La Customer Data Platform de l’ère agentique
Après des mois de travail aux côtés des équipes marketing de nos clients, nous lançons officiellement la CDP agentique de DinMo. Voici ce que cela signifie, ce que nous avons appris et ce qui nous distingue.

En bref
Une CDP rendait les données clients exploitables. Une CDP agentique les transforme en actions.
Une grande partie du marché conçoit des agents qui pilotent le marketing seuls. Nous les concevons pour accélérer les équipes marketing.
Dan, l’agent IA de DinMo, s’appuie sur un même contexte client et transforme l’intention d’un marketeur en travail prêt à être exécuté. Chaque modification préparée par Dan attend votre validation avant d’être appliquée.
Connectez chaque outil une seule fois. Décidez dans DinMo qui peut lire quoi, et agir où. Vos équipes, Dan et tout agent choisi par votre entreprise accèdent à votre data warehouse et à vos plateformes marketing par une passerelle unique, chacun avec les accès qui lui ont été donnés, et rien de plus. C’est, selon nous, le rôle d’une Customer Data Platform à l’ère agentique.
Nous nous engageons pour la composabilité : votre data warehouse, vos outils et vos modèles restent les vôtres. Ce que votre entreprise sait de ses clients doit leur survivre.
Table des matières
Une Customer Data Platform avait autrefois une seule mission : rendre les données clients exploitables. Les données avaient migré vers le data warehouse, et les équipes les plus proches du client ne pouvaient toujours pas y accéder sans passer par un ticket. DinMo a été conçu pour combler cet écart, et les marketeurs y créent et activent aujourd’hui leurs audiences au quotidien.
Cette mission évolue. Chaque nouvel agent, côté entreprise comme côté consommateur, est un nouvel endroit où se prend une décision sur un client. Ces décisions ont besoin du même contexte client : qui est le client, ce que l’entreprise lui a promis, quelles règles s’appliquent. Exécuter plus vite à partir d’une vision éparpillée amplifie chaque erreur.
Une CDP rendait les données clients exploitables. Une CDP agentique les transforme en actions. Voici ce qu’est désormais DinMo :
Chacune de ces quatre lignes correspond à une partie de cet article. Nous commençons par expliquer pourquoi nous avons construit DinMo ainsi, avant de présenter notre agent IA, Dan.
Pourquoi nous avons construit une CDP agentique
Une grande partie du marché conçoit les agents comme une main-d’œuvre qui fait tourner le marketing seule. Nous les concevons pour accélérer les équipes marketing.
Cette année, nous avons travaillé aux côtés des équipes marketing de nos clients, dans le cadre de DinMo Labs. Notre constat : c’est l’attente, plus que les outils ou les compétences, qui faisait manquer à ces équipes la plupart de leurs opportunités.
Pour obtenir une réponse simple, un marketeur devait demander à quelqu’un et attendre, ou ouvrir plusieurs outils. Des projets qui auraient créé une vraie valeur ont été abandonnés en cours de route.
La relation client offre bien plus d’améliorations possibles qu’aucune équipe ne peut en traiter : le message qui n’aurait pas dû partir, le client que personne n’a rappelé, le test qui n’a jamais été lancé. Nous concevons des agents pour donner cette capacité aux équipes.
Le nombre d’outils pose un problème à part entière. Chacun détient une partie de la vision du client, et un agent qui avance vite sur une vision partielle se trompe plus vite.
La plupart des éditeurs répondent en prenant le contrôle d’une plus grande partie de la stack. Les CDP natives du data warehouse envoient désormais des messages, les plateformes de données intègrent des CDP, et les plateformes d’engagement lancent leurs propres plateformes de données.
Le secteur a passé dix ans à s’éloigner de la CDP qui possédait tout, et nous n’avons pas l’intention de la reconstruire avec des agents à l’intérieur. Les entreprises utilisent plusieurs outils pour de bonnes raisons : des marques, des marchés, des équipes et des canaux différents.
Notre choix est de faire fonctionner la stack ensemble, autour d’un même contexte client que chaque équipe et chaque agent autorisé peut utiliser. DinMo ne possède ni vos données, ni vos canaux, ni vos modèles. Il porte ce qui se trouve entre eux : le contexte à partir duquel les agents travaillent, et le cadre dans lequel ils agissent.
Des agents IA qui exploitent le contexte client, à commencer par Dan
Ne vous contentez pas de poser une question à vos données. Confiez un objectif à Dan.
Dan est l’agent IA intégré à DinMo, conçu pour apporter la capacité qui manquait à nos clients. Il travaille sur toute la plateforme, et non comme un assistant par produit.
Prenons un problème familier : les primo-acheteurs ne reviennent pas. Indiquez à Dan le résultat que vous visez, un deuxième achat. Il lit vos données clients via DinMo, compare les bonnes périodes et identifie où se concentre la baisse. Puis il présente sa méthode : ce qu’il a lu, ce qu’il a compté et les hypothèses qu’il a retenues.
À partir de là, il propose un plan unique : l’audience, le parcours, l’activation et la façon dont le résultat sera mesuré. Vous le relisez une fois, comme un tout, vous l’ajustez et le validez, et le travail s’exécute via DinMo.


