Identity Graph : le socle pour unifier vos données clients
3min • Édité le 26 oct. 2026
Alexandra Augusti
Chief of Staff
Un identity graph relie les identifiants d’un même client pour réunir des données dispersées entre plusieurs canaux.
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 organise les liens entre plusieurs systèmes 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 identités (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.
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… Ces éléments peuvent appartenir à une seule et même personne, mais être stockés séparément dans différents systèmes. Leur rapprochement permet ensuite d’associer l’historique d’achat au bon profil.
Son rôle 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, en limitant les doublons et les erreurs d’attribution. La fiabilité du résultat dépend des données sources et des règles de rapprochement.
💡 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.
Ce graphe relie ces actions à un profil unique. L’adresse email renseignée avec la carte de fidélité fournit, par exemple, un lien entre l’achat en magasin et le compte en ligne.
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 coordonnées 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.
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
Les restrictions sur les cookies tiers, les refus de consentement et les limites du retargeting obligent les entreprises à repenser leur stratégie. Une approche consiste à exploiter les informations collectées sur leurs propres canaux (first-party).
Le graphe aide à tirer parti de ces informations. Son utilisation doit respecter les finalités annoncées, la base légale applicable et les choix de consentement. Une infrastructure maîtrisée facilite la gouvernance, sans garantir à elle seule la conformité au RGPD.
Comment cela fonctionne en pratique ?
Les types d’identifiants
Deux méthodes de rapprochement permettent de relier plusieurs signaux à un même individu.
Le rapprochement déterministe repose sur un lien vérifié : identifiant CRM, compte client authentifié ou adresse e-mail associée à ce compte. Un cookie ou un device ID peut aussi être rattaché de façon déterministe lorsqu’une connexion établit le lien.
Le rapprochement probabiliste estime qu’il s’agit de la même personne à partir d’un ensemble de signaux, comme l’adresse IP, les caractéristiques de l’appareil ou les habitudes de navigation. Le lien reste incertain et doit être évalué selon un seuil de confiance.
Dans la pratique, un graphe peut reposer sur des règles déterministes seules ou les combiner avec une approche probabiliste, selon les sources disponibles et le niveau de fiabilité recherché.
Construction et actualisation du graphe
La création du graphe repose sur un processus d’identity stitching. Il comprend trois grandes étapes :
Collecte des identifiants issus de différents canaux (site, app, CRM, e-mail…)
Rapprochement à l’aide de règles ou d’algorithmes
Association dans une structure unique, sous forme de graphe
Cette structure est constituée de nœuds (les identifiants) et de liens (les relations établies entre eux). Elle est actualisée selon la fréquence des traitements pour maintenir une vision cohérente des interactions sur différents canaux ou appareils.
Lorsqu’un lien fiable est établi entre une activité anonyme et un compte connu, l’identity stitching peut aussi rattacher les événements antérieurs au parcours identifié.
💡 Individu ou foyer : deux niveaux de regroupement
Cette structure peut être construite 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. Un appareil partagé ne suffit donc pas à conclure que deux comptes appartiennent à la même personne.
Avec quels outils ?
Plusieurs outils sont conçus pour modéliser et stocker ces graphes complexes. Les bases de graphes, 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 ce type de graphe basé sur les informations collectées par l’entreprise.
Le choix dépend de vos besoins : modélisation sur mesure, règles de rapprochement, compétences disponibles et contrôle des données.
Dans une architecture moderne, une CDP composable comme DinMo exploite les informations centralisées dans l’entrepôt de l’entreprise. Les correspondances peuvent être matérialisées dans une table de cet entrepôt.
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 les informations 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 profils unifiés, à partir du DWH, sans recréer une base centrale indépendante. C’est elle qui rend l’activation possible.
Cette approche modulaire s’appuie sur l’infrastructure existante et facilite le contrôle des accès. Les enregistrements sources restent stockés dans l’entreprise ; l’activation transmet aux outils destinataires les informations nécessaires aux campagnes.
Chez DinMo, Identity intervient dans la normalisation, la déduplication et le rapprochement des fiches clients. Les équipes marketing peuvent ensuite exploiter les profils unifiés pour créer des audiences et activer leurs campagnes à partir de l’entrepôt.
Conclusion
En associant plusieurs identifiants à un même individu, le graphe constitue un référentiel 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 !
