{"allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"cssClassNames":"blog-page page basicpage summit-page","canonicalLink":"https://www.snowflake.com/fr/blog/migrate-spark-to-snowflake/","robotsTags":["index","follow"],"language":"fr","templateName":"blog-page","description":"Découvrez comment migrer sans effort vos pipelines Apache Spark vers Snowflake (Snowpark Connect) grâce à la compétence spark-migration de Snowflake CoCo. Améliorez vos performances et réduisez vos coûts.","title":"Migrez d’Apache Spark vers Snowflake avec CoCo","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":path":"/content/snowflake-site/global/fr/blog/migrate-spark-to-snowflake",":hierarchyType":"page",":items":{"root":{"columnClassNames":{"experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-sub-header":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-pre-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","markup_editor-table":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12","container_47873732":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnCount":12,":items":{"experiencefragment-banner":{"id":"experiencefragment-1c8f0a19eb","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank.xfmodel.json"},"experiencefragment-header":{"id":"experiencefragment-98a97266c6","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/mega-nav-header/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/mega-nav-header/master.xfmodel.json","languageNavPath":"/content/snowflake-site/global/fr/blog/migrate-spark-to-snowflake.languagenav.json","appliedCssClassNames":"snowflake-sticky-nav-host"},"experiencefragment-sub-header":{"id":"experiencefragment-ef6b585979","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/sub-navigation/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/sub-navigation/master.xfmodel.json"},"responsivegrid":{"columnClassNames":{"container_breadcrumb":"aem-GridColumn aem-GridColumn--default--12","container_main_content":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnCount":12,":items":{"container_breadcrumb":{"columnClassNames":{"breadcrumb":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","layout":"RESPONSIVE_GRID","columnCount":12,"id":"blog-page-breadcrumb-indentation",":items":{"breadcrumb":{"id":"breadcrumb-f411807d96","breadcrumbItems":[{"title":"Blog","path":"/fr/blog/","active":false},{"title":"Exécuter des pipelines Apache Spark™ sur Snowflake : performances accrues et coûts réduits avec un seul prompt CoCo","path":"/fr/blog/migrate-spark-to-snowflake/","active":false}],":type":"snowflake-site/components/blog/breadcrumb"}},":itemsOrder":["breadcrumb"],"appliedCssClassNames":"snowflake-container",":type":"snowflake-site/components/container"},"container_main_content":{"columnClassNames":{"flexible_column_container":"aem-GridColumn aem-GridColumn--default--12","related_content":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","layout":"RESPONSIVE_GRID","columnCount":12,"id":"main-content",":items":{"flexible_column_container":{"id":"flexible-column-container-2745dc5ade","propertiesId":"snowflake-blog-template-main-container","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"none","bottomPadding":"none","spaceBetween":"none","reverseOnMobile":true,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-52ec7d1311",":items":{"container_hero":{"columnClassNames":{"blog_hero":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","layout":"RESPONSIVE_GRID","columnCount":12,"id":"container-410b2ff06f",":items":{"blog_hero":{"id":"blog-hero-d30cfe5b87","showClaude":true,"showChatGpt":true,"image":{"id":"image-7f68ee0205","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--d1f4f805-2c63-471d-a056-a2d9ded437e3/13-snowflake.png?quality=85&preferwebp=true","lazyEnabled":true,"height":"720","width":"1680","isLcpImage":false,":type":"snowflake-site/components/image"},"publicationDate":"JUL 31, 