Comment évaluer une CDP pour l'IA : 12 critères

Évaluer une CDP en 2026 revient à vérifier douze critères d’architecture : la boucle de rétroaction fermée, la messagerie native, le délai de mise en œuvre, l’IA native ou ajoutée après coup, la résidence des données personnelles, le consentement par finalité et son retrait, le coût total de possession, l’autonomie de l’équipe marketing, la connexion au data warehouse, la résolution d’identité, la tenue de charge en pic commercial et la portée au-delà du marketing. Ces douze critères séparent les plateformes conçues pour l’IA de celles qui ont ajouté l’IA sur une architecture antérieure.

En 2021, la question qui décidait d’une évaluation était de savoir si la plateforme unifiait les données client. Ce problème est résolu : toute plateforme de données client (CDP, pour customer data platform) en service aujourd’hui unifie. La question de 2026 est autre : la plateforme sert-elle de socle de données en temps réel aux agents IA qui lisent un profil, agissent et apprennent du résultat en quelques secondes, et non en quelques heures ?

Ce guide sert à évaluer une Composable CDP (CDP composable), une suite marketing d’entreprise ou une Agentic CDP (CDP agentique) à IA native. Chaque critère porte son bon signe et son signal d’alerte, de façon à devenir une ligne de la matrice d’évaluation (scorecard) dès la preuve de concept.

Pourquoi les critères de 2021 ne suffisent plus

La plupart des guides d’achat de CDP organisent l’évaluation autour des connecteurs, des sources de données et des fonctions de segmentation. Ces points comptent toujours, mais ils laissent de côté trois exigences que l’IA introduit :

• La tolérance à la latence tombe à presque zéro. Un agent IA qui décide pendant la session n’attend ni une synchronisation par lots ni un chargement nocturne.
• La gravité des données se déplace vers la couche d’exécution. Quand le modèle doit agir sur les données client, la plateforme qui détient à la fois les données et l’exécution agit avant celle qui ne détient que les données.
• Le bundling, c’est-à-dire le regroupement des capacités dans une seule plateforme, devient une exigence d’architecture. Tomasz Tunguz soutient dans AI’s Bundling Moment que l’IA récompense l’étendue de la plateforme plutôt que la spécialisation best-of-breed. Quand l’ingestion, la décision et l’activation doivent tenir dans une seule boucle en temps réel, coudre quatre ou cinq éditeurs ajoute de la latence, des pertes de contexte et une intégration fragile.

Ces trois forces favorisent les plateformes qui contrôlent le chemin complet, de l’ingestion à la décision par l’IA jusqu’à la remise du message.

Les motifs réels de remplacement confirment cette lecture. L’IDC MarketScape 2026 des CDP à IA pour les audiences B2C relève que les raisons les plus citées par les organisations ayant remplacé une CDP en service sont la préparation et la qualité des données, l’impossibilité de démontrer le retour sur investissement, les problèmes de passage à l’échelle ou de performance en temps réel, et des fonctions d’IA qui n’ont pas fonctionné en pratique (IDC #US53952526, juin 2026). Ce sont des défauts de confiance et d’exécution, pas un catalogue de connecteurs trop court.

Les 12 critères d’évaluation

1. Les agents IA fonctionnent-ils en boucle fermée ?

La capacité qui définit une Agentic CDP est de tenir le Customer Intelligence Loop complet dans une boucle de rétroaction fermée (closed feedback loop) : l’agent IA lit le profil du client, décide de l’action, l’exécute, observe le résultat et met à jour son modèle, en quelques secondes.

Bon signe : la plateforme referme la boucle en moins d’une seconde. L’action de l’agent, la réponse du client et le résultat de la campagne reviennent dans le même profil et dans le même modèle sans sortir de la plateforme.

Signal d’alerte : le résultat met des heures à revenir parce qu’il traverse des flux de reverse ETL, des synchronisations avec le data warehouse ou des transferts entre éditeurs avant que l’agent en apprenne quelque chose. Une boucle qui se mesure en heures ne soutient pas le marketing agentique : l’agent décide sur l’état d’hier.

