Le développement de workflows agentiques couvrant l’analytique, l’activation et la mesure remet sous pression les architectures marketing fondées sur la duplication des données. Snowflake défend un socle unifié permettant de connecter différents outils sans reconstruire les règles de gouvernance.
Les agents IA peuvent accélérer les opérations marketing, mais ils rencontrent rapidement les limites des architectures fragmentées. Lorsqu’une donnée est copiée entre plusieurs plateformes d’activation, d’analyse ou de mesure, chaque nouvel outil ajoute ses propres règles et ses propres mécanismes de contrôle. Dans la cinquième édition de son Modern Marketing Data Stack, Snowflake considère donc l’unification des données comme l’une des conditions nécessaires au passage à l’échelle de l’IA agentique.
L’objectif consiste à organiser les architectures autour d’une fondation commune et gouvernée sur laquelle différents outils spécialisés peuvent venir s’appuyer.
Fanatics rassemble plus de 100 millions de profils
Le rapport illustre cette approche avec Fanatics. Le groupe génère quotidiennement plusieurs milliards de signaux provenant de ses activités dans le sport, le jeu et les objets de collection. Ces données étaient auparavant réparties entre différentes divisions. Fanatics a développé sur Snowflake sa plateforme FanGraph afin de constituer une vision unifiée de plus de 100 millions de supporters.
L’entreprise a ensuite déployé Snowflake CoWork pour permettre aux équipes marketing et opérationnelles d’explorer directement ces informations, poser des questions complémentaires et rechercher des tendances sans passer systématiquement par un analyste.
Construire les agents sur une donnée commune
Cette fondation sert désormais au développement d’agents capables d’automatiser la recherche d’informations et de soutenir la personnalisation à grande échelle.
Pour Snowflake, cet exemple montre que le principal obstacle au développement de l’IA peut se situer en amont des modèles eux-mêmes. Un agent travaillant sur plusieurs copies divergentes d’une même information risque de produire des résultats difficiles à gouverner ou à expliquer. L’enjeu de transformation consiste donc moins à multiplier les outils d’IA qu’à réduire la fragmentation de la donnée sous-jacente. Les entreprises peuvent ensuite ajouter ou remplacer des solutions spécialisées sans reconstruire à chaque fois leur cadre de gouvernance.
Dans cette logique, l’architecture marketing agentique repose d’abord sur une donnée commune, cohérente et gouvernée, avant de reposer sur le nombre d’agents déployés.