2026","timeToRead":"5","authors":[{"authorImage":{"id":"image-7810e7cbcd","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--ff2e6c5e-5d39-4d91-885a-3325d9cec779/ash-ubrani.jpg?quality=85&preferwebp=true","lazyEnabled":true,"height":"1949","width":"1791","isLcpImage":false,":type":"snowflake-site/components/image"},"authorCta":{"id":"button-f20f551cc6","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/ash-ubrani/"},"linkTargetContentType":"DOCUMENT_LEARN","linkType":"SNOWFLAKE_INTERNAL",":type":"snowflake-site/components/button","text":"Ash Ubrani"}},{"authorImage":{"id":"image-b72aa43e5e","alt":"Brandon Carver","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--dae33bdb-6a4a-4205-a457-e653bc30c068/bc.jpg?quality=85&preferwebp=true","lazyEnabled":true,"height":"512","width":"384","isLcpImage":false,":type":"snowflake-site/components/image"},"authorCta":{"id":"button-1388186868","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/brandon-carver/"},"linkTargetContentType":"DOCUMENT_LEARN","linkType":"SNOWFLAKE_INTERNAL",":type":"snowflake-site/components/button","text":"Brandon Carver"}}],"title":{"lines":["Exécuter des pipelines Apache Spark™ sur Snowflake : performances accrues et coûts réduits avec un seul prompt CoCo"],"type":"heading2",":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/blog/blog-hero"}},":itemsOrder":["blog_hero"],":type":"snowflake-site/components/container"},"responsivegrid_content":{"columnClassNames":{"youtube":"aem-GridColumn aem-GridColumn--default--12","blog_text_900653965":"aem-GridColumn aem-GridColumn--default--12","blog_text":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnCount":12,"appliedCssClassNames":"snowflake-layout-container-inner-padding-small",":items":{"blog_text":{"id":"blog-text-34ba9d6604","text":"\u003Cp\u003EExécuter Spark ne se limite pas à écrire des transformations et de la logique métier. Cela implique également d’ajuster les clusters, de corriger l’infrastructure et de gérer les environnements de dépendances.\u003C/p\u003E\n\u003Cp\u003EMigrer ces workloads vers Snowflake répond directement à ce défi, nos clients constatant des performances jusqu’à 5,1 fois plus rapides et des coûts réduits de 42 %\u003Csup\u003E1\u003C/sup\u003E. \u003Ca rel=\"noopener noreferrer\" target=\"_blank\" href=\"https://www.snowflake.com/en/product/features/snowpark-connect-apache-spark/\"\u003ESnowpark Connect for Apache Spark™\u003C/a\u003E vous permet d’exécuter votre code Spark existant sur le moteur de Snowflake avec un minimum de modifications, sans aucun cluster à provisionner, ajuster ou corriger.\u003C/p\u003E\n\u003Cp\u003ELa plupart des assistants de codage IA génériques montrent leurs limites lorsqu’il s’agit de migrations à grande échelle. S’ils peuvent réécrire un extrait de code, il leur manque le contexte de la compatibilité pour migrer une base de code entière vers un nouveau moteur : identifier les modèles non pris en charge, les associer à des équivalents DataFrame et enregistrer les modifications apportées. La compétence \u003Ccode\u003Espark-migration\u003C/code\u003E de \u003Ca rel=\"noopener noreferrer\" target=\"_blank\" href=\"https://www.snowflake.com/fr/product/snowflake-coco/\"\u003ESnowflake CoCo\u003C/a\u003E, un agent de codage IA natif pour les données, a été conçue pour combler cette lacune.\u003C/p\u003E\n\u003Ch2\u003EUn seul prompt, une seule base de code\u003C/h2\u003E\n\u003Cp\u003ELe meilleur moyen de comprendre cette compétence est de la voir à l’œuvre. La démo ci-dessous commence par un répertoire de pipelines de données écrits en PySpark.\u003C/p\u003E\n\u003Cp\u003EÀ partir de là, le prompt est simple. Il vous suffit de demander à CoCo de migrer un fichier ou un répertoire de fichiers vers Snowpark Connect. Cela lancera la compétence \u003Ccode\u003Espark-migration\u003C/code\u003E qui coordonnera le parcours de migration \u003Ccode\u003Esnowpark-connect\u003C/code\u003E pour vous guider dans la mise en conformité de votre code Spark avec Snowpark Connect. Notez que les fichiers d’entrée pour cette compétence peuvent être des fichiers de code Python, Scala ou Java (ainsi que des fichiers de build). La compétence peut également prendre en charge des fichiers de notebook pour s’assurer qu’ils sont compatibles avec Snowflake.\u003C/p\u003E\n\u003Cp\u003E\u003Ci\u003ELa démo montre une vaste base de code Spark dont la compatibilité est vérifiée et qui est migrée vers Snowflake à partir d’un seul prompt.