Salesforce Data Cloud (anciennement Customer Data Platform, anciennement Genie). C’est le produit dont tout le monde parle dans les comités Salesforce depuis deux ans, mais que peu d’entreprises savent réellement positionner. Voici, en clair, ce que c’est, à quoi ça sert, à quel coût — et surtout, quand c’est utile et quand c’est over-engineered.
Data Cloud, c’est quoi exactement
Data Cloud est un Customer Data Platform (CDP) intégré à Salesforce. Il fait trois choses essentielles :
- Ingestion temps réel de données depuis tous vos systèmes (CRM, ERP, e-commerce, web analytics, marketing automation, IoT, data warehouse).
- Unification des profils clients : reconnaître que la personne qui a ouvert un email, visité votre site, appelé votre service client et acheté en boutique est la même.
- Activation : redistribuer ces profils unifiés vers vos outils d’engagement (Marketing Cloud, AgentForce, Einstein, Service Cloud) en temps réel.
Concrètement, c’est la couche qui permet à votre instance Salesforce de devenir une plateforme data-driven, et qui rend AgentForce vraiment intelligent (sans Data Cloud, AgentForce voit juste les données du Sales Cloud).
Les cas d’usage qui justifient Data Cloud
- Personnalisation temps réel sur le e-commerce : recommandations basées sur le comportement de session + historique CRM + données ERP.
- Service client à 360° : l’agent voit l’ensemble du parcours client (web, app, boutique, SAV) avant de prendre l’appel.
- Activation marketing cross-canal : segmenter sur des critères mêlant tous les systèmes, exporter vers Meta, Google Ads, TikTok pour des audiences look-alike.
- AgentForce avancé : l’agent a accès à une vue unifiée du client pour répondre intelligemment.
- Analytics prédictifs : modèles Einstein qui s’appuient sur la donnée unifiée pour scoring, churn, next best action.
Quand Data Cloud n’est PAS nécessaire
- Si votre CRM est votre seule source de données client : Sales Cloud + Service Cloud suffisent, Data Cloud serait sur-dimensionné.
- Si votre marketing est mono-canal (juste de l’email) : Marketing Cloud Engagement suffit.
- Si vous avez moins de 100 000 profils clients : le ROI Data Cloud devient marginal sur ces volumes.
- Si vos données sont mal gouvernées : Data Cloud sur des données pourries ne fait que pourrir plus vite. Il faut d’abord nettoyer.
Comment Data Cloud se compare aux CDP du marché
- Adobe Real-Time CDP : meilleur sur l’écosystème Adobe (Adobe Analytics, Adobe Experience Manager). Préférable si vous êtes lourdement Adobe.
- Treasure Data, mParticle, Segment : CDP indépendants, ouverts, plus simples à connecter à un écosystème hétérogène. Préférables si vous n’êtes pas centrés sur Salesforce.
- Tealium : positionné sur le tracking et l’activation web/mobile, plus léger.
- Salesforce Data Cloud : le bon choix si Salesforce est déjà au cœur de votre stack et si vous voulez activer la donnée vers Marketing Cloud, Service Cloud, AgentForce.
L’architecture type
- Sources connectées : Sales Cloud, Service Cloud, Marketing Cloud, e-commerce (Shopify, Commerce Cloud), web analytics (GA4, Adobe Analytics), data warehouse (Snowflake, BigQuery), ERP, IoT.
- Connexion native ou par streaming API : Salesforce dispose de connecteurs natifs vers les principales sources, et d’une API pour les sources custom.
- Modélisation : Data Cloud unifie les schémas via le modèle de données canonique (Customer 360 Data Model).
- Identity Resolution : règles déterministes (email, téléphone, ID) et probabilistes (combinaisons de signaux) pour fusionner les profils.
- Activation : segments distribués vers les outils d’engagement, ou exposés en API pour AgentForce.
Le coût réel
- Tarification au crédit consommé : ingestion, stockage, calcul, activation. Difficile à prédire au démarrage.
- Entry typique : 30 à 60 k€/an pour démarrer (1 à 5 millions de profils unifiés).
- Volumes mid-market : 100 à 300 k€/an pour des organisations à fort trafic.
- Grands comptes : 500 k€ à 2 M€/an, voire au-delà.
Le coût de mise en œuvre (intégration, modélisation, identity resolution) est typiquement aussi important que la licence la première année — comptez 200 à 800 k€ pour un déploiement sérieux.
Le bon ordre de mise en œuvre
- Phase 1 — Cas d’usage cible : choisir 1 cas d’usage à fort impact (personnalisation e-commerce, ou unification service client).
- Phase 2 — Sources prioritaires : connecter 3 à 5 sources maximum (CRM, e-commerce, web analytics, marketing cloud).
- Phase 3 — Identity Resolution : configurer les règles de fusion avec validation métier.
- Phase 4 — Activation : pousser les profils unifiés vers le canal d’engagement choisi.
- Phase 5 — Mesure et extension : démontrer le ROI sur le cas d’usage, étendre progressivement.
Conclusion : un produit puissant pour les organisations matures
Data Cloud n’est pas un gadget marketing. C’est un produit structurant qui transforme la capacité d’activation client. Mais c’est un investissement sérieux qui ne se justifie que pour les organisations avec volumes significatifs, multi-canalité, et ambition data-driven assumée.
Pour les autres, Sales Cloud + Service Cloud + Marketing Cloud Engagement suffisent largement.
Voir aussi notre comparatif AgentForce vs Einstein Copilot pour comprendre comment Data Cloud s’articule avec l’IA Salesforce. Si vous portez un projet Data Cloud et que vous voulez en discuter, contactez-nous sur cloudgirafe.fr.
