Expert martech : arbitrer stack, coûts et dette technique
La martech n’est plus un portefeuille d’outils, mais un arbitrage économique permanent
La pile martech est devenue l’un des actifs les plus ambivalents des directions marketing. Elle promet plus de personnalisation, plus d’automatisation, plus de mesure et plus de vitesse d’exécution. Elle produit aussi des coûts récurrents, des dépendances fournisseurs, des doublons fonctionnels, des risques de conformité et une dette technique qui ralentit précisément ce qu’elle était censée accélérer. Pour un expert martech, la question n’est plus de savoir quel nouvel outil ajouter. Elle est de déterminer quels outils créent réellement de la valeur, lesquels doivent être consolidés, lesquels doivent être remplacés, et quelle dette technique l’organisation accepte de porter.
Le contexte pousse à cette discipline. Le paysage martech recensé par Chiefmartec a dépassé les 14 000 solutions en 2024, contre environ 150 en 2011. Cette explosion de l’offre crée une illusion de choix infini, mais elle augmente aussi les coûts de sélection, d’intégration et de gouvernance. En parallèle, Gartner indiquait que les budgets marketing représentaient en moyenne 7,7 % du chiffre d’affaires en 2024, un niveau inférieur à celui observé avant la pandémie dans de nombreuses organisations. Autrement dit, les équipes disposent de plus de solutions disponibles, mais de moins de marge pour absorber les redondances et les expérimentations mal maîtrisées.
La pression vient aussi de l’usage réel. Gartner a observé ces dernières années une sous-utilisation chronique des capacités martech, avec des équipes n’exploitant qu’une fraction des fonctionnalités disponibles dans leurs outils. Ce décalage n’est pas seulement un problème de formation. Il révèle une erreur de pilotage : beaucoup de stacks ont été construites par accumulation de besoins locaux, campagnes, CRM, paid media, analytics, social, automation, consentement, service client, sans architecture cible ni modèle économique complet. Le coût visible est la licence. Le coût réel inclut l’intégration, la donnée, la maintenance, les workflows, la qualité opérationnelle, le support, la conformité, la sécurité et le temps perdu à réconcilier des systèmes qui ne parlent pas le même langage.
Pour les professionnels du marketing, l’enjeu est donc stratégique. Une stack bien arbitrée améliore la productivité, réduit le time-to-market, augmente la qualité des données first-party, données collectées directement par la marque auprès de ses audiences, et permet des activations plus rentables. Une stack mal gouvernée crée l’effet inverse : campagnes lentes à produire, segments incohérents, reporting contesté, dépendance à quelques experts internes, multiplication des exports manuels, surcoûts de licences et perte de confiance dans la donnée. La dette technique n’est pas un sujet IT périphérique ; c’est une dette de performance marketing.
Cartographier la stack par capacité, pas par fournisseur
Le premier réflexe d’audit consiste souvent à dresser une liste d’outils : CRM, CDP, outil d’emailing, plateforme publicitaire, analytics, consent management platform, social listening, DAM, dashboarding. Cette cartographie est nécessaire, mais insuffisante. Elle décrit les fournisseurs, pas les capacités réellement couvertes. Or une direction marketing n’achète pas une solution pour son logo ; elle achète une capacité : collecter un consentement, unifier une identité, segmenter une audience, orchestrer un parcours, personnaliser un contenu, acheter une impression, mesurer une conversion, transmettre un lead ou prédire un churn.
Le CRM, customer relationship management, désigne l’ensemble des outils et processus permettant de gérer la relation client dans le temps. La CDP, customer data platform, centralise et active des données clients issues de plusieurs sources. Le MAP, marketing automation platform, automatise des scénarios de nurturing, processus d’accompagnement progressif d’un prospect ou client par des contenus et interactions adaptés. Ces catégories se chevauchent de plus en plus. Un CRM intègre des fonctions d’automation. Une CDP propose de l’orchestration. Une plateforme email ajoute du scoring. Un outil analytics active des audiences. Sans cartographie par capacité, l’entreprise croit posséder un écosystème complémentaire alors qu’elle finance trois fois la même fonction sous des interfaces différentes.
