Est-ce qu’on me surveille, que fait-on avec mes données, pourquoi veut-on savoir autant de choses sur moi ? Aujourd’hui, naviguer sur le web vient avec son lot de questionnements et de préoccupations. Les technologies ont connu une avancée tellement fulgurante au cours des dernières décennies qu’on peut pratiquement tout faire aujourd’hui en quelques clics. Faire ses courses, acheter une voiture, suivre l’actualité, etc. Et le web a une mémoire ! L’expérience en ligne peut être personnalisée selon les goûts et les besoins de chacun. Prenons l’exemple de Netflix qui envoie à ses utilisateurs des courriels avec comme objet « Nous venons d’ajouter un film qui pourrait vous plaire » en se basant sur leurs historiques de visionnage. C’est incroyable, n’est-ce pas ? Mais quel est le prix de tous ses avantages ?

Un des défis du marketing numérique a toujours été de comprendre ses clients et de trouver des moyens de satisfaire au mieux leurs besoins. Aujourd’hui, ce n’est plus difficile de récolter des informations sur les utilisateurs. Les problématiques deviennent « comment les récolter de manière éthique ? » et « que faire de toutes ces données ? ». Les entreprises deviennent riches de données à ne plus savoir quoi en faire et on assiste à la course à celui qui saura le mieux les utiliser. Si ces pratiques contribuent à l’évolution de la consommation, elles menacent aussi grandement le consentement et la vie privée des usagers. Ainsi, les entreprises doivent trouver des manières durables de gagner la confiance de l’utilisateur tout en optimisant l’expérience de consommation.

Récolte de données et controverse des cookies tiers

Avant toute chose, il est important de comprendre comment l’entreprise récolte des données. Les cookies sont des fichiers textes qu’un site web envoie au navigateur de l’utilisateur afin de collecter les données de son historique de navigation. Les entreprises peuvent ainsi enregistrer les préférences de leurs clients et les exploiter pour des recommandations de contenu ou du ciblage publicitaire.

Cependant, le fonctionnement de la récolte de ces données a suscité beaucoup de préoccupations autour de la protection des données personnelles, donnant ainsi naissance à de nombreuses réglementations qui ont chamboulé les pratiques d’analyse web au cours des dernières années. En effet, on peut citer la loi 25 au Québec et le RGPD dans l’Union européenne, qui visent à protéger l’utilisateur en encadrant l’utilisation de ses renseignements personnels en ligne (Savard, 2026). Plus spécifiquement, ces lois rendent obligatoire l’obtention du consentement avant la récolte des données. C’est pour cela que la navigation est bloquée à l’entrée de chaque site web par des bannières de consentement.

De plus, Google a pris la décision de mettre fin aux cookies tiers en 2024. Ce type de cookie opère au-delà des murs du site web et suit l’utilisateur partout dans sa navigation. Par exemple, si je consulte des chaussures de course sur le site de New Balance, des cookies tiers peuvent être déposés dans mon navigateur par Google Ads. Ainsi, en consultant plus tard un article d’actualité, une publicité pour ces mêmes chaussures de course apparaitra. Dans cette situation, la marque surveille mon comportement à travers Google Ads afin de faire du reciblage publicitaire. Malgré les avantages que présente l’exploitation de ces cookies pour l’entreprise, leur fonctionnement est devenu trop intrusif et de moins en moins fiable, forçant ainsi les navigateurs à les bloquer (Roux, 2026). Cette perte réduit alors les possibilités des entreprises et les pousse à revoir leurs pratiques en termes de collecte de données.

L’utilisation des cookies à des fins publicitaires devient alors controversée et les entreprises doivent trouver des moyens plus éthiques de compenser la perte de données.

Existe-t-il des alternatives éthiques à la fin des cookies tiers ?

Si on enlève les cookies tiers, qu’est-ce qu’il nous reste ? Parmi les autres types de données exploitables, le first-party data (cookies propriétaires) représente une autre alternative intéressante puisqu’il s’agit des données que l’entreprise récolte à partir de ses propres canaux (clics, pages consultées, ajouts au panier, etc). Si j’ajoute un article dans mon panier sans aller plus loin, il se peut que je reçoive un courriel plus tard m’encourageant à « finaliser l’achat ». L’expérience client peut donc être modelée selon les comportements du client et ses actions deviennent des données précieuses que l’on appelle des données comportementales.