Le travail de Dan continue après le lancement. Il peut transformer une analyse en rapport planifié qui conserve sa méthode et ses preuves, revérifier une audience ou suivre les résultats face à un groupe témoin aux dates que vous fixez.
Dans tout ce travail, Dan joue trois rôles.

Un seul agent, trois rôles, sur tous les modules.
En tant qu’analyste, il cherche ce qui a changé.
En tant qu’opérateur, il prépare l’audience, dessine le parcours dans vos outils et configure l’activation.
En tant que data scientist, il exécute des prédictions : qui risque de partir, quels produits recommander et à quel point chaque client est sensible à une remise, pour que l’équipe attribue ses remises selon ses propres règles.
Des compétences réutilisables permettent à Dan d’appliquer les méthodes de votre entreprise, par exemple pour analyser la rétention. Vous pouvez aussi créer vos propres agents dans DinMo, avec des missions encadrées, à partir de vos indicateurs, de vos définitions clients et de vos règles d’incitation.
Les marketeurs pilotent le travail et apportent leur jugement. Dan se charge de l’analyse, de la préparation et de la configuration, puis soumet le travail proposé à leur validation.
Le harness de données clients pour les agents marketing
C’est dans le rôle de data scientist que les attentes et la pratique divergent. Un modèle de langage lit, raisonne et écrit bien. Il ne prédira pas quels abonnés vont résilier le mois prochain, ni lequel de quarante mille produits recommander à quelqu’un qui a acheté deux fois, et personne ne devrait le lui demander.
Ce sont des tâches pour des modèles entraînés sur vos données. Nous les construisons depuis les débuts de DinMo, et ils fonctionnent désormais comme des outils spécialisés que Dan peut appeler : un modèle de prédiction, un moteur de recommandation, chacun dédié à une seule tâche, qu’il accomplit bien.
Un éditeur de presse dispose de modèles d’attrition et d’abonnement qui tiennent compte de l’ancienneté et des renouvellements. Une enseigne dispose de recommandations, de la valeur client et de l’affinité produit.
Ces outils forment l’intelligence sectorielle sur laquelle s’appuie Dan. Lorsqu’il a besoin d’un score d’attrition ou d’une recommandation, il choisit l’outil adapté à votre contexte, propose de l’exécuter et utilise le résultat. Il n’entraîne pas de modèle, n’attend pas la fin d’un entraînement et ne met pas en place d’infrastructure : la plateforme a déjà fait ce travail.
L’agent apporte le raisonnement, les outils apportent les chiffres. Les ingénieurs appellent cet assemblage un harness : l’équipement qui rend un modèle utile. Le nôtre est conçu pour les données clients et comporte trois parties : les outils métier de votre secteur, le contexte client à partir duquel l’agent travaille, et un cadre unique autour de tout ce qu’il fait.

Le harness de Dan pour les données clients
Un même contexte client pour toute l’entreprise
Donnez à un agent votre data warehouse sans contexte : il répond vite, et il se trompe.
DinMo commence par rattacher un achat, une conversation avec le service client et un profil marketing à la même personne, à l’aide des clés de votre modèle de données.
Cette identité partagée a besoin de contexte, organisé en trois couches :
Le client : son identité, son comportement, ses transactions, ses préférences et les prédictions qui en découlent.
La mémoire d’activation : les campagnes, les messages et les offres reçus, les réponses, et l’activité dans le service client ou dans le produit.
Le métier : vos définitions, vos objectifs, vos règles d’éligibilité, vos exigences de consentement et vos politiques de contact.
Revenons à notre primo-acheteur. Imaginez qu’il ait acheté hier, reçu deux promotions ce matin et ouvert une demande au service client une heure plus tard, alors qu’une campagne d’acquisition le cible encore. Chaque outil fonctionne comme il a été configuré. Ensemble, ils gaspillent le budget et agacent le client.
Un agent qui ne lit que le data warehouse voit un client susceptible de racheter, et propose une troisième promotion. Seules la mémoire d’activation et les règles métier indiquent que ce n’est pas le bon jour.

