Stellantis choisit Amperity pour relier les données clients et personnaliser les expériences

Stellantis a choisi Amperity pour relier les informations clients entre ses marques et ses différents points de contact, afin d’offrir aux équipes une base plus cohérente pour personnaliser les interactions. L’annonce du 27 octobre place l’identité et le contexte des clients au cœur de la transformation des données du constructeur automobile, en tenant compte de relations qui s’étendent aux véhicules, aux foyers, aux concessionnaires et à plusieurs années de détention.

Les utilisations prévues incluent les interactions entre les marques, les expériences après-vente et de fidélisation, les messages personnalisés et la mesure des campagnes. Amperity indique que son architecture modulaire fonctionnera avec l’environnement technologique existant de Stellantis. Lors d’une validation de principe, la plateforme aurait ingéré des millions d’enregistrements en quelques minutes et créé une vue client unifiée à 360° en moins de trois jours.

Il s’agit de résultats d’évaluation rapportés dans l’annonce, et non de la preuve d’un déploiement en production achevé. L’enjeu plus général réside dans le problème à résoudre : un système d’IA ou une équipe marketing ne peut prendre une décision pertinente à propos d’un client que si les enregistrements sous-jacents décrivent la bonne personne et la bonne relation.

Pourquoi les données clients du secteur automobile sont difficiles à relier

La relation avec un véhicule dure bien plus longtemps qu’une session d’achat en ligne classique. La personne qui se renseigne sur une voiture, l’acheteur, le conducteur habituel et la personne qui prend rendez-vous pour l’entretien peuvent être des membres différents d’un même foyer. La propriété peut changer alors qu’un ancien enregistrement reste dans un système distinct.

Cela entraîne deux types d’erreurs. Si les enregistrements ne sont pas reliés, une entreprise risque de traiter un même client comme plusieurs personnes sans lien entre elles. À l’inverse, un rapprochement trop agressif peut fusionner des personnes qui partagent une adresse ou se ressemblent d’une autre manière. Ces deux erreurs peuvent réduire la pertinence de la personnalisation.

Un profil unifié est donc bien plus qu’une liste de diffusion consolidée. C’est une interprétation mise à jour des liens entre les enregistrements, les personnes, les foyers et les transactions. Pour un constructeur automobile, la qualité de ces rapprochements contribue à déterminer si une interaction répond aux besoins du propriétaire actuel ou repose sur une supposition dépassée.

Comment Amperity résout les identités des clients

La plateforme de résolution des identités d’Amperity combine des règles configurées et un rapprochement assisté par l’IA. Les règles relient les enregistrements lorsque les identifiants et les conditions opérationnelles justifient un rapprochement ; un système de notation aide à évaluer les cas moins certains, où les informations sont incomplètes ou incohérentes.

L’entreprise décrit un processus qui commence par relier les enregistrements des différentes sources, applique une logique de rapprochement, attribue une note aux liens incertains et permet aux équipes d’examiner le graphe obtenu. La plateforme prend également en charge des vues d’identité conçues pour répondre à différents besoins métier, plutôt que de supposer qu’une même politique de rapprochement convient à tous les cas d’usage.

Cette distinction a une importance opérationnelle. Un public marketing et un processus de service client peuvent avoir des tolérances différentes à l’incertitude. Les équipes doivent comprendre pourquoi des enregistrements ont été reliés, examiner les rapprochements douteux et ajuster la logique à mesure que de nouvelles informations deviennent disponibles.

Ici, le composant d’IA s’attaque à un problème de données qui précède l’IA générative : déterminer quels enregistrements doivent être associés. Une réponse fluide fournie par un assistant ne peut compenser un profil sous-jacent qui regroupe les historiques de mauvais clients.

Transformer les profils rapprochés en contexte client

Sur le site web de sa plateforme de contexte client, Amperity décrit une démarche plus vaste : résoudre les identités, associer les profils à leur historique et aux signaux actuels disponibles, faciliter la prise de décision, activer les interactions par l’intermédiaire de canaux connectés et mesurer les résultats.

