Étude de cas

Réduire l'attrition client avec un modèle prédictif d'IA

L'impact

Dans un contexte de forte croissance où la fidélisation est un levier clé de rentabilité, nous avons aidé WeCook à transformer ses données en avantage compétitif.

En structurant un entrepôt de données unifié et en développant un modèle prédictif de churn alimenté par l’intelligence artificielle, nous avons permis à l’équipe d’identifier les clients à risque et d’agir de façon proactive, avec des insights directement exploitables par le marketing.

Résultat : une précision de 85 % dans la détection des clients à risque, une mise en place de la solution en un mois malgré la complexité des sources de données, et une capacité accrue à générer des insights avancés pour optimiser les opérations marketing.

La preuve qu’une architecture de données solide, combinée à l’IA, peut transformer des données complexes en décisions d’affaires concrètes.

Objectifs du client

Services et technologies

Industrie

Le mandat

WeCook souhaitait réduire l’attrition et maximiser la valeur de ses clients en s’appuyant sur ses données existantes.

L’enjeu: transformer un écosystème de données riche mais fragmenté en un levier concret de performance, en développant un modèle prédictif capable d’identifier les clients à risque et d’alimenter les actions marketing.

Le tout dans un délai rapide, avec une solution scalable et maîtrisée en coûts.

 

85%

de détection de l'attrition

La stratégie

Structurer une fondation de données performante

Le projet a débuté par la mise en place d’une architecture robuste sur Google Cloud, capable de centraliser et traiter efficacement de grands volumes de données.

Connecter un écosystème de données complexe

Les données issues de multiples plateformes (GA4, CRM, médias, transactions, service client, paiements) ont été intégrées et harmonisées pour créer une vision unifiée du client. 

 

Organiser la donnée pour l’activation

Une architecture en médaillon a été déployée afin de structurer les données et faciliter leur utilisation autant pour l’analytique que pour l’intelligence artificielle.

Développer un modèle prédictif activable

Le modèle de churn a été conçu pour être directement exploitable par les équipes marketing, en intégrant une grande diversité de signaux comportementaux et transactionnels. 

Accélérer le déploiement

Des outils comme Fivetran, dbt et Cloud Run ont permis d’optimiser l’ingestion, la transformation et l’exécution des modèles tout en respectant les contraintes budgétaires. 

Une donnée bien structurée permet d’activer rapidement des cas d’usage IA à fort impact.

Les étapes

Définition de l’architecture cible

Analyse de l’écosystème existant et identification d’une architecture adaptée aux volumes de données, aux besoins d’activation et aux contraintes budgétaires. 

Intégration des sources de données

Connexion et ingestion de multiples sources: GA4, Klaviyo, plateformes médias, données transactionnelles, service client (Zendesk) et paiements (Stripe), via connecteurs natifs, Fivetran et API personnalisées. 

 

Centralisation dans BigQuery

Migration des données vers un entrepôt centralisé permettant de supporter plusieurs téraoctets de données et d’assurer des capacités d’analyse avancées. 

Structuration en architecture médaillon

Organisation des données en couches (brutes, transformées, enrichies) afin de faciliter leur exploitation et garantir leur qualité. 

Développement du modèle prédictif

 Entraînement d’un modèle de churn avec Vertex AI, basé sur une combinaison de signaux comportementaux, transactionnels et relationnels. 

Déploiement et mise en production

Mise en place de l’exécution à grande échelle avec Cloud Run et intégration des outputs du modèle dans les processus marketing. 

Notre processus

 

Partir du problème d’affaires

Aligner la solution sur un objectif concret: réduire l’attrition et augmenter la valeur client. 

Simplifier l’architecture

Prioriser des choix technologiques performants, mais pragmatiques et rentables. 

Unifier la donnée

Créer une vue client 360° à partir de sources multiples et hétérogènes. 

Activer rapidement

Déployer un modèle utilisable rapidement par les équipes marketing. 

Collaborer étroitement

 Faire travailler ensemble TI et marketing pour maximiser l’impact. 

Allez plus loin avec nos experts

Meta Andromeda: une révolution IA en paid social?

Meta Andromeda: une révolution IA en paid social?

10 December 2025 6 min read
Comment l’intelligence artificielle transforme l’expérience client (CX)

Comment l’intelligence artificielle transforme l’expérience client (CX)

14 November 2025 8 min read
L’IA gouverne Google Ads: et si les marketeurs perdaient la main?

L’IA gouverne Google Ads: et si les marketeurs perdaient la main?

15 September 2025 3 min read

Repérer et valoriser ce qui compte vraiment.

Recevez nos analyses et conseils pour rester à l’avant-garde du numérique.