Un primo-acheteur, lu à travers les trois couches de contexte.
DinMo rattache à chaque client les campagnes, les interactions et les résultats issus de vos outils, pour que le plan de Dan tienne compte à la fois du score et de la relation.
Il en va de même pour les définitions. Demandez à un agent vos clients actifs : sans définition sur laquelle s’appuyer, il en invente une. Expliquez à Dan ce que fait votre entreprise. Il analyse votre espace de travail et propose des définitions adaptées à votre secteur, comme la valeur client ou un abonné actif, avec leurs calculs et leurs preuves.
Vous validez celles qui vous conviennent. Dès lors, un « client actif » a le même sens dans les analyses, les audiences et les parcours.
Lorsque l’entreprise change les critères qui font d’un client un VIP, le marketing, le service client et chaque agent autorisé doivent travailler à partir de la nouvelle définition. L’entreprise décide de la règle. DinMo l’enregistre et la répercute dans le travail.
DinMo conserve aussi ce que l’entreprise apprend en chemin : la définition qui a levé une ambiguïté, la raison pour laquelle une audience a été exclue, le résultat d’une action. La personne ou l’agent suivant part de cette connaissance au lieu de la redécouvrir.
Une passerelle unique pour les équipes et les agents
Connectez chaque outil une seule fois. Décidez dans DinMo qui peut lire quoi, et agir où.
Tout le monde ne peut pas avoir accès à tous les outils. La plateforme d’emailing est conçue pour le responsable CRM, les comptes publicitaires appartiennent à l’équipe acquisition, le data warehouse demande un ingénieur. Pourtant, le contexte qu’ils contiennent est utile bien au-delà : à l’analyste, au directeur marketing qui doit savoir ce qui est dépensé, au directeur financier.
C’est dans DinMo que ces besoins se rejoignent. Une personne disposant des bons accès connecte une seule fois un outil marketing ou un data warehouse. Ensuite, dans la limite de ce que votre data warehouse autorise déjà, DinMo décide qui peut lire quelle table, qui peut utiliser quel outil et ce que chacun peut y faire. C’est, selon nous, l’essence même d’une Customer Data Platform.
Il en va de même pour les agents. Vous ne connecterez pas chaque agent à chaque plateforme. Un agent a besoin d’une passerelle : un lieu unique qui gère ses accès comme ceux d’une personne, pour qu’il atteigne votre data warehouse et vos plateformes via DinMo, avec ce qui lui a été accordé, et rien de plus.

Une passerelle unique vers le contexte client, pour les équipes et les agents de toute l’organisation.
Le marketing est notre point de départ, et ce qui y est construit sert toute l’entreprise. Le contexte et les outils gouvernés qui l’entourent sont ouverts aux autres agents et applications que votre entreprise développe ou choisit, via MCP, le protocole ouvert que les agents utilisent pour accéder aux outils et aux données.
Un agent du service client, une application interne et Dan travaillent à partir de la même définition du client, chacun dans la limite de ses propres droits.
Un cadre unique pour chaque action des agents
Une instruction dans un prompt n’est pas un contrôle d’accès.
Le contexte indique à un agent ce qu’il doit prendre en compte. La plateforme décide de ce qu’il a le droit de faire. Enregistrer une politique de contact ne suffit pas à la faire respecter. L’IA en entreprise a besoin des deux : un savoir partagé, et des contrôles au moment de l’exécution.
Dan travaille avec des outils préparés par DinMo. Il ne se connecte pas seul à votre data warehouse pour y exécuter des requêtes. DinMo vérifie les accès, transforme chaque demande en opération contrôlée et exécute celles qui sont autorisées.
Le même cadre s’applique à chaque agent qui travaille avec DinMo, que vous l’ayez équipé, créé ou connecté via MCP. Un agent ajouté hérite des règles de l’entreprise et ne peut pas les élargir.
Un marketeur doit pouvoir faire confiance au travail d’un agent en lisant sa logique, pas son SQL.
Une grande partie du marché donne aux agents une console SQL et demande aux marketeurs de faire confiance au résultat. Nous avons travaillé sur le problème inverse : montrer la méthode dans la langue que l’équipe parle déjà.
Les propositions de Dan rendent le travail explicite : les critères d’une audience, le calcul derrière une définition, ce qu’un plan va créer et la façon dont il sera mesuré. Elles reposent sur les mêmes définitions que celles de l’équipe.
Un marketeur qui n’a jamais écrit de requête peut lire une proposition, questionner une étape et décider. Le SQL reste un outil pour l’équipe data, ou pour un agent qui en a besoin, dans le même cadre.
Dan propose. DinMo vérifie. Vous validez. Chaque action est tracée. Vous pouvez valider chaque modification ou autoriser un périmètre de travail défini, et élargir la délégation à mesure que l’équipe gagne en confiance.
Le plan pour notre primo-acheteur ne fait pas exception. L’audience, le parcours et l’activation attendent, réunis en une seule proposition, que vous donniez votre feu vert.