Plusieurs sources mentionnent aussi le zero-party data : les données que l’utilisateur choisit de partager volontairement en ligne grâce à des sondages, questionnaires, quiz, etc. Par exemple, Sephora propose un quiz « soins pour la peau » qui permet d’indiquer son type de peau, ses préoccupations cutanées ou encore ses préférences d’ingrédients. Le site peut alors émettre des recommandations de produits et créer une routine personnalisée pour chaque client. Cette alternative de données est non seulement plus éthique, mais aussi plus précise que les cookies tiers. Contrairement aux autres types de données, le zero-party data présente deux principaux avantages :

• La précision : l’utilisateur choisit de partager ses informations, ce qui certifie de leur justesse contrairement aux first-party data qui représentent des interprétations basées sur le comportement. Cette nuance définit la précision de l’information récoltée et donc, la qualité de la donnée. C’est ce qui la rend si précieuse et ce qui rend le fait de l’ignorer fatal pour l’entreprise.
• La confiance : utiliser les données que les utilisateurs procurent de leur plein gré les amène à se sentir écoutés plutôt que surveillés, augmentant ainsi leur confiance envers l’entreprise et donc leur chance d’y revenir.

Ainsi, utiliser ce type de données est un bon moyen de soigner la crise de confiance causée par les cookies tiers et de créer une relation plus forte entre l’entreprise et ses clients.

On note cependant une distinction importante à faire entre zero-party data et first-party data. Chez le consommateur, il peut y avoir une différence entre ce qui est dit et ce qui est fait (Tophoj, 2026). Si l’on reprend l’exemple de Sephora un consommateur peut avoir des préférences précises associées à son compte mais aussi, consulter des produits totalement différents dans le but d’offrir des cadeaux de fin d’année. Dans ce contexte, la recommandation de produit basée sur l’historique de recherche et de navigation est tout aussi pertinente et aide le client dans son parcours, favorisant ainsi sa satisfaction globale. Les données comportementales doivent donc être exploitées en complément du zero-party data afin de maximiser la récolte des données et de mieux comprendre les besoins de ses clients.

Le paradoxe de l’abondance des données

Zero-party data, first-party data, on voit alors que les entreprises peuvent compenser la perte des cookies tiers de manière plus éthique. La récolte de ce type de données leur permet de rassembler un nombre considérable d’informations sur leurs clients. Cependant, la récolte de données ne suffit plus. Ce que les entreprises n’ont pas vu venir, c’est l’abondance des données qui complexifie leur traitement et leur analyse. En effet, d’après une étude menée par SAP en 2026, 54% des grandes marques ne peuvent pas accéder ou n’exploitent pas ces données et 60% souffrent du « dark data », les données collectées, mais jamais utilisées. Les informations récoltées ne sont pas exploitées assez rapidement pour pouvoir influencer positivement l’expérience client (Richter, 2026).

L’entreprise peut gagner la confiance de ses clients en étant transparente dans sa récolte de données. Mais cette relation peut s’avérer être fragile si elle n’est pas bien entretenue, car elle est basée sur la réciprocité, autrement dit c’est du donnant-donnant. Un rapport conjoint de Forrest et Adobe montre que 57% des consommateurs se montrent réticents à partager leurs données, mais restent disposés à s’engager dans un échange de valeur. Si un client exprime ses préférences, répond à un questionnaire, ou accepte des cookies, il s’attend inévitablement à ce que son expérience soit optimisée par la suite selon ses préférences.

Selon une étude de McKinsey&Company, 78% des consommateurs s’attendent à ce qu’on leur propose du contenu personnalisé. Les informations obtenues par l’entreprise doivent donc être exploitées pour répondre aux attentes des consommateurs. Dans le cas contraire, elles perdent de la valeur et la relation avec le client se détériore jusqu’à la perte de confiance. On observe donc un certain paradoxe : le problème passe de « comment récolter toujours plus de données » à « comment exploiter toutes ces informations disponibles ? ». Il est donc primordial pour les entreprises de trouver des moyens de les exploiter à temps afin d’augmenter la rétention client.

L’IA comme solution ?

Depuis quelques années, nous assistons à la croissance exponentielle de l’intelligence artificielle dans toutes les industries. Son utilisation devient une nécessité plus qu’un choix dans une nouvelle réalité où tout va plus vite. Les entreprises débordent de données et manquent d’efficacité dans leur exploitation. Là où l’humain n’arrive pas à suivre le rythme, l’IA est une solution concrète pour aider au traitement de ces données. En effet, 78% des marques considèrent que l’IA est essentielle dans la fidélisation des clients (Richter, 2026). L’IA permet alors de rendre exploitables des données délaissées et ce, grâce à l’automatisation des tâches, la segmentation client, l’analyse prédictive, etc.

Cependant, comme dans la récolte de données, l’entreprise se doit d’être transparente sur ses pratiques et les outils qu’elle utilise. L’intelligence artificielle peut répondre aux besoins de gestion des données mais l’utilisation de ses outils peut compromettre la confiance établie par le zero-party data et le first-party data. La réalité est qu’aujourd’hui, il n’y a rien de plus important pour les consommateurs que la transparence. Prioriser la confidentialité et la sécurité dans la gestion des données est la clé pour gagner la confiance de ses clients (Adobe, 2026).

