Pourquoi la modernisation de la fondation des données est une première étape cruciale dans toute stratégie d'AI
par Aly McGue
Il existe une version de l'histoire de la modernisation de l'IA qui consiste à dire : construisez la plateforme, puis trouvez les cas d'usage. Ankur Jain vous dira que c'est tout le contraire — et que la plupart des organisations l'apprennent à leurs dépens.
Ankur est Chief Cloud and Data Modernization Officer chez Acxiom, le socle technologique et de données connectées qui aide les marques mondiales à unifier l'identité client sur tous les canaux, à enrichir les profils clients avec plus de 10 000 attributs et à obtenir des résultats en matière d'acquisition, de fidélisation et de personnalisation des clients.
Ankur dirige à la fois l'ingénierie produit et l'ingénierie des solutions orientées client — ce qui signifie qu'il est responsable non seulement de ce qu'Acxiom construit, mais aussi de la manière dont ces capacités sont intégrées dans les environnements où les clients opèrent réellement.
Après avoir rejoint l'entreprise il y a moins de deux ans, Ankur a dirigé la modernisation de l'infrastructure centrale, des pipelines de données, de l'architecture existante et de la pile technique sous-jacente d'Acxiom. Aujourd'hui, Acxiom développe activement des workflows agentiques qui automatisent l'ensemble de la chaîne de valeur du marketing.
Aly McGue : De nombreuses organisations souhaitent passer à l'IA agentique mais exécutent toujours leurs charges de travail principales sur des infrastructures existantes. Quel est le risque d'essayer de construire de l'intelligence sur des fondations qui n'ont pas été conçues pour cela ?
Ankur Jain : Le risque est de se heurter à un plafond presque immédiatement. Quand j'ai rejoint Acxiom, les produits et les solutions clients étaient principalement hébergés sur site. Lorsque vos produits et solutions sont limités à un centre de données, leur évolutivité est restreinte. Les performances n'étaient pas à la hauteur des cas d'usage en temps réel demandés par les clients. Et puis, il y avait beaucoup de technologies existantes — la pile avait besoin d'un rafraîchissement, d'une réinvention de ce à quoi pourrait ressembler une architecture cloud-native.
Nous avons également constaté de nombreux pipelines manuels, beaucoup de redondance de données, des copies des mêmes données à plusieurs endroits. Le processus lui-même n'était pas très efficace. Toute organisation qui tente de créer des capacités agentiques sur des fondations fragmentées ou existantes va passer plus de temps à gérer l'infrastructure qu'à créer des produits.
Pour nous, la vision stratégique se résume à deux lignes directrices : la modernisation des données et le marketing agentique. Elles sont séquentielles, pas parallèles. Vous ne pouvez pas construire un écosystème de marketing agentique sur des fondations existantes.
Aly : Vous êtes passé d'un environnement Hadoop sur site à Databricks. Qu'est-ce que ce changement a rendu possible qui ne l'était pas auparavant ?
Ankur : En termes de performances, nous avons constaté des améliorations à tous les niveaux, sur différents types de charges de travail et de pipelines, avec des temps d'exécution près de 80 à 90 % plus rapides. Des charges de travail qui prenaient auparavant plus de 50 heures, parfois plus de 90 heures — et je parle bien d'heures, donc littéralement des jours, parfois jusqu'à une semaine — sont désormais exécutées en 2 à 3 heures. Ces mêmes charges de travail, en 2 ou 3 heures.
Cela a également libéré nos équipes. Dans certains cas, nous avons pu libérer plusieurs postes à temps plein pour qu'ils se concentrent sur des résultats à valeur ajoutée plutôt que sur la gestion de l'infrastructure. Le principal avantage a été de permettre à l'équipe d'ingénierie de se concentrer davantage sur les résultats commerciaux plutôt que de se soucier de l'infrastructure sous-jacente. Cela peut sembler être un bénéfice secondaire, mais lorsque vos ingénieurs passent leur temps à créer des produits et à fournir des solutions aux clients plutôt qu'à simplement maintenir le système en état de marche, cela change la donne sur ce que vous pouvez entreprendre.
Aly : Où voyez-vous l'IA agentique remodeler les workflows marketing réels aujourd'hui, et jusqu'où s'étend cette vision ?
