracle n’est plus « leader » de l’ABI ; AWS le devient

Moins détaillés que l’an dernier, les critères fonctionnels à respecter impérativement ont peu évolué. Ils s’agissait, dans les grandes lignes, de proposer des briques de :

Gouvernance (contrôle des accès, certification du contenu, suivi de l’utilisation…)

Préparation de données (avec glisser-déplacer et création de modèles analytiques)

Insights agentiques (faire remonter de manière (semi-)automatique des anomalies, des clusters, des prévisions, etc.)

Anayse en langage naturel

Modélisation sémantique (édition code ou visuelle de la logique métier)

La gestion de l’analyse embarquée (applications, sites, portails…) était facultative. Comme, entre autres, la fourniture d’un catalogue d’analytics (bibliothèque d’assets).

Le Magic Quadrant se structure en deux axes. L’un, dit « exécution », restranscrit la capacité à répondre à la demande (expérience client, qualité des produits/services…). L’autre, dit « vision », reflète les stratégies (ventes, marketing, innovation…).

La situation sur l’axe « exécution » :

Rang

Fournisseur

Évolution annuelle

1

Microsoft

=

2

AWS

=

3

Salesforce (Tableau)

=

4

Google

=

5

Qlik

=

6

Alibaba Cloud

+ 1

7

ThoughtSpot

+ 2

8

Domo

– 2

9

SAP

+ 1

10

Oracle

– 2

11

Zoho

+ 2

12

Strategy

– 1

13

Sigma

– 1

14

Databricks

nouvel entrant

15

SAS

+ 2

16

ServiceNow (Pyramid Analytics)

– 2

17

GoodData.AI

+ 1

18

Incorta

+ 1

19

IBM

– 4

20

Tellius

=

Sur l’axe « vision » :

Rang

Fournisseur

Évolution annuelle

1

ServiceNow (Pyramid Analytics)

+ 1

2

Databricks

nouvel entrant

3

Oracle

+ 1

4

Microsoft

– 3

5

ThoughtSpot

+ 1

6

SAP

– 3

7

Salesforce

– 2

8

Google

– 1

9

Strategy

=

10

Qlik

– 2

11

SAS

– 1

12

IBM

– 1

13

AWS

+ 1

14

GoodData.AI

+ 2

15

Tellius

– 3

16

Alibaba Cloud

– 3

17

Domo

=

18

Zoho

– 3

19

Sigma

=

20

Incorta

– 2

Cinq des « leaders » de l’an dernier le sont toujours : Google, Salesforce et ThoughtSpot, donc, ainsi que Microsoft et Qlik. Oracle est l’exception : ayant rétrogradé en « exécution », il est passé chez les « visionnaires ». Gartner note, en particulier, le peu de visibilité de son offre Oracle Analytics Cloud. Et son adoption peu fréquente en tant que solution autonome, « détachée » du reste de l’écosystème Oracle.

AWS, salué sur les workflows agentiques…

AWS, au contraire, passe de « challenger » à « leader » avec Amazon Quick. Il se distingue par l’intégration de cette offre au reste de sa pile data & analytics, favorisant les déploiements à grande échelle et la gestion centralisée. Autres bon points : la tarification, jugée transparente, et le niveau de gestion des workflows agentiques, y compris en connexion avec des systèmes externes (Gartner mentionne Jira et ServiceNow en plus des intégrations OpenAPI et MCP).

… mais pas sur l’administration

S’il peut se connecter aux principaux clouders, Amazon Quick propose des flux plus riches avec AWS (sources de données et services). Il a par ailleurs une plus petite communauté d’utilisateurs que les principaux concurrents : attention à la disponibilité de compétences. Gartner pointe également une administration fragmentée : le monitoring, l’audit et la gestion des coûts passe par des services AWS externes à Amazon Quick.

Une gouvernance exhaustive chez Google…

Sur Looker, Gartner apprécie le moteur de raisonnement à base de Gemini 3. Il salue aussi les capacités de création de modèles de données sémantiques avec le langage LookML. Et les possibilités de gouvernance (cadre de certification des assets, audit « exhaustif », contrôle de version natif basé sur Git, agents de monitoring personnalisables…)

… mais une perception « dev-centric » qui demeure

Malgré l’ajout de fonctionnalités en self-service et en langage naturel, Looker demeure perçu avant tout comme un outil pour les développeurs et les data engineers. Il est par ailleurs vendu essentiellement comme composante de la pile analytics de Google Cloud : utilisé avec d’autres clouders, ses arguments différenciants sont moindres. Par ailleurs, comme sus-évoqué, la gestion du reporting standardisé est limitée, au profit de l’interactif et de l’embarqué.