Une méthode robuste consiste à construire une matrice en quatre colonnes : capacité marketing, outil principal, outils secondaires, niveau d’usage. Les capacités doivent être formulées en verbes opérationnels : collecter, normaliser, enrichir, segmenter, activer, mesurer, attribuer, optimiser, gouverner. Pour chaque ligne, l’équipe identifie l’outil de référence, les doublons, les dépendances, les propriétaires métier et les irritants. Cette lecture fait souvent émerger des incohérences : deux outils de segmentation avec des règles différentes, trois sources de vérité pour le chiffre d’affaires, un outil de personnalisation jamais connecté à l’inventaire produit, une CMP, consent management platform, plateforme de gestion du consentement, mal synchronisée avec les plateformes média.
La cartographie doit aussi distinguer les systèmes de vérité, les systèmes d’engagement et les systèmes d’analyse. Un système de vérité stocke une donnée de référence, par exemple l’identité client ou le statut de consentement. Un système d’engagement exécute une interaction, par exemple un email, une notification push, une publicité ou un message conversationnel. Un système d’analyse produit une lecture de performance. Les confondre crée de la dette. Si l’outil d’emailing devient la source de vérité du consentement alors que le CRM en détient une autre version, l’entreprise s’expose à des erreurs d’activation. Si une plateforme publicitaire définit seule la valeur d’un client, les arbitrages budgétaires risquent d’être biaisés.
Un cas fréquent concerne les audiences média. Une équipe paid social construit des segments dans les plateformes, une équipe CRM construit des segments dans son outil d’automation, et une équipe data maintient des segments dans une CDP. Les noms se ressemblent, mais les règles diffèrent : client actif, client à forte valeur, prospect chaud, abandonniste. Cette fragmentation dégrade le CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, car les exclusions sont incomplètes, les fréquences mal contrôlées et les audiences redondantes. La cartographie par capacité permet d’identifier où doit se situer la règle de segmentation et quels outils ne devraient être que des canaux d’exécution.
Calculer le coût total de possession avant de juger la performance d’un outil
L’arbitrage martech échoue souvent parce que les coûts sont analysés de manière trop étroite. Une licence annuelle de 120 000 euros peut sembler élevée, mais être rentable si elle remplace trois solutions, réduit les tâches manuelles et améliore la conversion. À l’inverse, un outil à 25 000 euros par an peut coûter beaucoup plus cher s’il nécessite des développements spécifiques, une maintenance permanente et des ressources rares. Le bon indicateur est le TCO, total cost of ownership, coût total de possession incluant licence, intégration, exploitation, maintenance, support, formation, gouvernance et coûts de sortie.
Le TCO doit inclure au minimum six familles. Premièrement, les coûts contractuels : licences, volumes, modules, utilisateurs, frais de dépassement, stockage, appels API, support premium. Deuxièmement, les coûts d’implémentation : cadrage, intégration, migration, paramétrage, recette, documentation. Troisièmement, les coûts de run : administration, monitoring, correction des erreurs, gestion des accès, maintenance des connecteurs. Quatrièmement, les coûts métier : temps passé par les équipes à créer des campagnes, produire des segments, valider des exports ou contourner les limites de l’outil. Cinquièmement, les coûts de conformité et sécurité : consentement, minimisation, chiffrement, gestion des droits, audits. Sixièmement, les coûts d’opportunité : lenteur de lancement, dépendance à un prestataire, incapacité à tester rapidement un nouveau canal.
Cette lecture change les arbitrages. Prenons une entreprise e-commerce réalisant 80 millions d’euros de chiffre d’affaires. Elle utilise une plateforme email historique, un outil de push, un moteur de recommandation, un module de SMS, un outil de segmentation interne et plusieurs scripts de personnalisation. Chaque outil paraît justifiable isolément. Mais l’audit TCO révèle 420 000 euros de licences annuelles, 180 000 euros de maintenance externe, deux équivalents temps plein dédiés aux exports et à la réconciliation, et un délai moyen de trois semaines pour lancer un scénario lifecycle un peu complexe. Une plateforme d’orchestration plus coûteuse en licence peut devenir rationnelle si elle réduit les doublons, abaisse le temps de production et améliore la qualité de mesure.
