Data clean room pour un retail media network ou une plateforme publicitaire : utiliser celle que propose votre cloud, prendre un produit sous licence ou construire la vôtre

Une data clean room est un espace de travail partagé, généralement dans le cloud, où deux entreprises rapprochent leurs données clients et n'exécutent que les analyses sur lesquelles elles se sont mises d'accord. Bien configurée, elle ne laisse aucune des deux parties voir les données brutes de l'autre. Un retail media network peut s'en servir pour indiquer à une marque combien de clients ont vu ses publicités puis acheté ses produits. La marque obtient un total, pas une liste de noms. Vous pouvez utiliser la clean room que propose votre cloud ou votre entrepôt de données, prendre un produit de clean room sous licence ou construire la vôtre. Le choix dépend de l'endroit où se trouvent vos données et celles de vos annonceurs, et de la question de savoir si la clean room fait partie de ce que vous vendez.

Que fait une data clean room pour un retail media network ou une plateforme publicitaire ?

Dans un cas typique de retail media, une marque a mené une campagne de produits sponsorisés, les fiches payantes de vos résultats de recherche. Vous apportez les affichages publicitaires et les ventes, et la marque apporte sa liste de clients. Les deux parties transforment chaque adresse e-mail en code à l'aide de la même formule à sens unique, appelée hachage, si bien qu'une même adresse donne toujours le même code. La clean room rapproche les codes, et la marque obtient des totaux, par exemple combien de clients communs ont vu les publicités et combien ont acheté.

Les services de la Federal Trade Commission (FTC) américaine ont écrit sur les clean rooms dans un billet de novembre 2024 publié sur le blog technologique de l'agence. Ils les ont décrites comme « des services de traitement de données dans le cloud qui permettent aux entreprises d'échanger et d'analyser des données, encadrés par des règles qui en limitent l'utilisation. »

L'Interactive Advertising Bureau (IAB), l'organisation professionnelle américaine de la publicité numérique, a publié le 29 septembre 2026 un cadre consacré aux clean rooms dans le commerce. Sa page cite des usages comme « le recoupement d'audiences, l'enrichissement de données, le ciblage, l'exclusion ». En termes simples : combien de clients vous avez en commun, ce que vous apprenez de plus sur eux, et à qui montrer des publicités ou qui laisser de côté.

Les éditeurs et les plateformes publicitaires utilisent le même dispositif. Un éditeur peut rapprocher ses lecteurs connectés des clients d'un annonceur. Un DSP (demand-side platform), le système qu'utilisent les annonceurs pour acheter de la publicité, peut rapprocher les personnes qui ont vu ses publicités des ventes d'un annonceur.

Que ne résout pas une clean room ?

Une clean room ne protège les données que dans la mesure où elle est bien configurée. Les services de la FTC ont écrit dans le même billet : « Par défaut, la plupart des services qui fournissent des DCR ne préservent pas la vie privée. » DCR est l'abréviation de data clean room. Ils ont poursuivi : « Les entreprises doivent au contraire configurer et déployer délibérément chaque contrainte pour qu'elle soit efficace. »

Les règles sur les requêtes ne déjouent pas toutes les ruses. La documentation de Google sur les BigQuery data clean rooms avertit que les règles d'analyse « pourraient ne pas empêcher totalement des requêtes sophistiquées d'extraire des données non autorisées. » La documentation d'AWS Clean Rooms décrit l'une de ces ruses : apprendre quelque chose sur une personne « en ajoutant ou en supprimant des enregistrements concernant un individu et en observant la différence dans les résultats des requêtes. »

Le hachage ne rend pas les données anonymes. Les services de la FTC ont écrit sur le même blog en juillet 2024 : « Les entreprises ne devraient pas agir comme si le hachage d'informations personnelles les rendait anonymes, ni le prétendre. » La Commission européenne indique que les données à caractère personnel qui ont été « dépersonnalisées, chiffrées ou pseudonymisées mais qui peuvent servir à réidentifier une personne restent des données à caractère personnel ». Le RGPD, la principale loi de l'UE sur la protection des données, s'y applique donc. Des données pseudonymisées sont des données dont les noms ont été remplacés par des codes qui peuvent encore être reliés aux personnes.

Les obligations légales restent à la charge de chaque entreprise. L'IAB Tech Lab rédige des normes techniques pour la publicité numérique. Ses recommandations sur les clean rooms font du respect du droit de la protection des données « la responsabilité du contributeur de données », c'est-à-dire de l'entreprise qui apporte les données. Elles indiquent que les partenaires doivent se faire confiance pour apporter « des données complètes et exactes (non contrefaites/trafiquées/gonflées) ». Elles notent aussi que les taux de correspondance, c'est-à-dire la part des enregistrements qui trouvent leur équivalent de l'autre côté, « peuvent être différents de ce qui était prévu ».

