Comment HP bâtit une CDP prête pour l'IA avec Databricks CustomerLake

Lors du Data + AI Summit 2026, Luis Alonso, Global Head of Data Strategy & Engineering pour MarTech & AI Enablement chez HP, a expliqué comment l'entreprise bâtit une fondation de données go-to-market prête pour l'IA sur Databricks. 

HP a investi du temps et des efforts considérables pour unifier ses données clients et ses signaux tiers dans son Marketing Lakehouse. Désormais, Genie et CustomerLake mettent ce contexte de confiance à la disposition des équipes marketing qui prennent des décisions quotidiennes sur les audiences, les canaux et les parcours clients.

Les premiers travaux d'HP mettent en évidence trois façons dont cette approche peut réduire les coûts, enrichir le contexte client disponible et accélérer l'activation :

• Coût total de possession du CDP réduit de 40 % : HP estime que la consolidation des capacités CDP avec CustomerLake pourrait réduire le coût total de possession jusqu'à 40 % par rapport à son ancienne approche de CDP composable.
• 90 % de nouveaux signaux marketing nets : HP a étendu les données disponibles pour le marketing avec 90 % de nouveaux signaux nets issus de sources médias, de marque, d'intention et technographiques.
• Prêt pour la création d'audiences en deux heures : Dès la première utilisation de CustomerLake, HP a configuré ses modèles de données, publié des attributs et était prêt à créer des audiences — un processus qui aurait pu prendre 2 à 3 mois avec un CDP traditionnel.

Pourquoi HP repense le CDP traditionnel

Pour HP, un CDP n'est pas un seul produit ou un ensemble restreint de fonctionnalités d'activation. C'est un ensemble de capacités conçues autour des besoins de l'entreprise :

• Stratégie de données de première et de tierce partie
• Profilage et clustering de comptes
• Intelligence des identités et des groupes d'achat
• Segmentation et activation d'audience
• Mesure en boucle fermée
• Automation continue et libre-service

À mesure qu'HP consolidait davantage de données gouvernées et de logique métier sur Databricks, le maintien d'un CDP séparé entraînait une duplication croissante des pipelines, des données et de la charge opérationnelle. Les architectures composables ont réduit certains mouvements de données, mais la couche d'activation ne disposait toujours pas des définitions métier, du contexte et de la gouvernance déjà disponibles sur la plateforme de données.

Ce contexte est essentiel pour l'analyse en libre-service et les agents IA. Sans lui, un agent peut certes accéder aux données, mais sans disposer des définitions, des relations, des métriques et de la gouvernance nécessaires pour les utiliser correctement.

De centaines de dépôts de données à une fondation Marketing Lakehouse gouvernée

La transformation globale des données chez HP a permis de consolider des centaines de data lakes et de dépôts vers un nombre restreint de lakehouses Databricks. L'entreprise utilise des normes centralisées avec une exécution fédérée, permettant aux experts du domaine de conserver la propriété et la gérance tout en partageant des produits de données gouvernés à travers l'entreprise.

Cela a donné au marketing un accès gouverné à des sources auparavant fragmentées, notamment les performances médias, les parts de marché, les données technographiques et d'intention, ainsi que des modèles de propension.

Ce changement a profondément modifié la façon dont les équipes d'HP collaborent.

Alonso a décrit une demande de 2024 visant à partager des données avec un partenaire commercial qui a nécessité trois mois, environ 15 échanges d'e-mails et trois escalades, sans résultat fiable. Aujourd'hui, une demande similaire peut donner lieu à une ressource Delta Sharing gouvernée en 48 heures.

Cette amélioration donne au marketing un accès plus rapide aux données nécessaires à la planification, au ciblage, au reporting et à la mesure, tout en préservant la propriété du domaine et la gouvernance.

Transformer la préparation technique en préparation métier

Créer une base technique solide ne rend pas automatiquement les données exploitables pour les spécialistes du marketing. La prochaine étape consiste à permettre aux dirigeants, utilisateurs marketing, équipes médias et analystes de s'appuyer sur cette fondation sans solliciter l'ingénierie pour chaque question ou tâche.

HP utilise AI/BI Genie et des fonctionnalités basées sur des agents pour combler cet écart sur trois niveaux de travail :

• Prise de décision et planification pour les dirigeants et les équipes métier
• Génération d'insights et activation pour les équipes marketing, analystes et data scientists
• Développement et mise à l'échelle pour les équipes d'ingénierie

Le contexte métier est un élément central de cette stratégie. HP développe des couches sémantiques qui aident Genie à comprendre la signification des données de l'entreprise, y compris les domaines, les vues métriques, les instructions et les compétences réutilisables.

Par exemple, HP a créé une vue métrique média couvrant 26 dimensions et 10 mesures. Cela centralise les définitions des dépenses médias et des KPI de performance afin que les tableaux de bord, les utilisateurs métier et les systèmes d'IA puissent travailler à partir de la même source de vérité.