2. La plateforme possède-t-elle la couche de messagerie ?

Quand la CDP et la couche de messagerie sont deux systèmes séparés, chaque activation de campagne copie des données à caractère personnel (PII, personally identifiable information) vers une plateforme d’envoi d’e-mails (ESP), une passerelle SMS ou un fournisseur de notifications push. Cette copie crée un risque de conformité, ajoute de la latence et allonge la boucle dont dépend l’agent IA.

Bon signe : l’e-mail, le SMS, la notification push et le message in-app sont natifs de la plateforme. La CDP déclenche le message, observe l’ouverture ou le clic et renvoie ce signal dans le profil client sans que les données quittent la plateforme. Demandez la démonstration du chemin complet, de l’audience construite dans la CDP jusqu’au message remis, et faites préciser à quelle licence appartient chaque canal.

Signal d’alerte : les données personnelles partent chez un prestataire externe à chaque envoi. Tous les canaux passent par un connecteur externe, et la performance de la campagne met des heures à revenir dans le profil client.

3. Combien de temps dure la mise en œuvre ?

Le délai jusqu’à la première campagne pilotée par l’IA pèse autant que le délai jusqu’au premier résultat. Une plateforme qui met douze mois à entrer en production repousse de douze mois cette première campagne, et chaque trimestre de déploiement est un trimestre pendant lequel un concurrent apprend d’interactions que l’équipe n’a pas encore lancées.

Bon signe : le premier déploiement se compte en semaines, pas en trimestres. Les connecteurs prêts à l’emploi couvrent les sources de données courantes. La plateforme fournit des modèles d’IA qui fonctionnent avec une configuration minimale, si bien que l’équipe lance sa première campagne pilotée par l’IA dans le premier mois.

Signal d’alerte : le déploiement exige un intégrateur et un calendrier de 6 à 18 mois. La modélisation de données sur mesure doit être terminée avant toute activation. Les clients de référence de l’éditeur décrivent des projets de plusieurs trimestres comme la norme de la maison.

4. L’IA est-elle native de l’architecture ou ajoutée après coup ?

Il existe une différence de fond entre l’IA native et l’IA ajoutée après coup : la plateforme conçue dès l’origine autour de l’IA ne se comporte pas comme celle qui a ajouté des fonctions d’IA par acquisition, par partenariat ou dans un module séparé. L’IA ajoutée après coup crée des frictions : des stockages distincts, des API distinctes, une licence supplémentaire et des modèles qui n’atteignent pas le profil client complet en temps réel.

Bon signe : les modèles d’IA travaillent directement sur le profil unifié, avec accès aux données de comportement, de transaction et d’interaction. La décision par l’IA, l’analyse prédictive (predictive analytics) et la meilleure action suivante (next best action) partagent la couche de données de la segmentation et de l’activation. Aucune référence produit supplémentaire ni aucun point d’accès d’API séparé n’est nécessaire.

Signal d’alerte : les fonctions d’IA exigent une licence à part, des points d’accès d’API séparés ou l’hébergement externe du modèle. La couche d’IA travaille sur un autre stockage, ou les données doivent être exportées vers un autre environnement pour entraîner le modèle. L’IA est arrivée par acquisition et reste en marge du produit principal.

5. Où résident les données personnelles pendant l’activation ?

Deux textes encadrent cette question en France : le RGPD (GDPR) et la loi Informatique et Libertés (loi n° 78-17 du 6 janvier 1978, modifiée), sous le contrôle de la CNIL, la Commission nationale de l’informatique et des libertés ; pour les résidents de Californie, la CCPA. L’entreprise doit savoir où se trouvent les données personnelles et pouvoir les effacer à la demande de la personne concernée. Quand ces données sont copiées dans trois à cinq systèmes d’éditeurs pendant l’activation, la gouvernance des données dépend de la coordination entre des sociétés distinctes, et le DPO (délégué à la protection des données) perd la vue d’ensemble qu’il doit tenir.

