Entrepôt de données marketing et CDP composable : ce que le CMO doit vraiment comprendre

Le terme "CDPCDPA Customer Data Platform unifies customer data from all sources into persistent, actionable profiles that other systems can use.Voir la définition complète → composable" circule depuis quelques années dans les discussions entre DSI et directeurs marketing, souvent sans qu'on prenne le temps d'en poser les fondations. Le risque : acheter une solution en croyant résoudre un problème de données alors qu'on en crcrThe percentage of visitors or prospects who complete a desired action (purchase, sign-up, contact form), calculated as conversions divided by total opportunities.Voir la définition complète →ée un nouveau. Ce qui est en jeu, c'est la manière dont une organisation centralise, active et gouverne ses données clients, et qui en est responsable.

Pourquoi cette architecture concerne directement le CMO

Historiquement, le CDP (Customer Data PlatformCustomer Data PlatformA Customer Data Platform unifies customer data from all sources into persistent, actionable profiles that other systems can use.Voir la définition complète →) a été vendu comme une boîte noire gérée par le marketing : on y ingère des données, on en sort des segmentssegmentsDividing a market into distinct groups of customers who share similar needs, characteristics or behaviours, so each group can be served with a tailored approach.Voir la définition complète →, on active des campagnes. Des éditeurs comme Segment (racheté par Twilio), mParticle ou BlueConic ont construit leur proposition sur cette logique. L'entrepôt de données, lui, relevait de la DSI, principalement Snowflake, Google BigQuery ou Databricks pour les plus répandus en 2026.

Le problème est apparu quand les équipes ont réalisé qu'elles maintenaient deux référentiels clients en parallèle : un dans le CDP, un dans l'entrepôt. Les données divergent, les coûts de synchronisation explosent, et la question de la source de vérité devient un sujet de friction permanent entre marketing et IT.

Le CDP composable répond à ce problème en inversant la logique : l'entrepôt de données devient la couche de stockage centrale, et les fonctionnalités CDP (unification des profils, calcul des segments, activation vers les canaux) sont construites par-dessus, sous forme de composants indépendants. Des acteurs comme Hightouch ou Census ont bâti leur modèle sur ce principe, en proposant ce qu'ils appellent du "reverse ETLETLETL (Extract, Transform, Load) is a data integration process that pulls data from sources, reshapes it into a consistent format, and writes it into a target system.Voir la définition complète →" : pousser vers les outils d'activation (CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Voir la définition complète →, ad platforms, email) ce qui a déjà été modélisé dans l'entrepôt.

Pour le CMO, l'enjeu est direct : les données clients ne quittent plus l'environnement contrôlé par la DSI, ce qui simplifie la conformité RGPD, réduit la duplication des coûts de stockage, et donne aux équipes marketing accès à un périmètre de données bien plus large que ce qu'un CDP traditionnel peut ingérer.

Comment ça fonctionne concrètement

Prenons un exemple opérationnel. Une enseigne de retail européenne dispose de données transactionnelles dans Snowflake, de données comportementales web traitées via dbt (un outil de transformation SQLSQLSales Qualified Lead: a prospect the sales team has validated as ready for direct outreach and a proposal, having passed clear qualification criteria.Voir la définition complète →), et de données de service client dans Salesforce. Avec un CDP traditionnel, elle devrait exporter tout ou partie de ces données vers la plateforme tierce pour construire des profils unifiés. Avec une architecture composable, la résolution d'identité (le fait de réconcilier qu'un utilisateur anonyme sur le site est le même que le client porteur de carte fidélité) se fait directement dans Snowflake, via des modèles SQL ou des packages spécialisés comme ceux proposés par Amperity ou par la couche native de Databricks.

Une fois le profil unifié construit dans l'entrepôt, Hightouch ou un outil équivalent le lit et pousse les segments directement vers Google Ads, Meta, Klaviyo ou le CRM, selon une logique de synchronisation programmée ou déclenchée par événement. L'équipe marketing configure les règles de segmentationsegmentationDividing a market into distinct groups of customers who share similar needs, characteristics or behaviours, so each group can be served with a tailored approach.Voir la définition complète → dans un outil SQL ou via une interface no-code posée sur l'entrepôt, sans jamais extraire les données brutes.

Ce qui change fondamentalement : le modèle de données client n'appartient plus à un éditeur tiers. Il est dans l'entrepôt de l'entreprise, versionné, auditable, et partageable avec d'autres équipes (finance, supply chain, produit) sans multiplication des sources.

La contrepartie immédiate est la complexité d'assemblage. Là où un CDP traditionnel livre une interface unifiée clé en main, le CDP composable suppose de connecter plusieurs outils, de maintenir des pipelines dbt, de gérer des accès et des droits dans l'entrepôt. Sans une équipe data engineering disponible et alignée avec le marketing, l'architecture reste théorique.

Quand adopter cette architecture, et quand s'en tenir à un CDP traditionnel

Le CDP composable est pertinent dans quatre situations bien précises :

• L'entreprise a déjà investi dans un entrepôt cloud moderne et des équipes data capables de le maintenir.
• Le volume de données ou la diversité des sources rendrait coûteuse l'ingestion dans un CDP tiers (les tarifs des CDP traditionnels sont souvent indexés sur le volume d'événements ou de profils).
• La conformité réglementaire impose de ne pas dupliquer les données personnelles hors de l'environnement certifié.
• L'organisation souhaite que les données clients alimentent des cas d'usage au-delà du marketing (prédiction du churn pour la finance, segmentation pour le product management, etc.).

En revanche, un CDP traditionnel reste plus adapté si l'équipe marketing opère sans soutien technique solide, si le time-to-market prime sur l'optimisation architecturale, ou si l'entrepôt n'existe pas encore. Mettre en place Snowflake, dbt et Hightouch pour résoudre un problème de segmentation email que Segment aurait résolu en deux semaines, c'est une erreur de calibrage fréquente dans les organisations mid-market.

Il faut aussi mentionner un risque spécifique au modèle composable : la dépendance aux compétences SQL et data engineering crée une asymétrie entre les équipes. Si le marketing ne peut pas modifier un segment sans ouvrir un ticket à la DSI, l'autonomie promise par l'architecture ne se matérialise pas. Des outils comme Hightouch ou Census proposent des interfaces visuelles pour réduire cette friction, mais ils n'éliminent pas le besoin d'une gouvernance claire entre les équipes.

Snowflake lui-même a racheté Streamlit et investi dans des fonctionnalités natives d'activation marketing, ce qui montre que la frontière entre entrepôt et CDP continue de se brouiller. Databricks avance dans la même direction avec ses "AI/BIBITechnologies and processes that turn raw data into actionable insights via reporting, dashboards and analysis, so teams can decide based on facts rather than intuition.Voir la définition complète → Genie" et ses couches de gouvernance. Ces évolutions (à noter : les chiffres de roadmap publiés par ces éditeurs sont des communications commerciales à vérifier sur des sources indépendantes comme Gartner ou IDC) suggèrent que d'ici deux à trois ans, la distinction CDP versus entrepôt sera encore moins nette qu'aujourd'hui.

La décision d'architecture data ne peut plus rester dans le seul périmètre de la DSI. Le CMO qui comprend les mécaniques du CDP composable est en mesure de poser les bonnes questions en comité d'investissement, d'éviter la duplication coûteuse de référentiels, et de négocier avec ses pairs techniques sur un terrain commun. C'est une compétence de gouvernance autant que de technologie.