\u003C/i\u003E\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"youtube":{"id":"embed-73595d65d7","youtubeVideoId":"O9fqLg2nAKc","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"},"blog_text_900653965":{"id":"blog-text-d5541209e9","text":"\u003Cp\u003E\u003Ci\u003EFigure 1 : Un répertoire de pipelines PySpark analysé, réécrit et documenté à partir d’un seul prompt conversationnel.\u003C/i\u003E\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n\u003Ch2\u003EComment migrer de PySpark vers Snowflake avec CoCo\u003C/h2\u003E\n\u003Cp\u003EDerrière ce simple prompt, le workflow d’agent de CoCo exécute les mêmes étapes qu’un expert en migration :\u003C/p\u003E\n\u003Col\u003E\n\u003Cli\u003E\u003Cb\u003EÉvaluation et création d’un inventaire :\u003C/b\u003E cette compétence analyse chaque fichier source à la recherche de problèmes de compatibilité (notamment les opérations RDD, certains modèles de sérialisation UDF et les formats de fichiers non pris en charge) en se référant à une base de connaissances développée par l’équipe d’ingénierie de Snowflake. Chaque fichier, dépendance et appel d’API unique est répertorié.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EApplication de correctifs ciblés :\u003C/b\u003E la conversion principale est effectuée en répartissant des agents parallèles pour appliquer les correctifs de code et vérifier les résultats à travers plusieurs étapes de contrôle, y compris la compilation de la syntaxe et des vérifications basées sur des preuves. Durant cette phase, les modèles incompatibles sont réécrits en équivalents DataFrame, les importations et la création de sessions sont mises à jour, et tout élément nécessitant un examen manuel (comme la validation des lectures et des écritures) est signalé par une explication détaillée.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EGénération de rapports dans un format cohérent, exploitables par des humains ou des agents :\u003C/b\u003E cela vous offre une visibilité totale sur chaque modification apportée et sur ce qui nécessite encore votre attention, en générant des journaux d’incidents, des rapports d’inventaire et une validation de l’état général de la migration.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EValidation des fonctionnalités du code converti :\u003C/b\u003E la phase de validation effectue une vérification de bout en bout en exécutant le code PySpark d’origine et le code Snowpark Connect migré sur les mêmes données synthétiques, puis en comparant leurs résultats table par table. Cela permet de détecter les différences de comportement et de valider que le code est prêt à être exécuté. Tous les correctifs identifiés lors de la validation sont automatiquement intégrés à la branche livrable, ce qui permet d’obtenir à la fois un verdict de réussite/échec et une migration plus complète. Cette phase de validation est facultative.\u003C/li\u003E\n\u003C/ol\u003E\n\u003Cp\u003EAu lieu de chercher des modèles incompatibles dans plusieurs fichiers et de consulter la documentation, le développeur reste dans un seul et même workflow pendant que CoCo s’occupe de l’analyse, de la correction et de la création de rapports nécessaires pour exécuter le code Spark sur Snowflake.\u003C/p\u003E\n\u003Ch2\u003EBien plus qu’un simple fichier\u003C/h2\u003E\n\u003Cp\u003EUne migration se fait rarement en une seule étape simple ; cette compétence s’adapte donc à votre base de code, où qu’elle en soit. Voici d’autres façons de l’appliquer à votre travail :\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cb\u003EÉvaluer l’effort requis avant de commencer :\u003C/b\u003E \u003Ci\u003E« Évalue la compatibilité et le niveau d’effort requis pour migrer cette base de code. »\u003C/i\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EValider avant l’exécution :\u003C/b\u003E \u003Ci\u003E« Confirme que cette base de code s’exécutera correctement avec Snowpark Connect. »\u003C/i\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EFinaliser la migration d’un autre outil :\u003C/b\u003E \u003Ci\u003E« Analyse les résultats de tout autre outil de migration et finalise la migration. »\u003C/i\u003E\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003ELa compétence s’active automatiquement lorsque vous mentionnez Spark, PySpark ou la migration de code, mais vous pouvez également l’invoquer directement avec \u003Ccode\u003Espark-migration\u003C/code\u003E. Comme indiqué précédemment, elle signalera tout élément nécessitant un examen manuel afin que vous gardiez le contrôle sur les modifications apportées.