Le RGPD n’impose pas d’héberger en France les données d’un client français. Le critère n’est donc pas le drapeau du centre de données, mais ce que l’éditeur documente : le choix de la région d’hébergement, la liste de ses sous-traitants ultérieurs et le cadre juridique des transferts hors de l’Union européenne. Demandez où sont stockés les profils unifiés, pas seulement où ils sont traités, et sous quel droit le contrat est conclu.

Bon signe : les données personnelles restent dans une seule plateforme pendant tout le cycle d’ingestion, de décision et d’activation. Une demande d’effacement se traite dans un seul système et laisse une trace d’audit. L’éditeur documente la résidence des données, la liste des sous-traitants ultérieurs et les options de déploiement régional.

Signal d’alerte : répondre à une demande d’effacement exige de coordonner plusieurs éditeurs, et personne ne sait dire en combien de jours. Les données personnelles partent régulièrement vers des ESP externes, des outils d’analyse et des plateformes publicitaires. L’entreprise ne sait pas produire la carte des endroits où résident les données d’un client donné.

À lire aussi : les lois de protection des données qui encadrent une base clients

6. La plateforme gère-t-elle le consentement par finalité et son retrait ?

Le consentement ne tient pas dans une seule case. Le RGPD le rattache à une finalité et exige qu’il soit aussi simple à retirer qu’à donner (article 7, paragraphe 3). La CNIL a précisé ces règles pour les traceurs dans ses lignes directrices modificatives et sa recommandation « cookies et autres traceurs » (délibérations n° 2020-091 et n° 2020-092 du 17 septembre 2020), avec une mise en conformité attendue au plus tard fin mars 2021. Un même client peut avoir accepté l’e-mail commercial, refusé le SMS et retiré son consentement aux traceurs publicitaires : trois états, trois finalités, un seul profil. Les réglementations de protection des données qui s’appliquent à une base clients française partent toutes de ce principe.

Bon signe : la plateforme conserve l’état du consentement par client, par finalité et par canal, et propage le retrait vers toutes les destinations d’activation sans intervention manuelle. La suppression d’audience atteint chaque canal connecté dans le même cycle, et la gestion du consentement laisse une preuve par demande.

Signal d’alerte : le consentement vit dans une case « a accepté », sans finalité associée. Le retrait s’applique dans la CDP mais ne voyage pas jusqu’aux destinations, si bien que le client qui s’est opposé reçoit encore des messages depuis un outil situé en aval. Chaque éditeur auquel les données sont transmises ajoute un contrat à revoir et un système à auditer.

7. Quel est le coût total de possession à l’échelle ?

Les modèles de tarification des CDP varient beaucoup d’un éditeur à l’autre. Le prix par profil devient intenable à mesure que la base clients grandit. Les stacks composables accumulent des coûts sur quatre postes : la licence des connecteurs, le calcul, le volume de synchronisation et le temps d’ingénierie nécessaire pour maintenir les intégrations. Les suites d’entreprise regroupent des fonctions à prix élevé et créent le surcoût de la suite (suite tax) : l’organisation paie des modules dont elle n’a pas l’usage.

Deux points se règlent avant la signature et se règlent mal après : la devise de facturation et l’unité de comptage. Les contrats de CDP se négocient souvent en dollars américains ; demandez un prix en euros, ou le taux de change de référence et la date à laquelle il est arrêté, avant de comparer deux propositions. Le détail par modèle de tarification est dans le prix d’une CDP.

Bon signe : une tarification lisible, qui grandit de façon prévisible avec l’activité. Le coût annoncé comprend la licence, la maintenance des intégrations, le temps d’ingénierie et l’exploitation. L’éditeur fournit un modèle de coût total de possession (TCO) projeté sur trois ans.

Signal d’alerte : des dépassements imprévus à mesure que le nombre de connecteurs et le volume de synchronisation augmentent. Un prix par profil qui double au passage d’un seuil. Une licence de suite avec des modules obligatoires dont l’organisation n’a pas l’usage. Dans une stack composable, le coût cumulé de cinq à sept éditeurs, plus le temps d’ingénierie, dépasse celui d’une plateforme unifiée.