Microsoft Fabric, un avantage…

La part de marché de Power BI favorise l’accès à des compétences, à du support et à des ressources de formation. Son intégration « profonde » avec des applications comme Teams et Excel est un avantage pour qui a standardisé sa productivité sur Office. Autre point distinctif : l’offre Microsoft Fabric, qui unifie data engineering, warehousing et BI en un SaaS, minimisant ainsi l’effort d’intégration.

… autant qu’un inconvénient

Revers de la médaille : difficile de faire sans Microsoft Fabric si on veut tirer le maximum de Power BI. Attention par ailleurs au risque de prolifération d’espaces de travail et de contenu, tant il est simple d’en créer (risque de doublons et de fragmentation des modèles sémantiques). Gartner pointe aussi le système des « capacités Fabric Copiot », destiné à collecter et facturer l’utilisation de Copilot par des groupes spécifiques d’utilisateurs. Il exige un suivi actif pour maîtriser la consommation et maintenir les performances.

Le moteur in-mem, point fort de Qlik…

Qlik a droit à un bon point pour son architecture de type « essaim d’agents ». Et pour ce qu’elle apporte tant en matière d’analyse que de routage des alertes et de déclenchement d’actions. Autre point fort : le moteur d’analyse en mémoire, qui favorise le passage à l’échelle en permettant une exploration libre sans chemins de requête prédéfinis. Gartner y ajoute les options de déploiement (sur site, en cloud ou hybride, en plus d’une « large gamme » d’intégrations de sources de données et de systèmes d’entreprise).

… mais source potentielle de compromis

Contrairement à ses principaux concurrents, Qlik n’a pas de cloud d’infrastructure ou de suite logicielle d’entreprise référente. Il s’appuie beaucoup sur son cache in-memory propriétaire, ce qui suppose de mesurer le compromis pour qui a une stratégie de requête directe. À noter aussi la possibilité d’apporter ses propres LLM… mais l’absence d’outils natifs pour les gouverner.

Une grande communauté pour Tableau…

Les ressources que produit la vaste communauté de Tableau favorisent la prise en main de la solution, dont le déploiement s’avère par ailleurs flexible (version cloud managée, autogestion sur site ou en environnement IaaS, ou modèle hybride). Gartner apprécie aussi les capacités visuelles de préparation de données, avec une carte interactive du pipeline.

… mais la crainte de dépendances à Salesforce-

La tarification et le packaging des capacités entre les niveaux Standard, Enterprise et Tableau+ ne sont pas sans soulever des questions. La dépendance à la pile Salesforce non plus. La tendance chez les acheteurs est à considérer que les fonctionnalités agentiques « avancées » délivrées via Agentforce et Data Cloud peuvent créer un verrouillage. De plus, comme Looker, Tableau se révèle limité sur le reporting standardisé. Il lui favorise les visualisation interactives et l’exploration agentique.

ThoughtSpot se distingue sur le conversationnel…

ThoughtSpot se distingue positivement sur l’aspect conversationnel, avec son agent Spotter comme emblème. Gartner salue plus globalement les capacités d’orchestration de workflows agentiques. Et les possibilités de connexion à des couches sémantiques externes (dbt et Looker via Open SQL, notamment).

… mais moins qu’il fut un temps

Avec l’option de licence à la consommation, la prévision des coûts peut se compliquer à mesure que l’usage croît. ThoughtSpot n’a par ailleurs plus son avantage historique sur le traitement du langage naturel. Et donc, comme Google et Salesforce, il ne se concentre pas sur le reporting standardisé, à tel point que des outils complémentaires peuvent s’avérer nécessaires.

De la BI à la DI, une évolution surtout terminologique ?

Début 2026, Gartner a publié son premier Magic Quadrant de la DI (Decision Intelligence), segment qu’il estime « sur la fin de sa phase d’émergence ».

Le cabinet américain s’est ainsi emparé d’une opposition terminologique qui s’est structurée dans le jargon de l’informatique décisionnelle : le descriptif d’un côté, le prescptif de l’autre. Le premier trouvant une continuité dans le second, avec la promesse de combler l’écart entre les insights et les actions qui en découlent.

Illustration générée par IA

The post En BI, le rapport standardisé devient l’exception appeared first on Silicon.fr.