\u003C/p\u003E\n\u003Ch2\u003EEssayez\u003C/h2\u003E\n\u003Cp\u003EC’est une proposition particulièrement intéressante : moins de tests de compatibilité manuels, moins de refactoring et une voie plus rapide pour exécuter vos workloads Spark de manière native sur Snowflake. Ce qui nécessitait auparavant des heures d’efforts manuels, même avec les outils déterministes existants, ne prend désormais plus que quelques minutes.\u003C/p\u003E\n\u003Cp\u003ELa compétence \u003Ccode\u003Espark-migration\u003C/code\u003E est intégrée à CoCo, sans aucune configuration requise.\u003C/p\u003E\n\u003Cp\u003EEssayez simplement : \u003Ci\u003E« Migre ce fichier vers Snowpark Connect. »\u003C/i\u003E\u003C/p\u003E\n\u003Cp\u003ELancez-vous avec CoCo et la migration Spark en consultant \u003Ca href=\"https://docs.snowflake.com/en/migrations/sma-docs/migrating-with-cortex-code/README\" target=\"_blank\" rel=\"noopener noreferrer\"\u003Ecette documentation\u003C/a\u003E.\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n\u003Cp\u003E\u003Csub\u003E\u003Csup\u003E1\u003C/sup\u003E Basé sur des cas d’usage de production et des démonstrations de faisabilité de clients comparant la vitesse et le coût de Snowpark par rapport aux services gérés de Spark entre novembre 2022 et mai 2025. Toutes les conclusions résument les résultats réels obtenus par nos clients avec des données réelles et ne représentent pas des ensembles de données inventés utilisés comme benchmarks.\u003C/sub\u003E\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"}},":itemsOrder":["blog_text","youtube","blog_text_900653965"],":type":"wcm/foundation/components/responsivegrid"},"responsivegrid_premium_content_banner":{"columnClassNames":{},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnCount":12,"appliedCssClassNames":"snowflake-responsive-component-top-padding-medium",":items":{},":itemsOrder":[],":type":"wcm/foundation/components/responsivegrid"},"container_author_chip":{"columnClassNames":{"author_chip":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","layout":"RESPONSIVE_GRID","columnCount":12,"id":"container-ad2168e36e",":items":{"author_chip":{"id":"author-chip-884e35c4fa","title":{"id":"title","type":"heading2","lines":["Learn more about the authors"],":type":"snowflake-site/components/title-v2"},"authors":[{"authorImage":{"id":"image-7810e7cbcd","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--ff2e6c5e-5d39-4d91-885a-3325d9cec779/ash-ubrani.jpg?quality=85&preferwebp=true","lazyEnabled":true,"height":"1949","width":"1791","isLcpImage":false,":type":"snowflake-site/components/image"},"authorCta":{"id":"button-f20f551cc6","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/ash-ubrani/"},"linkTargetContentType":"DOCUMENT_LEARN","linkType":"SNOWFLAKE_INTERNAL",":type":"snowflake-site/components/button","text":"Ash Ubrani"},"authorTitle":"Senior Product Marketing Manager"},{"authorImage":{"id":"image-b72aa43e5e","alt":"Brandon Carver","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--dae33bdb-6a4a-4205-a457-e653bc30c068/bc.jpg?quality=85&preferwebp=true","lazyEnabled":true,"height":"512","width":"384","isLcpImage":false,":type":"snowflake-site/components/image"},"authorCta":{"id":"button-1388186868","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/brandon-carver/"},"linkTargetContentType":"DOCUMENT_LEARN","linkType":"SNOWFLAKE_INTERNAL",":type":"snowflake-site/components/button","text":"Brandon Carver"},"authorTitle":"Analytics and Product