8. L’équipe marketing travaille-t-elle sans la DSI ?

Le marketing piloté par l’IA change d’hypothèse en quelques jours. Si chaque changement de segmentation d’audience exige une requête SQL et la reconstruction d’un modèle dbt, l’organisation n’itère pas au rythme qu’exige l’ajustement continu par l’IA. L’autonomie de l’équipe marketing tient ce rythme : construire des segments, dessiner un parcours client (customer journey) et configurer des modèles d’IA sans ouvrir un ticket à la DSI.

Bon signe : la segmentation par sélection visuelle, le concepteur de parcours client et la requête en langage naturel donnent à l’équipe marketing les moyens de créer et de modifier ses audiences seule. Les recommandations par l’IA et la segmentation client sont accessibles dans une interface pensée pour le marketing. Les changements prennent effet en quelques minutes.

Signal d’alerte : tout changement d’audience passe par SQL et par la reconstruction d’un modèle dbt. L’équipe marketing demande chaque modification à l’équipe data et attend plusieurs jours. L’interface principale est une console de requêtes, pas un espace de travail visuel. Créer un segment suppose de comprendre la modélisation des données sous-jacente.

9. La plateforme se connecte-t-elle au data warehouse ?

Même une plateforme dotée de son propre stockage géré doit dialoguer avec l’écosystème du data warehouse (entrepôt de données). Une organisation qui a investi dans Snowflake, BigQuery ou Databricks a besoin d’une CDP capable de lire et d’écrire dans ces environnements sans imposer une migration complète.

Bon signe : la plateforme offre des connecteurs prêts à l’emploi vers les principaux data warehouses du cloud. La CDP lit directement les tables de l’entrepôt, enrichit les profils avec les données qui y résident et réécrit le résultat de l’activation au même endroit. Ce montage donne une architecture de CDP hybride (hybrid CDP), qui valorise l’entrepôt déjà en place et fournit le temps réel qu’exige l’IA.

Signal d’alerte : la plateforme force toutes les données vers un stockage propriétaire, sans connexion possible à l’infrastructure existante. À l’inverse, la plateforme n’existe que dans le data warehouse et ne tient pas son propre magasin de profils : toute l’opération d’IA en temps réel dépend alors des performances de requête de l’entrepôt.

10. Comment la plateforme résout-elle l’identité ?

La résolution d’identité (identity resolution), qui relie des identifiants dispersés en un référentiel client unique (RCU, single customer view), est la base de tous les cas d’usage d’une CDP. Les modèles d’IA ne produisent pas de personnalisation exacte sur un graphe d’identité fragmenté ou périmé : l’agent décide alors sur une moitié de client.

Bon signe : le rapprochement déterministe et probabiliste est intégré et tourne en continu à mesure que les données arrivent. La plateforme tient un graphe d’identité en temps réel et fusionne automatiquement les profils connus et les profils anonymes. Les règles de rapprochement se configurent dans une interface visuelle, et le processus expose la confiance de chaque rapprochement et le motif de chaque fusion. La résolution d’identité vit dans la plateforme qui décide et qui active, sans copie intermédiaire.

Signal d’alerte : la résolution d’identité exige de construire et de maintenir une logique SQL maison, ou vient d’un éditeur isolé qui ne sait pas activer les profils qu’il crée. La plateforme ne fait que du rapprochement déterministe. Le graphe d’identité se met à jour par lots, si bien que le client qui s’identifie en cours de session reste traité en visiteur anonyme jusqu’au chargement suivant.

11. La plateforme tient-elle la charge des soldes et du Black Friday ?

Le commerce français concentre son année sur quelques pics : les soldes d’hiver, les French Days, les soldes d’été, le Black Friday et les fêtes de fin d’année. Pendant ces journées, le trafic anonyme se multiplie, les créations de compte arrivent en quelques heures et le même acheteur traverse le site e-commerce, l’application, le drive et le magasin dans la même journée. Une plateforme qui répond bien en mars ne répond pas forcément pendant ces deux semaines, et c’est ce scénario qu’il faut tester avant de signer.