Une proposition d’audience de Dan : des critères explicites, rien n’est créé avant votre validation.
Le travail des agents doit être aussi observable que celui des personnes.
Une décision que l’on ne peut pas retracer est une décision dont on ne peut rien apprendre.
Dans DinMo, chaque étape de Dan est enregistrée, avec ce qu’il a lu et la raison de son choix, qu’il réponde à une question sur le moment ou qu’il produise un rapport pendant des mois.
Vous pouvez revenir sur n’importe quelle décision, voir le chemin qui y a mené et qui l’a validée. Cette même trace a deux lecteurs : l’équipe, dans le journal d’audit de DinMo, et l’équipe technique, dans vos outils de monitoring.
Parce que ce cadre tient, les équipes peuvent déléguer. Elles continuent à travailler directement dans DinMo et font appel à Dan là où il est utile, en sachant où se situe la limite. Les contrôles s’appliquent quel que soit le modèle utilisé.
Une CDP composable, sur l’architecture de votre choix
Une entreprise doit pouvoir changer sa façon d’atteindre ses clients sans reconstruire ce qu’elle sait d’eux.
DinMo reste composable. Votre data warehouse demeure la fondation de données que vous avez choisie, et vos données y restent : DinMo travaille sur place. Vos équipes gardent les plateformes qui leur conviennent.
Si vous changez de solution d’emailing, le parcours de nos primo-acheteurs continue de fonctionner. Seule l’étape d’envoi change, et vos définitions clients, vos exclusions et votre historique restent à votre service.
Les plateformes d’engagement délivrent des expériences sur tous les canaux, et une suite intégrée convient à certaines entreprises. Même dans ce cas, ce qu’une entreprise sait de ses clients doit rester utile au-delà de cette suite.
La même liberté s’applique à l’IA. Apportez la vôtre : les modèles en qui votre entreprise a confiance, exécutés dans votre région selon les règles qui s’y appliquent, et les agents que votre entreprise développe ou sélectionne. Le contexte et les contrôles que vous mettez en place restent utiles quand ces choix évoluent.
En tant qu’entreprise européenne, nous concevons DinMo en tenant compte de la protection des données et de réglementations comme l’AI Act européen. Nous proposons des déploiements européens dédiés aux clients qui en ont besoin, et une entreprise qui préfère Mistral, ou un autre modèle de confiance, peut le choisir.
Ce que nous entendons par CDP agentique
Une CDP agentique est une promesse de résultats. Nous la mesurons donc comme tout le reste dans DinMo Labs : le temps entre une question et une décision, l’effort nécessaire pour coordonner une action, les dépenses évitées et les résultats obtenus auprès des clients, déduction faite du coût du travail.
Lorsque nous affirmons qu’une action a produit une amélioration, nous voulons la preuve d’une véritable expérimentation. Nous décidons sur des résultats cumulés, jamais sur une seule journée.
Dans Labs, pour un e-commerçant, nos recommandations personnalisent la newsletter quotidienne de chaque client. Sur neuf tests A/B, la version personnalisée l’a emporté sur les clics neuf fois sur neuf, avec 7,3 % de clics en plus. Les commandes ont progressé de 9 % et le chiffre d’affaires de 14 %, et un second test a confirmé le gain. Des centaines de millions d’emails sont partis de cette façon depuis.
- +7,3 %clics
- +9 %commandes
- +14 %chiffre d’affaires
C’est un début, et deux étapes suivent.
D’abord, les équipes marketing planifient leurs projets et les suivent avec les données de DinMo. Un directeur marketing voit chaque projet en direct et lit sa performance en un seul endroit, même lorsque l’exécution se répartit entre l’email, la publicité, le site et les outils du service client.
Ensuite, le contexte client s’ouvre davantage aux agents, avec une gouvernance plus fine. Des rôles définissent ce que chaque agent peut exécuter, sur quel périmètre et avec quelles validations, pour qu’une entreprise puisse accueillir plus d’agents tout en conservant chacune de ses règles.
Nous avons créé DinMo pour mettre les données clients entre les mains de ceux qui pouvaient les utiliser. Aujourd’hui, nous donnons à ces équipes, et aux agents qu’elles choisissent, plus de capacité pour analyser, décider et agir : faire revenir ce client, et savoir qu’elles y sont parvenues.
Le contexte qu’elles construisent reste un actif de leur entreprise, accessible à ses équipes et à ses agents, sous son contrôle.
DinMo ne possède ni vos données, ni vos canaux, ni vos modèles. Il porte ce qui se trouve entre eux. C’est cela, la CDP agentique :
Un même contexte client pour toute l’entreprise. Des agents qui l’exploitent, à commencer par Dan. Un cadre unique pour chacune de leurs actions. Sur l’architecture de votre choix.