Parfois, vous n'avez pas besoin de clean room du tout. Le cadre de l'IAB consacré au commerce indique que les clean rooms « ne sont pas la bonne solution pour tous les besoins en matière de données ou de mesure. »

Toutes les sources de cet article ont été consultées le 3 novembre 2026. Les citations de la FTC sont tirées de billets de blog de ses services, et non de règles de la FTC. En matière de protection des données, l'article ne cite que des sources de l'UE et des États-Unis. Les autres pays ont leurs propres règles.

Quels clouds et entrepôts de données proposent une clean room ?

AWS, Google Cloud, Snowflake et Databricks en proposent chacun une au sein de leur propre service. Un entrepôt de données est la base de données dans laquelle une entreprise conserve ses enregistrements pour les analyser. Ce qui les distingue pour un acheteur :

• AWS Clean Rooms : AWS indique que la collaboration « ne nécessite pas de sortir les données d'AWS ni de les charger chez un autre fournisseur de services cloud ». Le service peut aussi lire des données conservées dans Snowflake et Databricks. Celui qui crée la clean room choisit quel partenaire paie les requêtes.
• BigQuery data clean rooms, dans Google Cloud : Google indique que ses contrôles de sortie, c'est-à-dire les règles sur ce qui peut sortir de la clean room, empêchent automatiquement les partenaires qui interrogent les données de copier et d'exporter des données brutes.
• Snowflake Data Clean Rooms : la documentation de Snowflake indique que « les fournisseurs de données doivent utiliser Snowflake Enterprise Edition » et que « celui qui exécute l'analyse en supporte le coût », si bien que le partenaire qui lance une requête la paie.
• Databricks Clean Rooms : Databricks indique que les collaborateurs « ne peuvent pas voir les données des tables, vues ou volumes des autres collaborateurs ». Par défaut, les autres collaborateurs doivent approuver chaque élément de code d'analyse avant son exécution.

Quand faut-il utiliser la clean room que propose notre cloud ou notre entrepôt de données ?

Utilisez-la quand la plupart de ces conditions sont réunies :

• Vos logs publicitaires et vos données de ventes se trouvent déjà sur cette plateforme
• La plupart des marques avec lesquelles vous voulez travailler sont sur la même plateforme, ou celle-ci peut lire leurs données là où elles se trouvent
• Les marques veulent quelques analyses standard, comme le recoupement d'audiences et les ventes après une campagne
• Vous disposez de data engineers pour fixer les règles, rédiger les requêtes approuvées et aider chaque nouvelle marque à démarrer

La difficulté, ce sont les marques présentes sur d'autres plateformes, qui devront peut-être ouvrir un compte sur la vôtre ou y copier leurs données. Les recommandations de l'IAB Tech Lab préviennent que « déplacer des données entre certaines plateformes de DCR peut s'avérer fastidieux ou coûteux. » La clean room du cloud est en outre un outil généraliste, et non un produit de retail media. Les écrans et les rapports destinés à vos marques, ainsi que l'accompagnement de chaque nouvelle marque, sont à votre charge : à vous de les construire ou de vous en occuper à la main.

Quand faut-il prendre un produit de clean room sous licence ?

Prenez-en un sous licence quand :

• Les marques avec lesquelles vous voulez travailler conservent leurs données sur de nombreux clouds et entrepôts différents, et vous avez besoin de la plupart d'entre elles cette année
• Vous voulez des analyses et des écrans tout prêts que l'équipe marketing d'une marque peut utiliser sans écrire de code
• Votre équipe data est réduite, et vous préférez payer un fournisseur pour que les connexions continuent de fonctionner

Certains produits se connectent à de nombreuses plateformes à la fois. Le guide de démarrage de LiveRamp destiné aux distributeurs indique que vous pouvez établir des connexions de données vers la plupart des espaces de stockage dans le cloud, « notamment AWS, GCS, Azure Blob, Snowflake, Google BigQuery et Databricks ». Il présente une offre toute prête, Retail Intelligence, qui « relie une marque et un RMN (avec, en option, une couche de données éditeur) ». RMN signifie retail media network.

