RAPPORT

Le Modern Marketing Data Stack 5e édition

Gouverner l’entreprise agentique

Notre cinquième édition suit l’évolution du Modern Marketing Data Stack :

Les agents d’IA passent de l’expérimentation à l’exécution. La gouvernance s’impose comme une condition essentielle de leur déploiement à grande échelle.
Les entreprises réorganisent leurs stacks autour de données gouvernées au lieu de leurs applications
La composabilité, la confiance et le contrôle deviennent des priorités architecturales

Nous passons d’outils d’assistance à des agents capables d’initiatives

L’IA est passée des fonctionnalités aux flux de travail. Désormais, les systèmes sélectionnent les outils, coordonnent les actions et façonnent les décisions avec une intervention humaine limitée. Cela change le modèle opérationnel de chaque organisation marketing.

Comment verrouiller les données clients pour des raisons de confidentialité et de conformité alors qu’elles sont utilisées partout pour créer de la valeur ?
Qui gouverne les décisions quand le décideur n'est pas humain ?
Comment construire des systèmes d’IA efficaces, responsables et fiables, pas seulement rapidement ?

Le rapport examine comment sont repensés les stacks marketing pour répondre à ces questions, et ce qui sépare les entreprises qui font de réels progrès de celles qui expérimentent encore.

À l’échelle de l’entreprise, l’IA impose un changement inévitable : passer de stacks fragmentés et axés sur les applications à des systèmes conçus autour des résultats. Le stack doit être gouverné comme un modèle opérationnel : il faut reconnecter les données, les processus et les décisions pour réinventer en permanence le mode de fonctionnement de l’entreprise. »

Elise Cornille

CMO, Americas, Accenture

Le stack se réorganise autour des données

Les outils de connexion des systèmes deviennent aussi importants que les applications elles-mêmes. Alors que les flux de travail alimentés par l’IA englobent l’analyse, l’activation, la mesure et la collaboration, la question fondamentale est passée de « Quelles applications font partie du stack ? » à « Le stack peut-il gérer une prise de décision coordonnée, l’accès gouverné aux données et l’automatisation contrôlée ? ».

Il en résulte un changement structurel :

Les architectures composables se connectent aux actuelles architectures monolithiques, voire les remplacent, mais une composabilité sans gouvernance engendre des risques spécifiques
L’IA a créé un nouveau plan de contrôle au-dessus des outils existants : une couche qui assemble le contexte, oriente les décisions et pilote l’action sur l’ensemble du stack
La sémantique partagée, la résolution d’identité et l’application du consentement deviennent des capacités de plus en plus fondamentales pour les entreprises qui déploient l’IA à grande échelle

Découvrez les modèles architecturaux qui émergent lors des déploiements réussis, les catégories et les fournisseurs qui façonnent le stack moderne, ainsi que les bases de gouvernance nécessaires au bon fonctionnement de tout cela.

Gérer l’entreprise agentique dans une réalité hétérogène

Toutes les entreprises ne sont pas prêtes pour les agents, et ce n’est pas un échec. La maturité varie selon le secteur, l’échelle, l’exposition réglementaire et l’état de préparation des données. Les entreprises qui profitent déjà d’avancées solides ont toutes quelque chose en commun : ce sont celles qui se sont attachées en premier lieu à établir gouvernance, sémantique et confiance.

Dans ce rapport, vous découvrirez :

Pourquoi aller trop vite vers l’automatisation sans contrôle sur les données engendre plus de risques que d’efficacité
Où les situations hybrides (les outils existants se liant à des éléments composables) sont la norme, et non l’exception
Comment l’IA fait évoluer la collaboration en intégrant plus tôt l’expertise transversale

Ce rapport répertorie les modèles qui fonctionnent selon les différents niveaux de maturité, et propose des recommandations adaptées à l’état d’avancement de votre entreprise aujourd’hui.

Ce que je n’avais pas pleinement anticipé, c’est l’accélération de la collaboration. Un rédacteur peut esquisser un storyboard en quelques minutes et avoir un échange plus précis avec un directeur artistique. »

Scott Mager

US CMO, Deloitte

La confidentialité, le consentement et le contrôle à l’ère des agents

Les préoccupations en matière de vie privée des consommateurs sont toujours d’actualité. Les réglementations se multiplient. Désormais, les agents d’IA prennent des décisions sur les données clients à une vitesse et une échelle telles qu’il est impossible d’y appliquer une gouvernance manuelle.

