Votre fournisseur utilise-t-il vos données ? La nouvelle question des achats

Chaque appel d’offres pour des outils de feedback client ou de CX posait autrefois une version de la même question : « Nos données sont-elles sécurisées ? » Les fournisseurs répondaient avec des badges SOC 2, des cases cochées pour le chiffrement au repos, et une clause RGPD enfouie dans une annexe. Cette question ne suffit plus, et si votre liste de vérification des achats s’arrête encore là, vous passez à côté de ce qui compte réellement en 2025 : non pas si vos données sont protégées, mais si elles sont utilisées — par le fournisseur, à des fins qui n’ont rien à voir avec votre activité.

Chaque plateforme de CX et de support propose désormais des insights « propulsés par l’IA », des résumés générés automatiquement, des scores prédictifs ou des référentiels sectoriels. Quelque part, un modèle effectue ce travail. La question des achats à l’ère de l’IA est simple à poser mais étonnamment difficile à obtenir comme réponse franche : sur quoi ce modèle est-il entraîné, et qui bénéficie de cet entraînement ?

Pourquoi cette question n’existait pas il y a cinq ans

Avant que l’IA générative et le scoring comportemental à grande échelle ne deviennent la norme, la plupart des fournisseurs de feedback et d’enquêtes n’étaient que des entrepôts de données dotés d’une belle interface. Vos réponses reposaient dans leur base de données, vous génériez des rapports, vous exportiez des fichiers CSV. La relation commerciale était claire : vous payiez pour du stockage et des outils, pas pour de l’intelligence.

L’IA a changé la donne économique. Entraîner un modèle de sentiment utile, un prédicteur d’attrition ou un référentiel sectoriel nécessite des données — beaucoup de données, idéalement mutualisées entre de nombreux clients. Les fournisseurs qui proposent des « référentiels NPS propulsés par l’IA » ou un « scoring de leads intelligent prêt à l’emploi » ont obtenu cette capacité quelque part, et dans la plupart des cas, ce quelque part est un agrégat des données de chaque client transitant par leur plateforme, y compris les vôtres.

Cela n’a rien d’intrinsèquement sinistre. Des données mutualisées et anonymisées peuvent produire des référentiels réellement utiles. Mais c’est une décision commerciale que votre organisation devrait prendre en connaissance de cause, et non découvrir dix-huit mois après la signature d’un contrat, lorsque le service juridique examine une liste de sous-traitants.

Trois façons dont les fournisseurs utilisent réellement vos données

Quand un fournisseur dit « nous utilisons l’IA pour améliorer votre expérience », cette phrase peut signifier trois choses très différentes, chacune ayant des implications distinctes pour votre propriété intellectuelle, votre position concurrentielle et votre posture de conformité.

1. Entraîner des modèles partagés sur vos données

Vos transcriptions de support, vos verbatims d’enquête ou vos journaux de chat alimentent un modèle qui sert également d’autres clients — parfois vos concurrents directs. La justification du fournisseur est généralement « cela rend l’IA plus intelligente pour tout le monde ». La question à laquelle vous devez obtenir une réponse : pouvez-vous refuser, et ce refus dégrade-t-il le produit pour lequel vous payez ?

2. Construire un référentiel ou un graphe d’identité inter-clients

Certaines plateformes enrichissent les fiches de vos clients avec des signaux observés dans l’ensemble de leur base clients — une pratique courante chez les CDP et les fournisseurs de référentiels. Cela paraît intéressant (« voyez comment vous vous comparez à vos pairs du secteur ») mais cela signifie que le fournisseur construit un actif de données qui survit à votre contrat et que vous ne possédez pas, en utilisant des enregistrements provenant à l’origine des données personnelles de vos clients.

3. Conserver les données brutes au-delà de l’objectif déclaré

Même sans entraînement de modèle, de nombreuses plateformes conservent indéfiniment les transcriptions et réponses brutes à des fins d’« amélioration du produit » jamais clairement définies. Il s’agit moins de malveillance que de paramètres par défaut que personne n’a reconsidérés — mais cela signifie quand même que la réponse de votre client à une enquête CSAT pourrait reposer dans le data lake d’un fournisseur pendant des années au-delà de la politique de conservation promise dans votre propre avis de confidentialité.

Les questions d’achat qui fonctionnent vraiment

Des questionnaires de sécurité génériques obtiennent des réponses génériques. Ces questions sont suffisamment précises pour qu’un fournisseur ne puisse pas se défausser avec un PDF de conformité :

• « Entraînez-vous un modèle quelconque — sentiment, classification, scoring ou génératif — sur des données provenant de plusieurs clients, y compris les nôtres ? » Demandez un oui/non, pas une description de votre « accord de traitement des données ».
• « Si nous partons, qu’advient-il des données dérivées — scores, embeddings, profils — construites à partir de nos réponses brutes ? » La suppression des données brutes à la résiliation du contrat est standard. La suppression des données dérivées ne l’est pas, et la plupart des fournisseurs ne la mentionnent pas sauf si on leur demande directement.
• « Pouvons-nous voir et exporter les champs exacts que vous utilisez pour calculer [fonctionnalité X] ? » Si le fournisseur ne peut pas vous montrer les données d’entrée de son score d’attrition ou de son score de lead, vous ne pouvez ni l’auditer, ni le contester, ni le reproduire ailleurs.
• « Votre référentiel est-il calculé à partir de données que vous agrégez sur l’ensemble de vos clients, ou pouvons-nous le limiter à notre propre historique de référence ? » Un fournisseur dont tout le produit de benchmarking dépend de la mutualisation des données clients a un intérêt structurel à garder cette mutualisation opaque — il ne peut pas vous recommander d’apporter votre propre référence car cela nuirait à son produit.
• « Construisez-vous un graphe d’identité inter-locataires, ou chaque jointure s’exécute-t-elle sur un identifiant que nous contrôlons ? » Cette seule question révèle plus sur l’architecture d’un fournisseur qu’une heure de démonstration commerciale.

