Pourquoi la qualité des données de tracking se dégrade-t-elle avec l'IA ?
Parce que l'IA exécute plus vite que les équipes ne vérifient. Les organisations ont déployé des algorithmes d'enchères média, des tests A/B automatisés et des agents capables d'optimiser en continu. Tous consomment la même donnée, à une vitesse qu'aucune équipe ne peut vérifier à la main.
Le problème : une mise en ligne peut casser la collecte sans que rien ne tombe en panne. Les serveurs tournent, les pages s'affichent, les tableaux de bord restent au vert. Mais la donnée, elle, est tronquée, faussée ou absente.
Trente jours dans la vie d'une mesure cassée
Thomas Pinte a illustré ce risque avec un exemple très concret :1. Jour 0 : lors d'une refonte du tunnel de commande, un développeur renomme une variable du dataLayer. Il ignore que le tag de conversion d'un partenaire média en dépend. Le même jour, le marketing lance une campagne avec ce partenaire.
Deux histoires vraies
• Royaume-Uni, octobre 2020, sans IA : les résultats de tests Covid transitent par un tableur au format ancien. Au-delà d'un certain nombre de lignes, le fichier coupe sans prévenir. Environ 16 000 cas ne sont pas comptés pendant huit jours, et près de 48 000 cas contacts ne sont jamais prévenus.
• Unity, 2022, avec IA : un modèle d'enchères publicitaires apprend sur des données corrompues. Rien ne casse, le modèle continue d'optimiser. Résultat annoncé : environ 110 M$ de revenus perdus et une chute de 37 % de l'action en une séance.
Dans les deux cas, aucun système n'est tombé en panne. L'erreur attendait qu'on la lise, ou elle a été exécutée.
Qu'est-ce que le Spec-Driven Measurement ?
Le Spec-Driven Measurement est une méthode qui fait du plan de marquage la référence vérifiée automatiquement, avant et après chaque mise en ligne. Elle s'inspire du Spec-Driven Development, formalisé par GitHub en 2025 pour coder à l'ère de l'IA : au lieu d'écrire le code puis de le documenter, on écrit d'abord précisément ce qui doit exister, la spécification. L'IA produit le code à partir d'elle, et les tests vérifient que le résultat y correspond.
C'est la différence entre un compte-rendu et un plan d'architecte. Quand construire devient rapide et bon marché, la qualité du plan fait toute la différence.
Que change-t-il pour le plan de marquage ?
Un plan de marquage tenu dans un tableur et jamais vérifié reste une documentation. Une recette faite une fois, lors d'une refonte, reste une photographie : la mise en ligne suivante la rend obsolète.
Le Spec-Driven Measurement fait du plan de marquage la référence que les machines vérifient. Il décrit :
• ce que le site ou l'application doit exposer dans le dataLayer ;
• ce que chaque tag doit envoyer ;
• sous quelles conditions de consentement il a le droit de se déclencher.
Ce plan est ensuite contrôlé automatiquement avant et après chaque mise en ligne.
À quoi ressemble une règle de collecte vérifiable ?
| Ce que le métier écrit | Vérifié à chaque mise en ligne | Surveillé en production |
|---|---|---|
| L'achat est envoyé sur la page de confirmation | L'événement est présent, une seule fois par transaction | Le volume du jour est comparé à l'attendu |
| Le montant est lu dans le dataLayer, pas dans l'URL | La source et le format sont vérifiés | Les dérives du panier moyen sont détectées |
| Le tag publicitaire ne part qu'avec le consentement | Les parcours sont testés avec et sans consentement | Une baisse liée au consentement n'est pas prise pour une panne |
| Le même événement remonte sur le web et dans l'app | La structure est comparée entre les deux | L'écart entre plateformes est suivi |
| Un responsable métier valide chaque changement | La mise en ligne attend sa validation | L'alerte va à ce responsable, pas à une boîte générique |
Pourquoi la recette analytics devient-elle le goulot d'étranglement ?
Comment le groupe ADEO fiabilise-t-il sa collecte de données ?
Benjamin Gadomski a montré ce que ce sujet représente à grande échelle. Le groupe ADEO, c'est 21 pays, une dizaine d'enseignes (dont Leroy Merlin), plus d'un millier de points de vente, plus de 3 000 mises en production par mois et plus de 130 contributeurs au modèle de données analytics.