Bon signe : l’éditeur donne des chiffres de pic et non des moyennes : événements ingérés par seconde, latence de la requête de profil sous charge, délai de propagation d’une audience vers les canaux quand la file est pleine. La résolution d’identité reste en temps réel pendant le pic, si bien que l’acheteur venu le vendredi est reconnu le dimanche. Le contrat dit ce qui se passe quand le volume du mois dépasse le volume souscrit.

Signal d’alerte : les chiffres de performance sont des moyennes annuelles. L’éditeur facture au nombre d’utilisateurs suivis par mois (MTU, monthly tracked users) et compte le visiteur anonyme : le pic gonfle la facture du mois sans que la base de clients identifiés grandisse. La résolution d’identité repasse en traitement par lots quand la charge monte, c’est-à-dire au moment où le profil unifié rapporte le plus.

12. La plateforme dépasse-t-elle le marketing ?

Les cas d’usage de CDP au meilleur rendement traversent de plus en plus les fonctions de l’entreprise. Les agents IA qui soignent l’expérience client ont besoin de données et de canaux d’activation dans le marketing, la vente, le service client et le commerce. Une plateforme confinée au marketing recrée les silos de données qu’elle devait supprimer.

Bon signe : la plateforme soutient des expériences agentiques transverses, où les agents IA orchestrent la campagne marketing, la relance commerciale, le routage d’un ticket de service et la recommandation produit. Un seul profil client alimente toutes les fonctions, et les modèles d’IA optimisent le cycle de vie client complet, pas seulement le tunnel marketing.

Signal d’alerte : chaque fonction a besoin de sa propre plateforme, ce qui crée de nouveaux silos. La CDP ne sert que le marketing, et étendre l’expérience pilotée par l’IA à la vente ou au service client oblige à acheter un autre produit avec un autre stockage. Tout cas d’usage transverse devient un projet d’intégration sur mesure.

Comment chaque modèle de déploiement se comporte face aux 12 critères

Les plateformes de données client ont évolué en trois générations d’architecture, chacune refermant le Customer Intelligence Loop plus vite que la précédente : Packaged (étape 1), Composable (étape 2) et Agentic (étape 3). Le tableau résume le comportement habituel de trois modèles de déploiement face aux douze critères.

Les Composable CDP apportent de la souplesse et une connexion forte au data warehouse, mais butent sur l’exigence de boucle fermée en temps réel. Les suites d’entreprise couvrent beaucoup de fonctions et portent une architecture ancienne, un coût élevé et une IA ajoutée après coup. Les Agentic CDP réunissent stockage géré, connexion à l’entrepôt, IA native et activation intégrée, la configuration qui correspond au moment de bundling que décrit Tunguz.

Comment construire la matrice d’évaluation

Utilisez les douze critères comme matrice d’évaluation pendant la consultation des éditeurs. Notez chaque éditeur de 1 à 5 sur chaque critère :

1. Ne répond pas au critère : limitation d’architecture, sans remède
2. Répond en partie : possible avec un contournement technique ou un coût supplémentaire
3. Répond au critère : fonctionne, sans différenciation
4. Dépasse le critère : capacité forte, avantage net
5. Référence du marché : la force qui définit la plateforme

Pondérez ensuite chaque critère selon la priorité de l’organisation. Si le cas d’usage principal est la personnalisation par l’IA, les critères 1, 4 et 10 pèsent le plus. Si la conformité au RGPD est la préoccupation centrale, priorisez les critères 2, 5 et 6 : ce sont eux qui déterminent combien de frontières d’éditeur les données personnelles traversent et si le retrait du consentement atteint la dernière destination. Associez le DPO à la notation de ces trois lignes, et pas seulement à la relecture du contrat. Si la date de mise en production décide du projet, le critère 3 gagne du poids, et dans le calendrier commercial français cette date se mesure contre les soldes d’hiver et le Black Friday.

Aucune plateforme parfaite n’attend au bout de cette notation : chaque architecture échange un avantage contre une limite, et le tableau ci-dessus montre où se situe chaque compromis. Le but est de trouver la plateforme dont les forces d’architecture correspondent à la direction que prend l’organisation, et pas seulement à son état actuel.