L’inverse est également vrai. Certaines suites intégrées promettent une simplification, mais imposent des coûts de migration, de verrouillage et de montée en compétence très élevés. Le choix d’une suite unique n’est pas automatiquement supérieur à une architecture composable. Une suite peut réduire les frictions d’intégration, mais enfermer l’entreprise dans une roadmap fournisseur. Une architecture best-of-breed, combinant les meilleurs outils spécialisés par cas d’usage, peut offrir plus de flexibilité, mais exige une gouvernance d’API, application programming interface, interfaces permettant à des systèmes de communiquer, et une discipline data supérieure. L’arbitrage ne doit donc pas opposer suite et composable de manière idéologique. Il doit comparer le TCO, la vitesse, la résilience et la capacité d’évolution.
Le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué et dépenses publicitaires, ne suffit pas à juger un investissement martech. Un outil d’optimisation média peut améliorer le ROAS dans les plateformes, mais augmenter la dépendance à des audiences fermées et réduire l’apprentissage first-party. Un outil d’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, peut donner une lecture plus fine du funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation, mais devenir dangereux si ses résultats sont interprétés comme une vérité causale. L’évaluation doit relier performance visible, coût complet et robustesse des décisions.
Identifier la dette technique marketing avant qu’elle ne devienne une dette de croissance
La dette technique désigne l’accumulation de choix d’architecture, de paramétrage ou de développement qui permettent d’avancer vite à court terme mais compliquent l’évolution future. Dans le marketing, elle prend des formes très concrètes : nomenclatures UTM incohérentes, segments dupliqués, scripts de tracking obsolètes, connecteurs fragiles, champs CRM mal définis, automatisations non documentées, audiences média jamais nettoyées, tableaux de bord alimentés par des exports manuels, dépendance à un prestataire ou à un seul salarié qui connaît les règles historiques.
Cette dette est souvent invisible tant que les volumes restent faibles. Elle devient critique lorsque l’entreprise veut passer à l’échelle : internationalisation, omnicanal, personnalisation avancée, retail media, ABM, account-based marketing, approche ciblant des comptes à forte valeur, ou activation en temps réel. Chaque nouveau cas d’usage révèle alors les limites de l’existant. La donnée produit n’est pas normalisée. Les consentements ne sont pas synchronisés. Le CRM ne distingue pas prospect, client actif et ancien client de manière fiable. Les campagnes média ne récupèrent pas les exclusions à jour. Les équipes passent plus de temps à sécuriser la donnée qu’à concevoir des expériences.
Un framework utile consiste à classer la dette technique marketing en cinq catégories. La dette de données concerne la qualité, la fraîcheur, la duplication, les identifiants, les taxonomies et les règles de conservation. La dette d’intégration concerne les connecteurs, les flux batch, les API, les webhooks et la résilience des échanges. La dette opérationnelle concerne les workflows, les dépendances humaines, la documentation et la formation. La dette analytique concerne les modèles d’attribution, les définitions de KPI, les écarts entre plateformes et les dashboards contradictoires. La dette réglementaire concerne le consentement, la minimisation, la traçabilité et les droits d’accès ou de suppression.
Pour prioriser, il faut mesurer l’impact de chaque dette sur la décision. Toutes les imperfections ne méritent pas un chantier. Une nomenclature imparfaite mais stable peut être acceptable si elle n’affecte pas les arbitrages budgétaires. En revanche, un statut de consentement incohérent entre CRM, CDP et plateformes média doit être traité immédiatement, car il combine risque légal et risque relationnel. De même, un modèle d’attribution contesté peut paralyser les décisions de budget entre paid search, social, CRM et programmatique. Le RTB, real-time bidding, mécanisme d’enchères en temps réel permettant d’acheter une impression publicitaire lorsqu’elle devient disponible, ou une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter des impressions publicitaires de manière automatisée, ne peuvent pas être correctement optimisés si les signaux de conversion, d’exclusion et de valeur sont instables.