HP a également étendu l'ingestion de ses données d'intention de 75 sujets à environ 20 000 sujets. Genie Code aide l'équipe à planifier le clustering de ces signaux à l'échelle et à les utiliser pour créer des profils de comptes plus riches.

Intégrer l'identité à la fondation de données gouvernée

HP repense également l'emplacement de la résolution d'identité. Historiquement, les entreprises envoyaient souvent leurs données clients à un fournisseur d'identité externe et conservaient la couche d'identité résultante en dehors de leur environnement de données principal.

HP prévoit de réintégrer les signaux d'identité dans son environnement Databricks. Cela crée une fondation gouvernée pour la mesure, l'activation d'audience et l'amélioration des modèles. Les données peuvent transiter par le même service d'identité vers les plateformes médias et sur le trajet retour, aidant HP à élaborer une vue plus complète des performances et à améliorer continuellement ses modèles.

Alonso a souligné qu'atteindre seulement 10 % de la base de clients grand public d'HP grâce à cette approche respectueuse du consentement pourrait créer une nouvelle opportunité considérable pour l'activité commerciale.

CustomerLake Agentic CDP : être prêt pour la création d'audiences en deux heures

La première expérience d'HP avec CustomerLake illustre le potentiel de l'intégration directe des capacités marketing à la fondation de données gouvernée.

Sur la base des précédentes implémentations CDP de l'équipe, Alonso s'attendait à un long processus de configuration comprenant de nombreuses réunions, de la documentation, de la configuration de modèles de données ainsi que des révisions de sécurité et de confidentialité.

L'expérience initiale s'est révélée nettement plus simple.

« Nos modèles de données étaient en place, nos attributs étaient publiés et nous étions prêts à créer des audiences — un travail qui aurait pu nécessiter deux ou trois mois auparavant. »

Comme CustomerLake est natif sur Databricks et Unity Catalog, l'équipe d'HP a pu travailler directement avec ses schémas, tables, définitions et règles de gouvernance, au lieu de re-créer ce contexte dans une plateforme distincte.

L'architecture permet également de concrétiser une opportunité majeure de passage du B2C au B2B. HP compte des centaines de millions de clients grand public, mais un nombre bien plus restreint de contacts professionnels connus. CustomerLake permet à HP de travailler à la fois sur ses modèles de données et systèmes B2C et B2B dans un environnement unique grâce à une couche d'identité partagée. HP peut également intégrer des données provenant d'autres plateformes en utilisant Lakehouse Federation.

Les quatre enseignements de HP pour créer une base marketing prête pour l'IA

Tout au long de sa feuille de route go-to-market, HP évalue la valeur selon trois axes :

• Résultats : Meilleurs enseignements, planification, activation, reporting et mesure
• Productivité : Développement plus rapide des modèles, création d'audiences et accès aux données
• TCO : Réduction des coûts de plateforme, de licence, d'intégration et d'exploitation

Le travail de HP avec Genie et CustomerLake montre qu'il est possible de traiter ces trois domaines simultanément. Leur parcours offre quatre enseignements pratiques pour les autres entreprises qui modernisent leur stack marketing :

1. Définir la CDP selon les besoins métier. Commencez par les fonctionnalités dont vos parties prenantes ont besoin plutôt que par une définition rigide de catégorie ou une liste de produits.
2. Construire un Marketing Lakehouse gouverné. L'unification, la qualité et l'accès aux données doivent être établis avant que le libre-service et les agents puissent fonctionner de manière fiable.
3. Choisir les fonctionnalités CDP les plus proches de vos données et de votre IA. Les agents IA fonctionnent mieux lorsque le contexte client, les définitions métier et les capacités d'activation reposent sur la même base, leur fournissant le contexte nécessaire pour agir avec précision et en toute sécurité à grande échelle.
4. Mesurer conjointement les résultats, la productivité et le TCO. Une activation plus rapide, un impact sur le chiffre d'affaires, la réduction de la charge technique et la baisse des coûts de plateforme sont des éléments liés d'une même transformation.

Le parcours de HP montre que la modernisation de l'activation marketing et le déploiement de l'IA à grande échelle reposent tous deux sur la réunion des données, de l'intelligence et de l'action sur une même base. Grâce à CustomerLake et Genie sur son Marketing Lakehouse gouverné, HP offre aux responsables marketing et aux agents un accès direct à un contexte de confiance sans avoir à le recréer au sein de systèmes déconnectés. Les premiers résultats permettent notamment de préparer les audiences en deux heures au lieu de plusieurs mois, avec la possibilité de réduire le TCO de la CDP jusqu'à 40 %. Ensemble, ces avancées posent les bases d'un engagement client plus rapide, plus intelligent et plus personnalisé à grande échelle.

Regardez la session complète du Data + AI Summit ici.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original