Pour l’équipe qui construit son propre jugement technique avant de rencontrer les éditeurs, la formation CDP de Treasure AI couvre l’unification des données, la résolution d’identité et l’activation par l’IA, les notions qui soutiennent ces critères (en anglais).

Articles connexes

• Guide comparatif des éditeurs de CDP — la comparaison éditeur par éditeur (en anglais)
• Adobe Real-Time CDP — le profil de la CDP intégrée à la suite Adobe
• Salesforce Data Cloud — le profil de la CDP intégrée à la suite Salesforce
• Treasure AI — le profil de l’Agentic CDP éditée par Treasure AI
• CDP Vendor Demo Checklist — les questions à poser pendant la démonstration (en anglais)

FAQ

Quelle est la question la plus importante pour évaluer une CDP destinée à l’IA ?

La question qui révèle le plus est de savoir si les agents IA fonctionnent en boucle fermée à l’intérieur de la plateforme. La question de la boucle fermée expose l’architecture de fond : si l’agent ne peut pas lire un profil, agir et apprendre du résultat en quelques secondes sans quitter la plateforme, la CDP n’a pas l’infrastructure temps réel qu’exige le marketing piloté par l’IA. Les plateformes qui dépendent du reverse ETL ajoutent une latence qui empêche le modèle d’apprendre.

Qu’est-ce que la thèse du bundling change à l’évaluation d’une CDP ?

La thèse du bundling, formulée par Tomasz Tunguz, soutient que l’IA récompense l’étendue de la plateforme plutôt que la spécialisation best-of-breed. En pratique, le bundling donne un avantage structurel aux CDP à messagerie native, à IA intégrée et à activation propre, face aux stacks composables. Chaque frontière d’éditeur ajoute de la latence et une perte de contexte. Vérifiez si la plateforme exécute la boucle complète, de l’ingestion à l’activation, à l’intérieur d’elle-même.

Quelle différence entre une Composable CDP et une Agentic CDP du point de vue de l’IA ?

Une Composable CDP utilise le data warehouse du cloud comme couche principale de stockage et de traitement, tandis qu’une Agentic CDP réunit l’unification des données, la messagerie et l’IA dans une seule plateforme. L’Agentic CDP repose le plus souvent sur un déploiement hybride : stockage géré et connexion à l’entrepôt, donc accès aux profils en temps réel. La différence décisive tient à la boucle fermée : la Composable CDP dépend des performances de requête de l’entrepôt et de l’orchestration entre éditeurs.

Que demande le RGPD à une CDP lors d’une évaluation menée en France ?

Le RGPD et la loi Informatique et Libertés demandent à l’entreprise de savoir où résident les données personnelles, de rattacher chaque consentement à une finalité et de répondre aux demandes des personnes concernées dans le délai d’un mois (article 12 du RGPD). Une CDP y répond quand l’effacement, le retrait du consentement et la suppression d’audience partent d’un seul système et atteignent toutes les destinations. Demandez à l’éditeur la démonstration du flux d’effacement de bout en bout, puis la liste de ses sous-traitants ultérieurs.

Faut-il héberger une CDP en France pour respecter le RGPD ?

Non : le RGPD n’impose pas d’héberger en France les données personnelles d’un client français. Le RGPD encadre les transferts hors de l’Union européenne au lieu d’imposer un lieu de stockage, et laisse à l’entreprise le choix de la région d’hébergement. Ce qui compte lors de l’évaluation est le cadre juridique du transfert, la liste des sous-traitants ultérieurs et la capacité de l’éditeur à documenter la résidence des données ; l’hébergement en France est une option contractuelle, pas une obligation légale.

Cet article est aussi disponible en : How to Evaluate a CDP in the AI Era: 10 Questions · AI時代のCDP評価基準：確認すべき10の質問 · Como avaliar uma CDP na era da IA: 10 perguntas · ¿Cómo evaluar un CDP en la era de la IA? 12 criterios