Management, Snowflake"}],":type":"snowflake-site/components/blog/author-chip"}},":itemsOrder":["author_chip"],"appliedCssClassNames":"snowflake-responsive-component-top-padding-medium",":type":"snowflake-site/components/container"},"container_share_article":{"columnClassNames":{"share_article":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","layout":"RESPONSIVE_GRID","columnCount":12,"id":"container-0985c4a1ec",":items":{"share_article":{"id":"share-article-b675c3b71a","linkedInShareUrl":"https://www.linkedin.com/shareArticle?mini=true&url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Ffr%2Fblog%2Fmigrate-spark-to-snowflake&title=Ex%C3%A9cuter+des+pipelines+Apache+Spark%E2%84%A2+sur+Snowflake%C2%A0%3A+performances+accrues+et+co%C3%BBts+r%C3%A9duits+avec+un+seul+prompt+CoCo","twitterShareUrl":"https://x.com/intent/post?url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Ffr%2Fblog%2Fmigrate-spark-to-snowflake&text=Ex%C3%A9cuter+des+pipelines+Apache+Spark%E2%84%A2+sur+Snowflake%C2%A0%3A+performances+accrues+et+co%C3%BBts+r%C3%A9duits+avec+un+seul+prompt+CoCo","facebookShareUrl":"https://www.facebook.com/sharer/sharer.php?u=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Ffr%2Fblog%2Fmigrate-spark-to-snowflake",":type":"snowflake-site/components/blog/share-article"}},":itemsOrder":["share_article"],"appliedCssClassNames":"snowflake-responsive-component-top-padding-small",":type":"snowflake-site/components/container"}},":itemsOrder":["container_hero","responsivegrid_content","responsivegrid_premium_content_banner","container_author_chip","container_share_article"],":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container"},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-20440a1997",":items":{"blog_table_of_content":{"id":"blog-table-of-content-9090cde78a","tableOfContents":[],":type":"snowflake-site/components/blog/blog-table-of-content"}},":itemsOrder":["blog_table_of_content"],":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container"},"isBlogPage":true,":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false},"related_content":{"id":"related-content-f15f5d2667","relatedContent":[],"isBlogPage":true,":type":"snowflake-site/components/blog/related-content"}},":itemsOrder":["flexible_column_container","related_content"],"appliedCssClassNames":"snowflake-container",":type":"snowflake-site/components/container"}},":itemsOrder":["container_breadcrumb","container_main_content"],":type":"wcm/foundation/components/responsivegrid"},"container_47873732":{"additionalClasses":"section--blog-newsletter","columnClassNames":{"flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","layout":"RESPONSIVE_GRID","columnCount":12,"id":"container-f47eb4b2be",":items":{"flexible_column_cont":{"id":"flexible-column-container-0cabc7e2f2","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"section--blog-newsletter","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-985977f300",":items":{"marketo_v2":{"id":"marketo-v2-e65f278161","marketoForm":{"edit":false,"formId":"3320","successUrl":null,"hidden":null,"script":null,"values":null},"title":{"id":"title","type":"heading3","lines":["Subscribe to our blog newsletter","Get the best, coolest and latest delivered to your inbox each week"],":type":"snowflake-site/components/title-v2"},"munchkinId":"252-RFO-227","serverInstance":"252-RFO-227.mktoweb.com","partnerCampaignPage":false,"formConfigured":true,"marketoConfigured":true,":type":"snowflake-site/components/form/marketo-v2"},"text":{"id":"text-ab6d0dbac6","additionalClasses":"newsletter-disclaimer","text":"\u003Cp\u003EBy submitting this form, I understand Snowflake will process my personal information in accordance with their Privacy Notice.