Comment préserver la confiance ?

On comprend alors que le consommateur peut accepter de partager ses données avec l’entreprise, mais à la condition de savoir quelles données sont récoltées, pourquoi elles sont récoltées et dans quel contexte elles seront utilisées. Avec l’ajout de l’intelligence artificielle dans l’équation, les entreprises doivent redoubler d’efforts pour assurer la transparence de ses pratiques et protéger les données personnelles de ses utilisateurs. Les principes de l’OCDE sur l’IA mettent la lumière sur l’importance d’informer les utilisateurs sur les raisons pour lesquelles l’IA peut accéder à leurs données (OECD, 2024).

Si l’utilisation des zero-party data et first-party data procure un sentiment de sécurité au consommateur, l’IA ne devrait pas tout détruire. C’est pour cela que les marques doivent rendre plus accessible aux utilisateurs l’accès à leurs données afin qu’ils puissent surveiller ce qui est partagé et gérer en tout temps les données que l’entreprise possède sur eux. En renforçant la capacité décisionnelle du consommateur les entreprises peuvent démontrer une volonté de transparence, renforçant ainsi le sentiment de sécurité et la confiance de l’utilisateur.

De plus, avec l’avancée rapide des outils d’intelligence artificielle, c’est facile de perdre le contrôle. Il est donc important de conserver un côté humain dans tout le processus du marketing numérique. À l’interne, les entreprises se doivent de faire attention aux erreurs engendrés par l’IA. D’après l’institut national des normes et erreurs américain (NIST), il est important d’inclure une intervention humaine dans ses procédés car l’intelligence humaine n’est pas infaillible. Et le risque d’erreur peut menacer la crédibilité de l’entreprise et la qualité de l’offre qu’elle propose.

En conclusion…

Transparence et honnêteté sont les mots d’ordre en ce qui concerne la collecte de données en marketing. Les réglementations se resserrent de plus en plus et la popularisation de l’intelligence artificielle risque de poser plus de défis aux entreprises. Les entreprises se doivent donc de prioriser le client en adoptant des pratiques plus transparentes et en posant un cadre clair sur l’utilisation de l’IA.

Le but n’est pas de remplacer l’humain, mais d’optimiser les processus tout en maximisant le traitement des données afin d’accroitre la satisfaction client. Le tout, en conservant la transparence et le respect des renseignements personnels des utilisateurs.

Le schéma ci-dessous représente la cycle de la confiance de l’utilisateur et l’IA peut être une menace si elle n’est pas bien exploitée.

Références

Adobe. (2026). Effective data management is your competitive advantage. Retrieved from Business.adobe.com: https://business.adobe.com/resources/sdk/make-data-management-your-competitive-advantage.html

Downie, M. H. (2024, 08 05). AI personalization. Retrieved from IBM: https://www.ibm.com/think/topics/ai-personalization

McKinsey. (2023, 05 30). What is personalization? Retrieved from mckinsey.com: https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-personalization

OECD. (2024, 05). Principes de l’IA. Retrieved from oecd.org: https://www.oecd.org/fr/topics/sub-issues/ai-principles.html

Richter, S. (2026, 03 20). 8 reasons leaders should change how they think about customer engagement. Retrieved from SAP: https://www.sap.com/research/2026-global-customer-engagement-index

Roux, E. (2026, 04 29). Les cookies tiers en 2026 : comment s’adapter à la fragmentation du web ? Retrieved from trackad.ai: https://www.trackad.ai/blog/les-cookies-tiers-en-2026-comment-sadapter-a-la-fragmentation-du-web/

Savard, W. (2026, 01 06). Loi 25 vs RGPD : ce que le Québec a emprunté à l’Europe (et ce qu’il a ajouté). Retrieved from tchatnsign.com: https://tchatnsign.com/fr/blog/loi-25-vs-rgpd-comparaison

Tophoj, M. (2026, 08 24). What Is Zero-Party Data? Retrieved from Emarsys: https://emarsys.com/learn/blog/what-is-zero-party-data/

Wassel, B. (2026, 04 24). CX teams are collecting the data, but failing to act on customer intent signals. Retrieved from CX Dive: https://www.customerexperiencedive.com/news/cx-teams-collecting-data-act-customer-intent/818373/

Will Webster, F. Z. (2023, 10 10). What is zero-party data? Definition, benefits and examples. Retrieved from Qualtrics: https://www.qualtrics.com/articles/strategy-research/zero-party-data/