La plateforme comprend des fonctionnalités de segmentation, d’orchestration des parcours, de prédiction et de recommandation, ainsi que des connexions aux outils de marketing et de service. Amperity propose également des options de déploiement compatibles avec les environnements d’entrepôt de données et de lakehouse ; l’architecture appropriée dépend de la mise en œuvre.

Cela distingue le fait de savoir qui est un client de la décision sur la suite à donner. À titre d’exemple, une interaction récente avec le service après-vente pourrait modifier la pertinence d’un message prévu. Pour être utile, un système doit transmettre cet événement au flux de travail décisionnel à temps, en complément de l’historique existant du client.

Le défi de la mise en œuvre ne consiste pas simplement à accumuler davantage de données. Il s’agit de définir quels signaux sont pertinents, à quelle vitesse ils deviennent disponibles, quelles équipes peuvent les utiliser et quel résultat permettra de démontrer qu’une intervention a été utile. Ces décisions relèvent autant du produit et des opérations que de l’ingénierie.

Ce que cette fondation apporte aux agents d’IA

La plateforme plus vaste d’Amperity offre une connectivité au protocole Model Context Protocol pour les outils d’IA compatibles. Son serveur MCP est conçu pour permettre aux utilisateurs authentifiés de consulter le contexte client établi après rapprochement et d’effectuer les opérations prises en charge, dans le respect de leurs contrôles d’accès existants.

L’entreprise indique que les autorisations, les contrôles d’accès fondés sur les rôles, les paramètres de consentement et les politiques d’utilisation s’appliquent également à ces requêtes. Ainsi, la gouvernance fait partie intégrante de la connexion entre une plateforme client et un assistant, au lieu de laisser chaque nouvelle interface définir son propre modèle distinct d’accès aux données.

Il s’agit de capacités générales d’Amperity, et non de la confirmation que Stellantis a déployé toutes les fonctionnalités. L’annonce de la sélection ne précise pas la configuration d’un agent particulier en production.

Pour les grandes entreprises, les implications architecturales sont néanmoins claires : les assistants d’IA ont besoin à la fois d’un contexte utile et de limites encadrant son utilisation. Un profil client unifié peut améliorer la pertinence, mais ne garantit pas automatiquement l’exactitude de chaque recommandation ni le caractère approprié de chaque action. Les contrôles d’accès, le consentement et la vérification restent des éléments du processus.

La place de l’accord dans la stratégie d’IA de Stellantis

Stellantis a déjà présenté un projet plus vaste visant à intégrer l’IA dans l’ensemble de ses activités. Dans une annonce publiée en avril sur son propre site web, le constructeur automobile a décrit une collaboration de cinq ans avec Microsoft, qui prévoit plus de 100 initiatives d’IA dans des domaines tels que le service client, le développement de produits et les opérations.

Ce programme comprend également la modernisation de l’infrastructure Azure et des mesures de cybersécurité assistées par l’IA. Il éclaire l’orientation technologique de Stellantis à l’échelle de l’entreprise, mais l’annonce d’Amperity ne précise pas comment les deux collaborations s’intégreront sur le plan technique.

Le choix d’Amperity concerne un volet plus ciblé : les informations sur les clients que les équipes et les systèmes connectés utilisent pour prendre des décisions. De meilleurs modèles et une infrastructure plus rapide peuvent élargir les possibilités d’action d’une entreprise ; des données d’identité et un contexte fiables contribuent à déterminer si elle agit de manière appropriée envers un client donné.

Les prochains éléments probants viendront de l’utilisation en production : il faudra voir si les profils restent exacts à mesure que les relations évoluent, si les équipes peuvent les exploiter efficacement et si les résultats pour les clients s’améliorent. Ce partenariat illustre combien l’adoption de l’IA en entreprise dépend de plus en plus du travail moins visible qui consiste à organiser, gouverner et tenir à jour les données permettant de personnaliser l’expérience.