Ankur : L'activité principale d'Acxiom est très centrée sur les données. Nous importons des données marketing provenant de multiples plateformes — CRM, e-commerce, Adobe Analytics, Google Analytics — et aidons les marques à construire une vue client holistique, à l'enrichir et à obtenir des résultats. Traditionnellement, cela nécessitait une équipe d'ingénieurs de données et d'architectes de données qui modélisaient tout et construisaient des pipelines manuellement. L'ETL est toujours l'étape la plus longue, et cela prenait des mois.
Grâce à l'IA, tout ce cycle se raccourcit. Génération de code via des prompts, tests automatisés des résultats, accélération des pipelines CI/CD. Côté marketing, la production de différentes variantes d'une publicité prenait autrefois des mois aux agences de création. Aujourd'hui, vous pouvez analyser des publicités à grande échelle grâce au machine learning, injecter ces résultats dans un moteur d'IA et générer des variantes hautement personnalisées en quelques minutes.
C'est sur l'exécution que nous avons constaté le plus grand changement concret. Prenez la planification d'audience : un marketeur saisit un prompt décrivant un objectif de campagne et un profil cible, et l'agent construit les segments d'audience avec des exemples de personas en utilisant les données d'Acxiom, fait ressortir différentes dimensions démographiques et comportementales, puis laisse le marketeur affiner le tout. Ce qui nécessitait auparavant les efforts de plusieurs personnes aux compétences variées et beaucoup de temps de préparation se fait désormais de manière agentique en quelques minutes. Nous avons démontré le même modèle pour l'achat média : un agent interroge l'inventaire disponible, l'évalue, prend une décision d'achat et active les audiences sur l'ensemble des canaux.
L'objectif est de connecter l'ensemble du pipeline — de la conception de l'audience à l'achat média, en passant par l'activation et l'analyse des performances — dans un framework agentique. Toute cette capacité d'IA pour la BI que Databricks développe à travers Genie et l'écosystème agentique est exactement la direction que prennent les charges de travail marketing comme les nôtres. Tout cela peut être mis en œuvre de bout en bout.
Aly : Acxiom opère dans des secteurs hautement réglementés, et le déploiement d'agents nécessite un niveau de confiance élevé. Comment cela influence-t-il la façon dont vous intégrez la gouvernance dans les workflows agentiques ?
Ankur : Les données que nous traitons incluent des PII, donc chaque workflow agentique que nous construisons commence par la confidentialité comme principe d'architecture.
En pratique, cela signifie que le contenu généré par l'IA ne va jamais directement dans une campagne active. Il passe par un workflow d'approbation où le service juridique examine la création et les messages avant que quoi que ce soit ne parvienne au client. Les agents opèrent dans des limites définies, avec des contrôles de sécurité et de confidentialité intégrés au pipeline, et les humains restent dans la boucle à chaque étape présentant un risque réglementaire ou d'image de marque. Le but n'est pas de ralentir les choses. Il s'agit de s'assurer que la rapidité ne se fasse pas au détriment de la confiance — pour le client, la marque ou Acxiom.
Aly : Qu'est-ce que cela signifie pour les produits d'Acxiom d'être natifs de l'IA, et comment cela change-t-il l'expérience concrète des clients ?
Ankur : Être natif de l'IA signifie que l'intelligence est intégrée à l'ensemble de la chaîne de valeur du marketing : l'ingestion de données first-party, l'unification de l'identité client, l'enrichissement des profils avec les actifs de données d'Acxiom, la construction de segments d'audience, la planification des achats médias, l'activation des campagnes sur tous les canaux et la réinjection des analyses de performance dans le cycle suivant. Chacune de ces étapes peut désormais être pilotée par l'IA plutôt qu'orchestrée manuellement.
Pour les clients, le plus grand changement est la transparence. Traditionnellement, une grande partie de ce que nous fournissions fonctionnait comme une boîte noire. Les marques envoyaient des données, les résultats revenaient, et la logique intermédiaire était opaque. Désormais, ces mêmes capacités peuvent être fournies de manière collaborative, au sein des plateformes que les clients utilisent déjà, avec une visibilité totale sur la manière dont les décisions sont prises. C'est ce que demandent les clients : aller à leur rencontre là où ils se trouvent, opérer dans leur environnement et rendre le processus transparent.