Un indicateur simple peut aider : le coût du contournement. Combien d’heures les équipes passent-elles à corriger, exporter, vérifier, dédupliquer ou réconcilier ? Si une équipe CRM mobilise chaque semaine dix heures pour consolider des listes d’exclusion avant envoi, la dette a un coût annuel mesurable. Si l’équipe data doit reconstruire manuellement un reporting mensuel parce que les campagnes ne respectent pas la nomenclature, la dette réduit la vitesse de décision. En martech, la dette technique ne se rembourse pas seulement par de meilleurs systèmes ; elle se rembourse par moins de frictions récurrentes.
Arbitrer entre consolidation, remplacement et optimisation de l’existant
Une fois la stack cartographiée et la dette qualifiée, trois options se présentent : consolider, remplacer ou optimiser. Consolider consiste à réduire le nombre d’outils en regroupant des capacités proches. Remplacer consiste à migrer vers une solution mieux adaptée. Optimiser consiste à mieux exploiter l’existant sans changement majeur de fournisseur. Le piège est de privilégier le remplacement parce qu’il donne l’impression d’un nouveau départ. Dans beaucoup de cas, l’entreprise n’a pas un problème d’outil, mais un problème de gouvernance, de formation, de modèle de données ou de process.
La consolidation est pertinente lorsque plusieurs outils couvrent des capacités similaires avec un niveau d’usage faible ou moyen. Par exemple, deux outils d’emailing, un module SMS séparé et un outil de push peuvent être fusionnés dans une plateforme lifecycle si les cas d’usage sont compatibles. Mais la consolidation doit être testée contre les besoins métiers. Supprimer un outil spécialisé très performant pour l’intégrer dans une suite moins précise peut dégrader un cas d’usage critique. La bonne question n’est pas combien d’outils peut-on supprimer, mais quelles capacités peuvent être mutualisées sans perte de performance ni perte de contrôle.
Le remplacement est justifié lorsque l’outil actuel bloque des objectifs structurants : impossibilité de gérer l’omnicanal, absence d’API fiables, coûts de montée en volume disproportionnés, conformité insuffisante, dépendance excessive à des développements spécifiques, faible adoption malgré formation et gouvernance. Mais un remplacement martech doit être traité comme un programme de transformation, pas comme un achat logiciel. Il exige une cartographie des flux, un plan de migration des données, une stratégie de coexistence temporaire, des tests de non-régression, une gouvernance des accès, une refonte éventuelle des campagnes et un dispositif de conduite du changement.
L’optimisation de l’existant est souvent sous-estimée. Elle peut inclure la rationalisation des taxonomies, la suppression de segments obsolètes, la refonte des templates, la formation avancée, l’automatisation de contrôles qualité, l’amélioration des connecteurs ou la révision des workflows. Un outil utilisé à 30 % de ses capacités peut générer plus de valeur avec trois mois de gouvernance et d’adoption qu’avec une migration vers une plateforme plus récente. La question est de savoir si la sous-utilisation vient d’un déficit d’activation interne ou d’une limite structurelle de l’outil.
Un comité d’arbitrage martech peut utiliser une matrice à quatre critères : valeur business, criticité opérationnelle, coût complet, complexité de migration. Un outil à forte valeur, forte criticité, coût maîtrisé et faible dette doit être préservé. Un outil à faible valeur, faible adoption et coût élevé doit être candidat à la sortie. Un outil à forte valeur mais forte dette doit être priorisé pour refonte ou remplacement. Un outil à faible coût mais créant beaucoup de complexité peut être plus dangereux qu’il n’y paraît. Cette matrice évite les décisions émotionnelles, souvent influencées par la relation fournisseur, la préférence d’une équipe ou la fatigue liée à l’outil actuel.
Relier les choix martech aux cas d’usage et à l’incrémentalité
Une stack n’a de valeur que par les cas d’usage qu’elle rend possibles. L’inventaire fonctionnel doit donc être relié à des objectifs concrets : réduire le CPA, augmenter le taux de conversion, améliorer la rétention, réduire le churn, taux de perte de clients ou de revenus, accélérer le traitement des leads, personnaliser les parcours, réduire la pression commerciale, améliorer le reporting de marge, renforcer la conformité ou réduire les coûts de production. Sans cas d’usage, l’arbitrage devient une comparaison abstraite de fonctionnalités.