Un exemple concret : tester un fournisseur avant de signer

Supposons que vous soyez responsable des opérations e-commerce évaluant deux plateformes pour un flux combiné de prise en charge RMA et de CSAT post-résolution. Les deux se démarquent bien en démo. Les deux revendiquent une « analyse de sentiment propulsée par l’IA » sur les commentaires de retour. Voici un test pilote concret qui sépare les vraies réponses du discours marketing :

1. Configurez un formulaire RMA d’essai avec une section répétable — plusieurs articles par retour, chacun avec une description textuelle libre du défaut. Il s’agit d’un scénario réaliste de retour multi-articles, pas d’un exemple jouet.
2. Soumettez dix réponses de test avec un langage distinct et identifiable dans les champs de texte (des phrases que vous pourrez rechercher plus tard).
3. Demandez au fournisseur, par écrit : « Montrez-moi où ce texte est stocké, quelle période de conservation s’applique, et confirmez si un modèle entraîné dessus est partagé avec d’autres locataires. »
4. Demandez un export de données qui montre le sentiment et l’extraction d’entités par instance, rattachés à chaque article individuel du retour — et non un seul bloc fusionné pour l’ensemble de la soumission.
5. Résiliez l’essai et demandez une confirmation de suppression, y compris de tout score ou embedding dérivé — pas seulement de la soumission brute.

Les fournisseurs qui réussissent ce test peuvent vous montrer, concrètement, que la description du défaut de chaque article a été analysée indépendamment (utile pour réellement orienter les décisions de remplacement par produit, et non juste un vague indicateur « ce retour était négatif »), que les données reposaient dans votre propre locataire, et que la suppression était réelle et complète — et non « anonymisée et conservée ». Les fournisseurs qui ne peuvent pas produire cela rapidement, ou qui répondent par « notre DPA couvre cela », vous disent que la réponse honnête est compliquée.

Lire le contrat, pas seulement la démo

Les démonstrations commerciales montrent des capacités. Les contrats montrent des intentions. Avant de signer, faites vérifier spécifiquement par le service juridique :

• Les listes de sous-traitants nommant tous les tiers ayant accès à vos données, y compris tout fournisseur de modèle d’IA.
• Les clauses de refus d’entraînement qui sont explicites, et non implicites via une clause générale d’« amélioration du produit ».
• Les clauses de portabilité des données couvrant non seulement les exports bruts mais aussi les scores, tags et classifications dérivés dont votre équipe peut dépendre opérationnellement.
• Les calendriers de conservation pour les données brutes comme dérivées, avec des délais de suppression à la résiliation.
• La divulgation de la méthodologie des référentiels — si le fournisseur vous vend une comparaison sectorielle, demandez comment l’ensemble de comparaison est constitué et si vos données figurent aussi dans l’ensemble de comparaison de quelqu’un d’autre.

Comment SurveyAnalytica vous aide

SurveyAnalytica a été conçu autour d’une réponse précise à cette question : aucun graphe d’identité, aucun actif de profil inter-locataires. Les jointures entre comportement, transactions, voix et signaux sociaux s’exécutent de manière déterministe sur l’identifiant client que votre organisation contrôle déjà — et non sur une correspondance probabiliste construite à partir de données mutualisées entre clients sans lien entre eux. Lorsque le lien probabiliste est proposé, c’est un choix explicite du client, pas un défaut.

Cette même philosophie s’applique à l’analytique. L’analyse de texte — sentiment, extraction d’entités, classification — s’exécute indépendamment sur chaque élément de texte libre, y compris chaque instance au sein d’une section répétable telle qu’un formulaire RMA multi-articles, de sorte qu’un retour comportant trois problèmes produits distincts génère trois scores distincts et auditables plutôt qu’un agrégat opaque impossible à retracer jusqu’à sa source. Vous pouvez voir exactement ce qui a alimenté n’importe quel score dérivé, car les entrées et les sorties se trouvent dans votre propre locataire.

Le même principe s’étend à l’automatisation : les workflows déclenchés par des événements d’enquête, de ticket ou de clickstream s’exécutent sur des données que votre organisation possède et peut exporter ou supprimer selon vos conditions, sans effet secondaire de partage de modèle intégré dans le moteur de workflows. Si vous évaluez actuellement des plateformes selon ce critère précis, notre comparatif direct détaille comment les choix architecturaux relatifs à la propriété des données diffèrent dans la pratique, pas seulement sur le papier.

En résumé

« Votre fournisseur utilise-t-il vos données » peut sembler une question paranoïaque jusqu’à ce qu’on réalise à quel point une grande partie du marché actuel des logiciels de CX et de support est discrètement financée précisément par cette pratique — données d’entraînement mutualisées, référentiels partagés, graphes d’identité qui survivent à votre contrat. Rien de tout cela ne nécessite une conspiration ; c’est simplement l’architecture par défaut d’un grand nombre d’outils étiquetés IA, et les paramètres par défaut sont rarement divulgués à moins qu’un acheteur n’insiste.

La solution n’est pas d’éviter les fonctionnalités d’IA. C’est de poser les questions précises et vérifiables ci-dessus avant de signer, de tester les réponses lors d’un véritable pilote avec de vraies données, et de lire le contrat pour savoir ce qu’il advient des données dérivées en cas de départ — pas seulement des données brutes. Les fournisseurs qui n’ont rien à cacher répondront en un seul e-mail. Ceux qui ne le peuvent pas vous disent quelque chose d’important sur la destination réelle des données de vos clients.