Les signaux de désabonnement universels deviennent une loi. Les exigences de suppression automatisée se développent. Les entreprises intègrent les contrôles de conformité directement dans les infrastructures au lieu de les traiter comme des processus en aval.
L’IA introduit de nouveaux risques : conservation accidentelle des données, utilisation secondaire non autorisée, modèles entraînés sur des données auxquelles ils ne devraient pas toucher.
Les entreprises qui gèrent efficacement ces risques font de la protection de la vie privée une compétence opérationnelle à part entière, ancrée au cœur de l'accès, du partage et de l'utilisation des données.

Découvrez comment la confidentialité, le consentement et la gouvernance convergent vers un défi architectural unique, et comment les entreprises leaders y répondent.

Sans des données fiables et bien gouvernées, toute les ambitions en matière d’IA se heurtent à la même réalité : des projets lents, risqués et impossibles à déployer à grande échelle. Les équipes qui s’imposent aujourd’hui sont celles qui modernisent leur socle data avant toute autre chose. »

Kate Mackie

Chief Marketing Strategy and Operations Officer, EY

Télécharger le rapport

Méthodologie

Objectif et portée de l’étude

L’objectif de cette étude était d’identifier les solutions marketing qui ont permis d’établir une base de clients substantielle et active au sein de Snowflake.

Les données d’utilisation et les tendances associées ont été analysées sur une période de 12 mois qui correspond à l’exercice fiscal 2026 de Snowflake, du 1er février 2025 au 31 janvier 2026. L’analyse a porté sur les données de plus de 11 500 clients de Snowflake.

Population de clients incluse dans l’analyse

Cette analyse a évalué l’utilisation des services par les clients actifs de Snowflake au cours de la période étudiée.

Aux fins de cette étude, les clients actifs ont été définis comme les clients qui disposent soit d’un contrat de capacité, soit d’un contrat à la demande/en libre-service avec une date de fin valide, et ont généré du chiffre d’affaires pour Snowflake au cours de l’année précédente.

Toutes les références au nombre de clients, à l’utilisation, à la croissance et aux classements reposent exclusivement sur cette population définie.

Critères d’éligibilité et d’inclusion des solutions

Seules les solutions qui répondent aux critères d’éligibilité suivants ont été prises en compte pour l’évaluation :

Les membres actifs du Snowflake Partner Network (SPN), ou
Qui opèrent dans le cadre d’un accord comparable avec Snowflake, ou
Les fournisseurs de la Marketplace Snowflake qui ont accepté les conditions générales applicables de la Marketplace.

Catégorie spéciale à prendre en compte :

Les entreprises mentionnées dans la catégorie des grands modèles de langage (LLM) représentent des fournisseurs dont les LLM sont disponibles dans l’AI Data Cloud de Snowflake via Snowflake Cortex AI. Ces entreprises n’ont pas été évaluées dans le cadre du Modern Marketing Data Stack.

Catégorisation des solutions en fonction de leur type d’utilisation sur Snowflake

Les prestataires s’intègrent à l’AI Data Cloud de Snowflake de différentes manières en fonction de l’architecture de leur produit et de leurs cas d’usage. Pour évaluer leur adoption et leur leadership sur le marché, les solutions ont été classées en fonction de leur utilisation de Snowflake.

L’analyse a évalué les solutions dans les catégories de consommation suivantes :

Les solutions qui utilisent Snowflake à des fins d’intégration, de transformation et d’analyse de données.
Les solutions qui utilisent les workloads de collaboration de Snowflake pour intégrer leurs offres de produits autres que des solutions de collaboration autour des données
Les solutions qui utilisent les workloads de collaboration de Snowflake pour proposer une offre de collaboration autour des données et correspondent à la catégorie collaboration de ce rapport

Chaque catégorie utilise des indicateurs et une pondération distincts pour refléter la nature de l’utilisation de Snowflake associée à ce modèle d’intégration.

Indicateurs utilisés pour mesurer l’adoption et la réussite

La réussite de l’adoption a été mesurée à l’aide d’indicateurs spécifiques à chaque catégorie, alignés sur la manière dont les solutions des partenaires exploitent les fonctionnalités de Snowflake.

Indicateurs relatifs aux workloads d’intégration, de transformation et d’analyse des données

Pour les solutions qui utilisent Snowflake principalement pour l’intégration, la transformation et l’analyse des données, l’analyse a mesuré :

Le nombre total de clients actifs qui utilisent cette solution
La consommation totale de crédits Snowflake attribuable à cette solution
Le pourcentage de croissance tant du nombre de clients que de la consommation de crédits

Indicateurs relatifs aux intégrations de produits (à l’exclusion des solutions de collaboration autour des données)

Pour les solutions qui utilisent les workloads de collaboration de Snowflake pour intégrer des offres de produits (à l’exclusion des solutions de collaboration autour des données), l’analyse a mesuré :

Le nombre total de périphéries stables qui incluent la solution.
La consommation totale de crédits Snowflake générée par les partages de données utilisés par la solution.
La croissance des périphéries stables et de la consommation de crédits.