Le prix à payer : des frais, et moins de contrôle sur ce que vous pouvez mesurer. Les recommandations de l'IAB Tech Lab indiquent que « la structure tarifaire des DCR peut varier considérablement » et suggèrent de demander si chaque participant a besoin de sa propre licence. Si vous partez plus tard, vous devrez peut-être reconstruire les analyses et reconfigurer chaque marque.

Quand construire notre propre clean room en vaut-il la peine ?

Construire est rentable dans les cas suivants :

• La clean room fait partie de ce que vous vendez, et vous voulez vos propres règles de mesure et d'audiences
• Les audiences doivent parvenir à l'enchère de vos produits sponsorisés et à votre ad server, le système qui choisit et compte les publicités, sans que des listes de clients ne sortent de vos systèmes
• Les frais par requête ou par partenaire sont devenus supérieurs au coût d'une équipe qui exploite votre propre système

Construire ne veut pas forcément dire créer un nouveau moteur de confidentialité. Amazon Ads présente Amazon Marketing Cloud, sa clean room pour les annonceurs, comme une « solution de clean room dans le cloud » et indique qu'elle est « construite sur AWS Clean Rooms ». Votre propre couche, posée sur la clean room d'un cloud, peut prendre en charge le rapprochement, les requêtes approuvées, les écrans pour les marques, les logs et la liaison avec votre ad server.

Le travail continue après le lancement : quelqu'un doit examiner les nouvelles requêtes, répondre aux questions des marques sur les chiffres, appliquer les demandes de suppression et suivre les nouvelles normes. Si vous n'avez personne dans votre équipe pour s'en charger, commencez par utiliser une clean room ou par en prendre une sous licence.

Que décidons-nous nous-mêmes, quelle que soit la voie choisie ?

Le logiciel applique ces règles, mais c'est votre équipe qui les fixe :

• Rapprochement des identités : l'identifiant sur lequel vous rapprochez les personnes, comme l'adresse e-mail ou le numéro de carte de fidélité, et la façon dont chaque partie le prépare. Le protocole PAIR (Publisher Advertiser Identity Reconciliation) de l'IAB Tech Lab « repose sur la cryptographie commutative ». Chaque partie brouille les identifiants avec sa propre clé secrète, et les valeurs brouillées deux fois peuvent être comparées sans que personne ne les déchiffre. PAIR a remplacé la spécification OPJA, plus ancienne, que l'IAB Tech Lab a déclarée obsolète en juillet 2025. Pour mesurer quelles ventes ont suivi quelles publicités, l'IAB Tech Lab a finalisé ADMaP (Attribution Data Matching Protocol) en février 2025.
• Consentement : une trace de ce que chaque client a accepté. Les recommandations de l'IAB Tech Lab demandent à chaque entreprise qui apporte des données de « fournir la preuve du consentement, lorsque cela est applicable/requis ».
• Requêtes autorisées : les analyses que chaque marque peut exécuter, rédigées et approuvées à l'avance. AWS les appelle modèles d'analyse (analysis templates), et Google modèles de requête (query templates).
• Taille minimale d'audience : chaque ligne d'un résultat doit couvrir assez de personnes pour qu'aucune ne se distingue. Les recommandations de l'IAB Tech Lab ne fixent aucun chiffre. Ads Data Hub, l'outil de Google pour analyser les données publicitaires Google, demande environ 50 utilisateurs uniques par ligne de résultat dans son mode de contrôle des différences. Il en demande environ 20 dans son mode d'injection de bruit, et environ 10 quand une requête ne lit que des données de clics et de conversions. AWS supprime les lignes en dessous du minimum, et « le résultat de la requête n'indique pas que des résultats ont été retirés en raison de la contrainte de sortie. » Expliquez aux marques pourquoi les totaux peuvent ne pas concorder.
• Bruit et limites de requêtes : la confidentialité différentielle ajoute un peu de bruit aléatoire à chaque réponse, si bien que le résultat change à peine, qu'une personne donnée figure ou non dans les données. Sur AWS, chaque requête consomme une partie d'un budget de confidentialité. Le budget et le bruit ajouté à chaque requête limitent le nombre de requêtes qu'un partenaire peut exécuter.
• Logs : qui a lancé quelle requête, et quand. Les recommandations de l'IAB Tech Lab indiquent que ces enregistrements « devraient être visibles en toute transparence par tous les contributeurs de données ».
• Sortie des résultats : une audience doit parvenir à votre ad server ou au DSP d'une marque sous une forme que le système publicitaire peut utiliser, et non sous forme de liste d'adresses e-mail téléchargeable.
• Suppression : à la fin d'une collaboration, les recommandations demandent « la suppression et la destruction rapides des données du contributeur de données, ainsi que de tout résultat de la DCR ».

