Identity Graph : le socle pour unifier vos données clients
6min • Édité le 30 mai 2025
Olivier Renard
Content & SEO Manager
Selon la célèbre Règle des 7, on dit qu’un client doit interagir au moins sept fois avec une entreprise avant de passer à l’achat.
Une visite en boutique, un message vu sur Instagram, une recherche sur Google, un email ouvert… Le tout sur plusieurs appareils et parfois avec plusieurs comptes. Les points de contact se multiplient, mais restent souvent cloisonnés.
Du côté de la marque, les données sont dispersées et les profils clients fragmentés. Cela aboutit à une vision incomplète des parcours, difficile à exploiter.
Les informations à retenir :
Un identity graph (ou ID graph) est une structure issue de la résolution d’identité. Il relie plusieurs identifiants à un même individu pour unifier les données clients.
Le graphe d’identité permet de reconstituer les parcours, personnaliser les messages et activer les bons segments.
Il repose sur la réconciliation des données (identity stitching), à partir de sources variées (email, adresse, ID, téléphone, cookie, etc).
Une CDP composable active vos données centralisées dans le data warehouse autour d’une vue client unifiée.
👉 Découvrez comment fonctionne un identity graph et son rôle pour unifier votre donnée client. Apprenez à l’intégrer dans votre approche pour comprendre les parcours, enrichir les profils et activer les bons segments. 🎯
Qu’est-ce qu’un Identity Graph ?
Un identity graph (graphe d’identité en français) est une structure de données qui relie plusieurs identifiants à un même individu.
Adresses email, identifiant CRM, cookies, numéros de téléphone, device IDs, historique d’achat… Toutes ces informations peuvent appartenir à une seule et même personne, mais être stockées séparément dans différents systèmes.
Le rôle de l’identity graph est de les réconcilier pour créer une vue unifiée du client.
Cela permet de mieux comprendre les parcours, d’enrichir les profils utilisateurs et d'activer les bons segments, sans doublons ni erreurs d’attribution.
💡 Prenons le cas d’une personne qui consulte un site sur son mobile, s’inscrit à une newsletter avec un email personnel, puis finalise un achat en magasin avec sa carte de fidélité.
L’identity graph agit comme une table de correspondance : il permet d’associer ces actions à un profil unique.
Les identifiants d'un graphe d'identité
Identity resolution, identity stitching et identity graph : quelles différences ?
Très proches, ces trois notions sont parfois confondues. Il existe pourtant quelques nuances.
Notion | Description | Objectif |
|---|---|---|
Identity stitching | Technique qui associe plusieurs identifiants à un même individu | Établir un lien fiable entre des données dispersées |
Identity graph | Structure de données qui organise ces liens | Conserver et exploiter les correspondances entre identifiants |
Identity resolution | Processus global qui inclut la collecte, la correspondance et la création de profils | Obtenir une vue client 360°, exploitable dans les outils métier |
ID resolution vs ID stitching vs ID graph
L’apport du graphe d’identité dans une stratégie marketing
Dans un environnement omnicanal, un même client interagit avec votre marque à travers une multitude de points de contact. Il peut s’agir du site web, de votre application mobile, des campagnes e-mail, du service client ou encore des magasins.
Et tout cela via plusieurs appareils : smartphone personnel, caisses automatiques, TV connectée, ordinateur fixe ou mobile, tablette familiale etc. À cela s’ajoutent les multiples identifiants qu’il peut utiliser : une adresse e-mail pour ses achats, une autre pour la newsletter, un numéro de téléphone pour le service client.
Les données qui en résultent sont dispersées entre différents outils, sans lien évident entre elles. La personnalisation devient hasardeuse et le pilotage des actions marketing inefficace.
Un identity graph sert à réconcilier ces sources pour créer des profils riches, fiables et à jour. Il joue un rôle central dans la connaissance client en consolidant les signaux collectés sur l’ensemble du parcours.
Les équipes marketing peuvent ainsi mieux comprendre les comportements, anticiper les besoins et personnaliser les messages.
Principaux cas d’usage
Grâce à un graphe d’identité bien structuré, il est possible de déclencher des scénarios ciblés et pertinents, comme par exemple :
Analyser les parcours et comportements clients.
Exclure automatiquement les clients inactifs ou déjà convertis lors des campagnes.
Identifier et segmenter les clients selon leur valeur à vie potentielle (LTV).
Créer des parcours personnalisés et sans couture sur plusieurs canaux.
Enrichir la base avec des données comportementales issues du site ou de l’app, pour bâtir une vision Customer 360 exploitable.