La priorisation peut s’appuyer sur une grille impact versus faisabilité. Un cas d’usage à fort impact et faible complexité, par exemple automatiser les relances panier avec exclusions consentement et marge, doit être traité rapidement. Un cas à fort impact mais forte complexité, comme l’orchestration omnicanale temps réel sur web, email, app, call center et paid media, nécessite un programme structuré. Un cas à faible impact et forte complexité doit être écarté, même s’il est technologiquement séduisant. La maturité martech consiste à refuser des cas d’usage qui consomment beaucoup d’architecture pour peu de valeur incrémentale.
L’incrémentalité est centrale. Elle désigne la part d’un résultat qui n’aurait pas eu lieu sans l’action marketing. Un outil peut augmenter le nombre de conversions attribuées sans créer de conversions supplémentaires. C’est typique de certaines activations de retargeting, de recommandations produits ou de relances promotionnelles. Si l’audience ciblée était déjà très susceptible d’acheter, l’outil capte une intention existante. Pour évaluer une solution martech, il faut donc prévoir des tests : groupes de contrôle, holdouts, cohortes exposées et non exposées, mesure de marge nette, suivi à 30 ou 90 jours.
Exemple : une marque retail déploie un moteur de personnalisation produit sur son site. Le fournisseur annonce une hausse de 12 % du chiffre d’affaires attribué aux recommandations. Un test holdout montre toutefois que la hausse incrémentale réelle est de 3,5 %, car une partie des achats recommandés aurait eu lieu via la navigation classique. Après prise en compte du coût de licence, de l’intégration et de la marge produit, le ROI reste positif sur les catégories longues traînes, mais faible sur les best-sellers. La décision mature n’est pas d’arrêter l’outil ni de le généraliser aveuglément ; elle est de l’activer prioritairement sur les zones où l’incrémentalité est démontrée.
Cette logique vaut aussi pour les outils de scoring. Un score de propension, modèle estimant la probabilité qu’un individu réalise une action donnée, peut améliorer la priorisation commerciale. Mais s’il envoie aux ventes uniquement les leads qui auraient converti spontanément, il ne crée pas de valeur marginale. Un modèle d’uplift, méthode estimant l’effet incrémental d’une action sur un individu ou un segment, peut être plus pertinent pour décider qui doit recevoir un message, une offre ou un contact humain. L’expert martech doit donc pousser la stack au-delà de l’attribution déclarative vers une mesure causale, même imparfaite.
Installer une gouvernance martech : ownership, standards et cycle de vie des outils
La gouvernance est le point de bascule entre une stack maîtrisée et une accumulation d’outils. Elle commence par l’ownership. Chaque outil critique doit avoir un propriétaire métier, un propriétaire technique et un propriétaire data. Le propriétaire métier définit les cas d’usage, les priorités et les règles d’adoption. Le propriétaire technique garantit les intégrations, la sécurité, les accès et la résilience. Le propriétaire data veille aux définitions, à la qualité, au consentement et aux flux. Sans cette triangulation, les décisions se dispersent : le marketing achète, l’IT sécurise après coup, la data répare, le juridique intervient trop tard.
La gouvernance doit aussi imposer des standards. Nomenclature UTM, conventions de nommage des campagnes, définition des segments, règles d’exclusion, durées de conservation, mapping des champs CRM, niveaux de droits, documentation des automatisations, processus de recette avant mise en production. Ces standards peuvent sembler administratifs, mais ils conditionnent la capacité à mesurer et industrialiser. Un funnel B2B, par exemple, ne peut pas être piloté si les statuts lead, MQL, marketing qualified lead, lead jugé suffisamment qualifié par le marketing, SQL, sales qualified lead, lead accepté par les ventes, opportunité et client ne sont pas définis de manière commune.
Un processus d’achat martech mature devrait inclure un business case avant signature. Celui-ci doit préciser le problème à résoudre, les cas d’usage prioritaires, les outils substitués, les intégrations nécessaires, les données traitées, les risques de conformité, le TCO sur trois ans, les KPI de succès, les ressources internes requises et les conditions de sortie. Trop d’outils sont achetés sur une promesse de productivité sans estimation réaliste de l’effort d’implémentation. Or une solution qui nécessite six mois d’intégration et trois équipes pour être opérationnelle ne peut pas être évaluée comme un simple abonnement SaaS.