Le coût caché d'une donnée fausse
Lors d'un point d'équipe, deux équipes métier signalent des taux de clic anormaux sur les vignettes produits depuis une vingtaine de jours. Deux analystes lèvent la main : l'une a été sollicitée par l'Espagne, l'autre par l'Italie, sur le même sujet. Sans ce point, sept personnes auraient travaillé en parallèle sur la même anomalie.
L'impact peut aussi être directement financier. Sur le Retail Media, un décalage de marquage a fait que 10 % à 20 % des clics sur les annonces sponsorisées n'étaient plus comptabilisés, donc plus facturés aux annonceurs.
Cinq ans pour passer de la documentation au produit
1. Il y a cinq ans : chez ADEO, le plan de marquage vivait dans des Google Sheets et des Slides, et chaque entité du groupe avait sa version.
2. Étape intermédiaire : une base Airtable a permis de mieux définir les variables, sans décrire le contexte de déclenchement des événements.
3. Aujourd'hui : la collecte analytics est gérée comme un produit, avec une équipe dédiée, un backlog et des sprints. La documentation devient un contrat lisible par tous, développeurs, analystes, métiers et agents IA, et sa conformité est testée en continu.
Résultat : un indice de confiance affiché sur les tableaux de bord chaque lundi. Quand une courbe bouge, les équipes savent si c'est le marché ou un problème de collecte déjà en cours de résolution.
Par où commencer ?
Thomas Pinte et Benjamin Gadomski ont conclu sur trois décisions à prendre dès maintenant :
1. Traiter le plan de marquage comme un produit, et non comme une documentation ou une dette technique.
2. Nommer un responsable de la collecte, entouré d'une équipe qui porte ce contrat.
3. Passer au Spec-Driven Measurement : écrire les règles comme des spécifications vérifiables, et automatiser la recette avant mise en ligne comme la surveillance après.
Comment appliquer le Spec-Driven Measurement avec Netvigie Tracking ?
Netvigie Tracking couvre les deux temps du Spec-Driven Measurement.
• Écrire la spécification, gratuitement. Le plan de marquage devient la référence commune de vos équipes : centralisé, partagé, versionné, avec des droits par site. Vous déclarez aussi vos KPI et voyez lesquels sont couverts par des contrôles. Cette partie est gratuite, sans limite de durée ni carte bancaire.
• La vérifier en continu, selon vos besoins. Netvigie compare ce qui est réellement collecté à ce que prévoit le plan, avant et après chaque mise en ligne, et vous alerte dès qu’un écart apparaît. Ce suivi est facturé à l’usage : pages contrôlées et parcours joués.
Décrire ce que vous voulez collecter ne coûte rien. Vérifier que c'est bien le cas, c'est le service de la Data Quality.
Depuis plus de 20 ans, Netvigie aide les équipes digitales à fiabiliser leurs sites, leurs parcours et leurs données.
Pour aller plus loin :
“Un plan de marquage que l'on ne vérifie jamais reste une documentation. Une recette que l'on ne répète jamais reste une photographie.”
FAQ : le Spec-Driven Measurement en 4 questions
Quelle différence entre Spec-Driven Development et Spec-Driven Measurement ?
Le Spec-Driven Development, formalisé par GitHub en 2025, s'applique au code : l'IA produit le logiciel à partir d'une spécification. Le Spec-Driven Measurement applique le même principe à la collecte de données : le plan de marquage est la spécification, et les données collectées sont vérifiées automatiquement par rapport à lui.
Un plan de marquage dans un tableur suffit-il ?
Non, s'il n'est jamais vérifié. Un tableur décrit ce qui devrait être collecté, mais ne dit pas si c'est encore le cas après la dernière mise en ligne. Le plan doit devenir une référence testable, contrôlée à chaque mise en production.
Que vérifie une recette analytics automatisée ?
Elle vérifie que chaque événement est présent, déclenché au bon moment et une seule fois, que les valeurs viennent de la bonne source dans le dataLayer, et que les tags respectent le consentement. En production, elle compare les volumes collectés à l'attendu.
Qui doit porter le plan de marquage ?
Un responsable métier désigné, entouré d'une équipe. Le retour d'expérience d'ADEO montre l'intérêt de traiter la collecte comme un produit, avec un responsable, un backlog et des mises en production validées.