Et c'est un moteur puissant qui vient non seulement de l'intérieur de l'organisation, mais directement de nos clients. Ils nous demandent : comment pouvez-vous rendre cela plus rentable ? Comment pouvez-vous le rendre plus performant ? Comment pouvez-vous le rendre plus rapide ? Si vous voulez répondre honnêtement à ces questions, vous devez intégrer l'IA.
Aly : Vos actifs de données sont au cœur de ce qu'Acxiom vend. Comment évolue la manière dont vous livrez ces données aux clients, et qu'est-ce que cela permet de débloquer ?
Ankur : Acxiom aide ses clients à tirer le meilleur parti de leurs données clients. Nous les aidons à les exploiter et à les monétiser. We provide data assets that brands otherwise would not have, across automotive, retail, healthcare and pharmaceutical. Historiquement, la livraison de ces données se faisait par des moyens traditionnels — via SFTP. Une marque demandait un enrichissement, nous concluions un contrat et envoyions les fichiers. C'était l'ancienne méthode.
Aujourd'hui, nous intégrons nos données de manière agentique, soit dans nos propres plateformes, soit directement dans l'environnement du client. Nous sommes partenaires des principales plateformes de martech où nos actifs de données sont nativement disponibles. Si un client construit sa propre plateforme d'IA, nous pouvons l'intégrer de manière agentique afin qu'il puisse appeler nos actifs et les exploiter directement. Nous développons également des solutions de clean room en partenariat avec Databricks, où les clients peuvent intégrer les données d'Acxiom de manière sécurisée et respectueuse de la confidentialité au sein de leur propre écosystème.
Les marques avec lesquelles nous travaillons comprennent que les données first-party sont leur actif le plus précieux. La confidentialité des données joue un rôle très important lors du traitement de ces données. Les marques veulent exercer un contrôle accru et internalisent constamment leurs capacités marketing. Les attentes évoluent : les agences doivent désormais travailler au sein des plateformes et des frameworks de gouvernance des marques. Les agences capables d'opérer et d'obtenir des résultats nativement dans cet environnement deviendront indispensables.
Aly : Si vous vous adressiez à un homologue de la C-suite qui commence tout juste à déployer ses efforts en matière d'AI à grande échelle, quelle est la chose essentielle que vous aimeriez lui dire ?
Ankur : Assurez-vous que les fondations soient solides. On parle beaucoup d'AI, mais ce n'est plus un simple effet de mode ; c'est une réalité. Mais ce qui fait le succès ou l'échec de toute initiative d'AI, ce sont les fondations sur lesquelles elle repose. Dans notre cas, migrer du sur site vers le cloud n'était pas seulement une ambition. Garder l'avenir à l'esprit en a fait une nécessité pour que nous puissions être un véritable acteur de l'aventure de l'AI. Des fondations de données solides, une architecture cloud-native, la gouvernance et la sécurité des données — ce sont les ingrédients clés. Toute organisation qui saute cette étape finira par se rendre compte qu'elle n'était pas facultative.
Le modèle d'Acxiom est un cadre de réflexion utile pour tout dirigeant qui cherche à savoir où concentrer son énergie. Moderniser les fondations et poursuivre l'AI agentique ne sont pas deux programmes distincts en concurrence pour obtenir du budget et de l'attention. Il s'agit du même pari, réalisé de manière séquentielle. Structurez correctement la couche de données, prouvez la valeur grâce à des projets pilotes ciblés, puis intégrez vos capacités différenciatrices là où les clients en ont réellement besoin.
L'évolution décrite par Ankur — qui consiste à passer de la livraison de données par transfert de fichiers à l'intégration native de l'intelligence au sein des environnements clients — n'est pas seulement une mise à niveau architecturale. Elle transforme la nature même d'Acxiom en tant qu'entreprise. Ce type de repositionnement ne se fait pas en greffant simplement l'AI sur une infrastructure sur site. Cela exige que les fondations soient posées en premier.
Découvrez comment plus de 25 experts du secteur et plus de 1 200 dirigeants interrogés ouvrent la voie à un déploiement réussi de l'AI en accédant au rapport « Making AI Deliver » d'Economist Enterprise, créé en partenariat avec Databricks.
(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original
Abonnez-vous à notre blog et recevez les derniers articles directement dans votre boîte mail.