Que vérifier avant de signer avec un fournisseur cloud ou un éditeur de logiciel ?

• Nos données restent-elles dans notre propre compte, ou une copie en est-elle faite ailleurs ?
• Chaque marque a-t-elle besoin d'un compte ou d'une licence sur la même plateforme, et qui en paie le coût ?
• Qui paie chaque requête, et comment la facture évolue-t-elle quand le nombre de marques double ?
• Pouvons-nous ajouter nos propres requêtes approuvées et fixer, pour chaque marque, la taille minimale d'audience, le bruit et les limites de requêtes ?
• Pouvons-nous voir chaque requête exécutée sur nos données, avec qui l'a lancée et quand ?
• Comment les demandes de suppression et les retraits de consentement sont-ils appliqués aux données déjà présentes dans la clean room ?
• Que pouvons-nous emporter si nous partons : les requêtes approuvées, les logs et les tables de correspondance qui relient les identifiants de nos clients à ceux des partenaires ?

À qui appartiennent le code, les requêtes et les données ?

Avec la clean room d'un cloud, le fournisseur est propriétaire du service, et les requêtes que rédige votre équipe vous appartiennent. Avec un produit sous licence, les analyses écrites pour vous ne vous appartiennent que si le contrat le prévoit. Si vous construisez la vôtre, vous pouvez posséder le code source et engager n'importe quelle équipe pour le modifier. Demandez à la société qui la construit de lister dans le contrat les composants qu'elle conserve, ainsi que la licence qui vous permet de continuer à les utiliser.

Quelle que soit la voie, inscrivez trois choses dans le contrat. Vos données clients et de ventes restent les vôtres, et le fournisseur ne peut les utiliser que pour faire fonctionner votre clean room. Les requêtes approuvées contiennent votre méthode de mesure : vous devez donc pouvoir les emporter. Traitez les tables de correspondance comme des données à caractère personnel, et faites préciser dans le contrat où elles sont conservées et quand elles sont supprimées.

Que demander à une société qui le construirait ?

• Construirez-vous sur la clean room de notre cloud ou écrirez-vous le cœur vous-mêmes, et pourquoi ?
• Sur quel identifiant rapprocherez-vous les clients, et suivrez-vous PAIR pour le rapprochement et ADMaP pour la mesure ?
• Comment les requêtes de chaque marque seront-elles approuvées, et où la taille minimale d'audience est-elle appliquée ?
• Comment empêcherez-vous une marque d'apprendre quelque chose sur un client précis en comparant deux résultats ?
• Comment les audiences parviennent-elles à notre ad server et à notre enchère, et combien de temps cela prend-il ?
• Qu'enregistrent les logs, qui peut les lire, et combien de temps sont-ils conservés ?
• Comment une demande de suppression ou un retrait de consentement atteindra-t-il des données déjà rapprochées ?
• Pouvez-vous montrer cela en action dans un système qui fonctionne aujourd'hui ?

Où se situe amBrain ?

amBrain publie ce blog. Deux de ses lignes décrivent les systèmes situés de part et d'autre d'une clean room : les événements publicitaires qui y entrent, et l'ad server qui utilise les audiences qui en sortent. L'une indique : « amBrain construit des pipelines d'analytique d'événements pour l'ad tech : collecte, traitement et reporting des événements d'impression et de clic. » L'autre : « amBrain construit des ad servers : ciblage, capping de fréquence et reporting. » Une troisième ligne indique : « RTBBidder, une demand-side platform que nous avons construite pour un client. »

amBrain développe des logiciels depuis 2019. Sur sa façon de travailler avec ses clients, elle dit : « Trois formats : livraison complète, équipe dédiée ou ingénieurs intégrés à votre équipe. » Sur la propriété, sa formule est : « Le client conserve la pleine propriété du produit et du code, à l'exception de nos composants réutilisables. » Demandez la liste nominative de ces composants avant de signer.

Cet article n'est pas une étude de cas. Hormis la mention de RTBBidder, il ne décrit aucun travail client. Il n'affirme pas qu'amBrain a construit, pris sous licence ou mis en place une data clean room pour un client, et il ne donne ni prix ni délais d'amBrain. Il cite les autres organisations nommées ici d'après leurs pages publiées et n'affirme aucune relation entre amBrain et l'une d'elles.

Ce n'est pas non plus un conseil juridique. Vérifiez avec un avocat comment le droit de la protection des données s'applique à vos données. Si amBrain figure sur votre liste restreinte, posez-lui les mêmes questions qu'à n'importe quelle autre société.