Centraliser ses données marketing pour arrêter de passer son lundi à faire des reportings

La directrice marketing d'une marque de sacs aux États-Unis, Dagne Dover, passait la quasi-totalité de son lundi à faire la même chose. Ouvrir dix onglets, aller chercher les chiffres à la main, les recoller dans un rapport, et présenter tout ça à une réunion à 16h. Chaque semaine. Six heures de collecte de données avant même de pouvoir parler stratégie.

Elle a tout centralisé via Claude et le serveur MCP de Klaviyo. Résultat, la réunion est passée à 10h et elle a récupéré son lundi entier. Et ça, c'est exactement le genre de truc qu'on pousse chez nos clients depuis un moment, parce que c'est le même constat partout. Les gens passent un temps fou à agréger de la donnée au lieu de la lire.

Le problème, ta donnée est éclatée partout

Quand tu pilotes une marque eCom, tes chiffres sont dispersés. Shopify d'un côté, Klaviyo de l'autre, Meta encore ailleurs, Google à part, et souvent un ou deux Google Sheets maison où t'as mis ton plan de CA et ton calendrier marketing. Chaque lundi, quelqu'un doit aller piocher dans chaque plateforme, recopier, recouper. C'est long et c'est chiant.

Et le temps perdu n'est pas le pire. Tant que ta donnée est éclatée, tu peux pas la croiser. Tu regardes le chiffre d'affaires sur Shopify, les dépenses sur Meta, le revenu généré par l'email sur Klaviyo, mais chacun dans son coin. Du coup tu rates les relations entre les chiffres. Combien tu as dépensé sur Meta pour générer combien de CA sur Shopify, quelle part de ton revenu vient vraiment de ton email, c'est impossible à voir en sautant d'un onglet à l'autre.

La première étape, c'est donc de tout ramener au même endroit. Dans le cas de Dagne Dover, Klaviyo, Shopify et les Google Sheets ont été branchés via le serveur MCP et Claude. En gros tu te crées ta propre version d'un data warehouse, et derrière tu peux poser des questions à l'IA en langage normal. Genre "quelle a été la perf de l'email la semaine dernière par rapport à la précédente" et tu as ta réponse, sans ouvrir Klaviyo.

Le MCP, c'est quoi concrètement

Le MCP est un protocole ouvert qui permet à un modèle d'IA d'aller se brancher sur tes outils de façon sécurisée. En clair, il fait le tuyau entre ta donnée et le chat. C'est ce qui fait que tu peux discuter avec ton warehouse comme si t'avais un analyste en face de toi.

Mais il y a une condition, et elle est simple. L'IA ne peut répondre que sur ce qu'elle voit. Si ta donnée n'est pas centralisée à la source, le chat répond à côté ou invente. C'est pour ça que la centralisation en amont compte autant. Tout le reste en dépend.

Automatiser le rapport, pas juste le générer

Le truc malin dans le setup de Dagne Dover, l'analyse ne tourne pas sur commande. Elle tourne toute seule, sur un planning. Chaque matin, le workflow se déclenche, analyse la veille, et balance le résultat dans Slack. Comme si un analyste t'écrivait pour te dire ce qui s'est passé hier.

C'est exactement comme ça qu'on voit les choses de notre côté. On branche Shopify, Klaviyo, Meta, Google sur un outil central, et le matin tu ouvres ton reporting et tu vois en un coup d'œil la perf, le chiffre d'affaires, les dépenses pub, le coût d'acquisition, le taux de conversion. Fini le gars qui crunche les chiffres de son canal dans son coin le lundi matin.

Et ça change la façon dont l'équipe bosse. Avant, chacun préparait les chiffres du canal dont il était responsable, dans son silo. Maintenant tout le monde arrive avec la donnée déjà prête et la réunion sert à faire un vrai plan de la semaine. On parle de la marque dans sa globalité, pas de dix tableaux séparés.

Si tu veux creuser le sujet du revenu email spécifiquement, j'ai écrit un truc là-dessus dans augmenter le chiffre d'affaires email d'une marque eCommerce.

L'IA ne vaut que ce que tu lui donnes à manger

C'est le point que tout le monde zappe. On a tous vu une IA sortir une réponse fausse avec une assurance totale. Dubay le dit bien, l'IA ne sera jamais meilleure que ses inputs. Le premier boulot, c'est d'avoir des sources propres. Une donnée sale en entrée te donne une analyse fausse en sortie, et tu prends des décisions dessus sans t'en rendre compte.

Juste vérifier les sources ne suffit pas. Parfois un rapport revient avec un chiffre qui colle pas. C'est pour ça que chez Dagne Dover, chaque rapport passe par un humain avant de partir dans l'entreprise. Dubay le lit en premier, fait ses checks de validation, et seulement après elle distribue. Elle dit être à environ 95% du résultat visé, et les 5% restants, c'est justement le rôle de l'humain.

Ce garde-fou, c'est pas un détail. Un reporting faux qui part à toute l'équipe, c'est pire que pas de reporting du tout, parce que les gens font confiance au chiffre. D'ailleurs si ton tracking est bancal, ton IA va juste automatiser de la mauvaise donnée. J'en ai parlé ici, ton tracking est pété et tu prends des décisions sur la moitié des données. Règle le tracking d'abord, automatise ensuite.

Des garde-fous automatiques, pas juste des rapports

Une fois que ta donnée est centralisée et croisée, tu peux aller plus loin que le reporting. Tu peux mettre des alertes. Typiquement on se fixe une règle avec le client, genre on veut pas dépenser plus de 20% du chiffre d'affaires en pub. Et tous les jours le système regarde si on tient ce seuil. Si on le tient, on continue d'augmenter. Si ça dépasse, on réduit les budgets. C'est du pilotage quotidien, automatique, basé sur de la donnée croisée entre les plateformes.

Le vrai gain va plus loin que les six heures du lundi, même si c'est déjà énorme. Tu passes d'un reporting qui regarde dans le rétro à un système qui te prévient quand quelque chose dérape, pendant que ça dérape.

Comment démarrer si t'as une petite équipe

Pas besoin d'être une grosse boîte avec un data team. Le conseil de Dubay pour une équipe lean, commence par intégrer ton stack, parce que si tes outils ne communiquent pas entre eux, aucune IA ne fera de miracle. C'est le chantier le plus ingrat mais celui qui fait tout. Après ça, regarde ce que tes connecteurs MCP peuvent réellement lire, ça t'évite de monter un workflow pour t'apercevoir que la source la plus importante n'est pas accessible. Et apprends en regardant ce que font les autres, il y a une tonne de contenu sur comment optimiser tel truc précis dans Claude, tu cherches, tu testes, tu ajustes. C'est pas de la magie, c'est du bricolage intelligent au début.

Ce que j'en retiens

Le gros du boulot est dans la centralisation et la propreté de ta donnée, pas dans l'IA. L'IA ajoute une couche par-dessus pour te faire gagner du temps, mais si la base est pourrie, tu automatises juste ton erreur.

Commence par brancher Klaviyo, Shopify, Meta et Google au même endroit. Vérifie que tes chiffres sont justes à la source. Mets un humain qui relit avant que ça parte. Et une fois que ça tourne, ajoute tes alertes et tes garde-fous. Le jour où ton reporting se fait tout seul le matin et qu'il te Slack ce qui s'est passé hier, tu te demandes comment t'as pu passer tes lundis autrement.