Une réponse aux enjeux actuels de confidentialité
La disparition progressive des cookies tiers, les refus de consentement et les limitations du retargeting obligent les entreprises à repenser leur stratégie. La meilleure alternative consiste à exploiter les données first-party, sans dépendre d’informations externes peu fiables.
L’identity graph aide à tirer parti de ces données propriétaires. Il permet de combiner efficacité marketing et respect de la vie privée, en s’appuyant sur une infrastructure maîtrisée et conforme au RGPD.
Comment cela fonctionne en pratique ?
Les types d’identifiants
Un identity graph s’appuie sur des identifiants déterministes ou probabilistes pour relier plusieurs signaux à un même individu.
Les données déterministes sont constituées d’informations uniques et fiables : adresse e-mail, numéro de téléphone, identifiant CRM ou compte client. Elles permettent une correspondance précise et directe.
Les données probabilistes, comme les cookies, les device ID ou les empreintes numériques (fingerprinting), offrent un niveau de confiance plus faible. Elles servent à établir une correspondance de façon statistique, ce qui est utile dans certains contextes (navigation anonyme, retargeting, etc.).
Dans la pratique, les graphes combinent les deux types d’identifiants pour gagner en couverture tout en conservant un bon niveau de fiabilité.
Construction et actualisation du graphe
La création d’un ID graph repose sur un processus d’identity stitching. Il comprend trois grandes étapes :
Collecte des identifiants issus de différents canaux (site, app, CRM, e-mail…)
Correspondance entre ces éléments, à l’aide de règles ou d’algorithmes
Association dans une structure unique, sous forme de graphe
Le graphe est donc une structure constituée de nœuds (les identifiants) et de liens (les relations établies entre eux). Il est mis à jour en continu pour constituer une customer entity fiable qui reflète toutes les interactions d’un individu sur ses différents canaux ou appareils.
💡 User graph vs Household graph :
Un ID graph peut être construit à deux niveaux : autour d’une seule personne (user graph) ou d’un foyer entier (household graph). Ce dernier est utile, par exemple, pour le retail ou la TV connectée, lorsque plusieurs personnes partagent un même appareil ou une même adresse.
Avec quels outils ?
Plusieurs outils sont conçus pour modéliser et stocker ces graphes complexes. Les graph databases, comme Amazon Neptune ou TigerGraph, sont capables de gérer de grandes quantités de relations.
Exemple de visualisation (source : Amazon Neptune)
Différentes solutions intégrées (ex. Adobe Experience Platform) proposent un identity graph clé en main, basé sur leurs propres données et identifiants.
Mais ces deux familles d’outils présentent des inconvénients. Dans le premier cas, il s'agit d’outils puissants adaptés à un public expert. Dans le second, ce sont des solutions plus accessibles mais rigides.
Dans une architecture data moderne, une CDP composable comme DinMo s’appuie les informations centralisées dans le data warehouse de l’entreprise. Elle crée un identity graph, qui prend la forme d’une table directement dans l’entrepôt de données.
Cette approche warehouse-first évite toute duplication inutile des données et offre plus de flexibilité aux équipes métier.
Quel lien entre ID graph, data warehouse et CDP composable ?
Ces trois briques jouent un rôle complémentaire au sein de la Modern Data Stack.
Le data warehouse (DWH) sert de socle. Il centralise toutes les données clients issues de différentes sources : site web, CRM, service client, transactions, programme de fidélité etc.
L’identity graph relie les identifiants entre eux. Il reconstitue chaque profil client via un processus de résolution d’identité.
La CDP composable permet d’exploiter ces données unifiées, directement depuis le DWH, sans duplication. C’est elle qui rend l’activation possible.
Cette approche modulaire basée sur l’existant est plus fluide, plus sécurisée, plus évolutive. Les données restent stockées dans l’infrastructure de l’entreprise.
Chez DinMo, nous exploitons les informations présentes dans le data warehouse pour permettre aux équipes marketing de construire une vue client unifiée (Customer 360) sans connaissance technique.
Conclusion
L’identity graph est au cœur d’une stratégie marketing data-driven. En associant plusieurs identifiants à un même individu, il constitue un référentiel incontournable pour mieux comprendre et activer ses audiences.
Plus qu’un simple outil d’unification, c’est un levier opérationnel pour personnaliser les campagnes, optimiser les parcours et activer les bons segments.
Grâce à sa structure composable, DinMo rend cette technologie accessible et directement actionnable par les équipes marketing. Contactez-nous pour mettre en place un POC !