Une périphérie stable représente une relation permanente entre un fournisseur et un utilisateur de données. Par définition, une périphérie stable est un partage de données qui :

a produit au moins 20 transactions pour lesquelles des ressources de calcul ont été consommées, et
a généré des revenus comptabilisés pour les produits,
au cours de deux périodes successives de trois semaines, avec au moins 20 transactions par période.

Indicateurs relatifs aux offres de collaboration autour des données

Pour les solutions qui proposent des offres de collaboration autour des données, l’analyse a mesuré :

Le nombre total de périphéries stables qui incluent la solution.
La consommation totale de crédits Snowflake générée par les partages de données utilisés par la solution.
Le nombre total d’utilisateurs uniques, définis comme les utilisateurs qui ont établi au moins une liaison stable avec un fournisseur de données.

Méthodologie de calcul de la croissance

Les pourcentages de croissance reflètent les variations d’utilisation des solutions de chaque catégorie au cours de la période glissante de 12 mois comprise entre le 1er février 2025 et le 31 janvier 2026, par rapport à la période de 12 mois immédiatement précédente.

L’analyse de la croissance a pris en compte l’ensemble des clients qui disposent d’une capacité active et des clients en libre-service au 1er février 2025, qui ont généré un chiffre d’affaires positif pour Snowflake au cours de l’année suivante.

Élaboration de l’indice de pénétration Snowflake

Afin d’évaluer à la fois la portée sur le marché et l’intensité d’utilisation, Snowflake a développé un indice de pénétration qui reflète l’ampleur et la profondeur des interactions entre ces solutions et Snowflake.

Les calculs de l’indice s’appuient sur des critères pondérés adaptés à chaque catégorie de consommation Snowflake.

L’étendue et la profondeur sont calculées au cours de la période d’analyse de 12 mois.

1. Indice d’intégration, de transformation et d’analyse des données

Cet indice combine l’étendue, la profondeur et la croissance selon les pondérations suivantes :

Ampleur (40 %) : nombre de clients actifs qui utilisent la solution sur Snowflake
Profondeur (40 %) : La consommation totale de crédits Snowflake attribuable à cette solution
Croissance (20 %), composée de :

> 10 % pourcentage de croissance du nombre de clients actifs

> 10 % pourcentage de croissance de la consommation de crédits Snowflake

2. Indice d’intégration des produits (collaboration hors données)

Cet indice applique les pondérations suivantes :

Ampleur (40 %) : nombre de périphéries stables associées à la solution

Profondeur (40 %) : La consommation totale de crédits Snowflake attribuable à cette solution

Croissance (20 %), composée de :

> 10 % pourcentage de croissance des périphéries stables

> 10 % pourcentage de croissance de la consommation de crédits Snowflake

3. Indice des offres de collaboration autour des données

Cet indice met l’accent sur la portée sur le marché, compte tenu de la profondeur d’utilisation :

Ampleur (70 %), composée de :

> 40 % nombre de périphéries stables associées à la solution

> 30 % nombre d’utilisateurs intégrés dans l’offre de collaboration autour des données du prestataire

Profondeur (30 %) : La consommation totale de crédits Snowflake attribuable à cette solution

Classement et sélection des solutions marketing

Les solutions ont été classées de 1 à N, où un rang inférieur indique des performances plus élevées.

Snowflake a combiné les classements selon les indicateurs applicables et normalisé les résultats sur une échelle de 0 à 100, où un score de 100 représente une solution classée première pour tous les indicateurs applicables.

Désignation Leader

Les solutions ont été identifiées comme Leaders sur la base des critères suivants :

Toutes les catégories sauf la collaboration :

Classement parmi les trois premières de leur catégorie, ou

Score d’indice technologique compris dans les 87 % du score d’indice moyen des trois premières solutions de cette catégorie

Catégorie Collaboration :

Classement dans les trois premiers de la catégorie, ou

Score d’indice technologique compris dans les 96 % du score d’indice moyen des trois premières solutions de la catégorie

Désignation À suivre

Les technologies À suivre ont été sélectionnées sur la base d’un classement relatif solide dans l’indice, combiné à des facteurs qualitatifs tels que :

Forte dynamique récente sur le marché

Solution ou approche d’intégration à Snowflake innovante

Capacités clients démontrées

Cette méthodologie vise à fournir une vision transparente, homogène et justifiable des solutions marketing qui gagnent en adoption et démontrent leur impact au sein de l’écosystème client de Snowflake.