La gouvernance doit enfin couvrir la fin de vie. Décommissionner un outil est souvent plus difficile que l’acheter. Il faut migrer les données utiles, archiver ce qui doit l’être, supprimer ce qui ne doit plus être conservé, vérifier les dépendances, désactiver les tags, informer les utilisateurs, mettre à jour la documentation et renégocier les contrats. Une entreprise qui n’organise pas la sortie accumule des outils fantômes : encore facturés, parfois encore connectés, mais plus réellement pilotés. Ces outils augmentent la surface de risque et la confusion analytique.
Un bon rituel consiste à organiser une revue trimestrielle de portefeuille martech. Chaque outil est évalué selon usage, valeur, coût, dette, incidents, conformité, satisfaction utilisateur et roadmap. La revue ne doit pas être un audit bureaucratique, mais un mécanisme de décision : maintenir, optimiser, consolider, remplacer ou retirer. Dans les organisations avancées, cette revue est reliée au budget marketing, au plan data et à la roadmap produit. La stack devient alors un portefeuille vivant, pas un inventaire subi.
Conclusion : arbitrer la stack comme un portefeuille d’actifs, pas comme une liste de logiciels
L’expertise martech ne consiste plus à connaître le plus grand nombre d’outils. Elle consiste à savoir où la technologie crée de la valeur, où elle crée de la complexité, et comment arbitrer entre vitesse, coût, contrôle et évolutivité. Dans un environnement de budgets contraints, de pression privacy, de fragmentation des canaux et de promesses IA permanentes, la discipline d’architecture devient un avantage concurrentiel. Une stack performante n’est pas nécessairement la plus moderne ni la plus complète. C’est celle qui permet aux équipes de décider plus vite, d’activer plus proprement, de mesurer plus justement et de réduire les frictions opérationnelles.
Une feuille de route actionnable peut se structurer en sept étapes. Premièrement, cartographier la stack par capacités marketing, et non par fournisseurs, afin d’identifier doublons, lacunes et systèmes de vérité. Deuxièmement, calculer le TCO de chaque outil sur trois ans, en intégrant licences, intégration, run, ressources internes, conformité et coûts de sortie. Troisièmement, qualifier la dette technique marketing selon cinq catégories : données, intégration, opérationnel, analytique et réglementaire. Quatrièmement, relier chaque outil à des cas d’usage prioritaires et à des KPI business, pas seulement à des fonctionnalités. Cinquièmement, tester l’incrémentalité des activations clés avec holdouts, cohortes et mesure de marge, afin de distinguer performance attribuée et valeur réellement créée. Sixièmement, arbitrer entre consolidation, remplacement et optimisation de l’existant à l’aide d’une matrice valeur, criticité, coût et complexité. Septièmement, installer une gouvernance de cycle de vie avec propriétaires, standards, revues trimestrielles et processus de décommissionnement.
Le point critique est d’accepter que toute stack porte une dette. L’objectif n’est pas de viser une architecture parfaite, rarement atteignable et souvent trop lente. Il est de rendre cette dette visible, mesurable et gouvernable. Certaines dettes sont acceptables parce qu’elles permettent d’apprendre vite. D’autres doivent être remboursées avant de bloquer la croissance ou d’exposer l’entreprise à un risque de conformité. L’expert martech apporte précisément cette capacité d’arbitrage : traduire les choix techniques en impacts marketing, financiers et organisationnels.
À l’heure où l’IA générative promet d’ajouter encore de nouvelles couches d’automatisation, cette discipline devient plus importante, pas moins. Ajouter des assistants, des agents, des moteurs de contenu ou des modèles prédictifs sur une base de données instable et des processus non gouvernés ne fera qu’accélérer les incohérences. Avant d’augmenter la stack, il faut donc la clarifier. Les marques qui gagneront ne seront pas celles qui auront accumulé le plus d’outils, mais celles qui sauront transformer leur architecture martech en système de décision, d’exécution et d’apprentissage réellement maîtrisé.