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"}},":itemsOrder":["marketo_v2","text"],":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container"},"isBlogPage":true,":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false}},":itemsOrder":["flexible_column_cont"],"appliedCssClassNames":"snowflake-container",":type":"snowflake-site/components/container"},"experiencefragment-pre-footer":{"id":"experiencefragment-62920e71f1","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/get-started-pre-footer/get-started-pre-footer/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/get-started-pre-footer/get-started-pre-footer.xfmodel.json"},"markup_editor":{"id":"markup-editor-6e9ba58b12","title":"Page CSS","cssContent":"@media screen and (min-width:768px){.snowflake-blog-author-chip-wrapper{justify-content:flex-start}.snowflake-blog-related-content-on-blog-page{max-width:1408px;margin-left:auto;margin-right:auto}.snowflake-text{font-family:Lato,sans-serif;font-weight:400;font-size:16px;line-height:24px}}.section--blog-newsletter{max-width:none;width:100%;padding-left:0;padding-right:0;margin-left:0;margin-right:0;margin-bottom:0}.section--blog-newsletter .mktoField{background-color:transparent !important}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}@media screen and (min-width:768px){.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}}.newsletter-disclaimer p{font-size:14px !important}.section--blog-newsletter .snowflake-marketo-form-container{margin-bottom:24px;background-color:#f6f9fa;gap:48px;box-shadow:none}.section--blog-newsletter .snowflake-title p.snowflake-title-line:first-child{font-family:Texta;font-size:24px;line-height:26px;font-weight:700;margin-bottom:4px}.section--blog-newsletter .snowflake-title p.snowflake-title-line{text-transform:none;font-family:\"Lato\",sans-serif;font-size:16px;line-height:24px;font-weight:normal}@media screen and (min-width:1024px){.section--blog-newsletter .snowflake-marketo-form-container{display:flex;justify-content:center}.section--blog-newsletter .snowflake-title .snowflake-title-line{text-align:left}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow:has(\u003E input[type=\"hidden\"]){flex-grow:0}.section--blog-newsletter .snowflake-marketo-form{display:flex;width:50% !important}.section--blog-newsletter .snowflake-marketo-form .mktoButtonRow{flex-grow:0;width:auto !important;margin-left:0;margin-right:0}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow{flex-grow:1}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}.section--blog-newsletter .snowflake-marketo-form-title{width:50%;margin-bottom:0 !important}.section--blog-newsletter .center .snowflake-title{align-items:flex-start}}.snowflake-sub-navigation a.snowflake-sub-navigation-primary-link{width:auto !important}.snowflake-blog-hero{align-items:stretch !important}","isGSAPEnabled":false,":type":"snowflake-site/components/markup-editor"},"markup_editor-table":{"id":"markup-editor-ca1e1b09f5","title":"Table Styling CSS","cssContent":"#snowflake-blog-template-main-container table{width:100%;background-color:var(--ui-background-01);border-collapse:collapse;border:2px solid var(--ui-background-09);font-family:'Lato',sans-serif;color:var(--ui-background-09)}#snowflake-blog-template-main-container table thead{background-color:var(--ui-01)}#snowflake-blog-template-main-container table th,#snowflake-blog-template-main-container table td{border:2px solid var(--ui-background-09);padding:var(--spacing-01)}","isGSAPEnabled":false,":type":"snowflake-site/components/markup-editor"},"experiencefragment-footer":{"id":"experiencefragment-18d1e7fb58","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/footer/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/fr/site/footer/master.xfmodel.json"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","experiencefragment-sub-header","responsivegrid","container_47873732","experiencefragment-pre-footer","markup_editor","markup_editor-table","experiencefragment-footer"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"blog-page","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/fr/blog/migrate-spark-to-snowflake","language":"fr","category":"general","pageName":"Exécuter des pipelines Apache Spark™ sur Snowflake : performances accrues et coûts réduits avec un seul prompt CoCo","contentTags":[]},":mappedPath":"/fr/blog/migrate-spark-to-snowflake/",":type":"snowflake-site/components/structure/page","coveoConfig":{"pipeline":"snowflake.com","apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d","organizationId":"snowflakecomputingproduction8neljofn","searchHub":"snowflake.com"},"analyticsContentTags":[],"locale":"fr","isPasswordProtected":false,"analyticsEnabled":true}