Pendant des années, le routage des clients dans Journey Builder a reposé sur des branches conditionnelles figées : si le nombre d’achats est supérieur à trois, alors parcours A, sinon parcours B. Efficace, mais rigide. Avec Marketing Cloud Next, Salesforce introduit le Journey Decisioning Agent, un agent Agentforce qui choisit en temps réel le meilleur parcours pour chaque contact à partir de son profil unifié dans Data 360. Dans ce guide, vous découvrirez comment fonctionne cet agent, comment préparer vos données, comment l’intégrer à vos parcours existants, et quels garde-fous mettre en place avant de confier vos décisions d’orchestration à l’IA.
Du branchement par règles à la décision agentique
Le branchement conditionnel classique souffre d’un défaut structurel : il fige une logique métier à un instant T. Chaque nouvelle exception (un segment VIP, une zone géographique, un canal préféré) ajoute une branche, et le parcours devient vite ingérable. Le Journey Decisioning Agent inverse la logique : au lieu de décrire comment router, vous décrivez quel résultat vous cherchez, et l’agent sélectionne le parcours candidat le plus pertinent.
Concrètement, l’agent évalue les attributs du contact, son comportement récent, ses tendances d’engagement et le contexte disponible dans Data 360, puis attribue chaque contact au parcours qui maximise la probabilité d’engagement. La décision est recalculée à chaque entrée, et non plus une seule fois au démarrage du parcours.
Ce qui change pour les équipes ops
Vous ne maintenez plus des dizaines de branches. Vous maintenez un pool de parcours candidats bien conçus et une définition claire de l’objectif. L’agent fait le reste. Cela déplace l’effort de la mécanique de segmentation vers la qualité des données et la conception des parcours.
Préparer vos données dans Data 360
Un agent ne vaut que par les données qu’il consomme. Avant toute activation, assurez-vous que vos profils unifiés exposent les signaux décisifs : récence d’achat, score d’engagement, statut d’abonnement, canal préféré. Voici un exemple de requête SQL pour construire une Data Extension d’éligibilité qui alimente vos parcours candidats.
SELECT
c.SubscriberKey,
c.PreferredChannel,
e.EngagementScore,
p.LastPurchaseDate,
CASE
WHEN p.LastPurchaseDate >= DATEADD(day, -30, GETDATE()) THEN 'active'
WHEN p.LastPurchaseDate >= DATEADD(day, -90, GETDATE()) THEN 'lapsing'
ELSE 'dormant'
END AS LifecycleStage
FROM Contacts c
JOIN Engagement e ON e.SubscriberKey = c.SubscriberKey
JOIN Purchases p ON p.SubscriberKey = c.SubscriberKey
WHERE c.OptInStatus = 'subscribed'Le champ LifecycleStage n’impose pas le routage : il fournit à l’agent un signal de plus pour décider. Plus vos signaux sont propres et frais, plus les décisions sont fiables.
Déclencher une décision via l’API
Le Journey Decisioning Agent s’intègre à vos systèmes via API REST. Lorsqu’un événement métier survient (panier abandonné, changement de statut, interaction support), vous appelez l’endpoint de décision avec le contexte du contact, et vous recevez le parcours retenu.
POST /services/data/v62.0/marketing/decisioning/journey
Content-Type: application/json
Authorization: Bearer {access_token}
{
"subscriberKey": "0031t00000abXyZ",
"context": {
"event": "cart_abandoned",
"cartValue": 189.90,
"preferredChannel": "email",
"lastEngagementHours": 4
},
"candidateJourneys": ["winback-vip", "winback-standard", "nurture-low-intent"]
}La réponse vous indique le parcours sélectionné et un score de confiance. Vous gardez ainsi la main : vous pouvez journaliser chaque décision, l’auditer, et la rejouer si nécessaire.
{
"selectedJourney": "winback-vip",
"confidence": 0.82,
"reasonCodes": ["high_cart_value", "recent_engagement"]
}Le véritable changement n’est pas que l’IA décide à votre place, mais qu’elle décide à chaque instant, pour chaque contact, avec un contexte que vos branches conditionnelles n’auraient jamais pu modéliser à la main.
Garder le contrôle : gouvernance et garde-fous
Confier l’orchestration à un agent ne signifie pas abandonner le contrôle. Trois garde-fous sont indispensables.
1. Des parcours candidats limités et explicites
Ne laissez pas l’agent choisir parmi cinquante parcours. Commencez avec trois à cinq candidats clairement différenciés. Vous réduisez le risque d’erreur et vous facilitez l’analyse des décisions.
2. Des règles de suppression non négociables
Certaines exclusions ne se discutent pas : désabonnés, contacts en litige, fréquence maximale atteinte. Implémentez-les en amont de l’agent, jamais comme un signal parmi d’autres.
3. Une journalisation systématique
Stockez chaque décision (parcours retenu, score, reason codes) dans une Data Extension dédiée. C’est votre filet de sécurité pour le débogage, l’audit RGPD et l’amélioration continue.
UPDATE DecisionLog
SET SelectedJourney = @journey,
Confidence = @score,
DecidedAt = GETDATE()
WHERE SubscriberKey = @subscriberKeyPar où commencer concrètement
Inutile de basculer tous vos parcours d’un coup. Choisissez un cas d’usage à fort enjeu et bien instrumenté : la relance de panier abandonné est idéale. Construisez deux ou trois parcours candidats, définissez l’objectif (conversion à sept jours), activez l’agent sur un sous-ensemble de votre audience, et comparez ses décisions à votre logique historique pendant quelques semaines avant de généraliser.
Si vous souhaitez un accompagnement pour cadrer votre modèle de données, concevoir vos parcours candidats ou mettre en place la gouvernance, contactez l’équipe CGC-Agency.
Mesurer et améliorer en continu
Un agent de décision n’est pas un dispositif que l’on active puis que l’on oublie. Sa valeur se construit dans la boucle de feedback : chaque décision journalisée devient une donnée d’apprentissage. Suivez trois indicateurs en priorité. D’abord, le taux de conversion par parcours candidat, pour vérifier que l’agent privilégie bien les parcours réellement performants. Ensuite, la distribution des décisions : si 95 % des contacts sont routés vers un seul parcours, vos candidats sont mal différenciés ou vos signaux trop pauvres. Enfin, l’écart avec votre logique historique, qui révèle les cas où l’agent voit quelque chose que vos règles ignoraient.
Confrontez ces chiffres à votre équipe métier chaque semaine pendant la phase pilote. Ajustez le pool de candidats, enrichissez les signaux manquants, resserrez les règles de suppression si besoin. C’est ce dialogue régulier, et non l’agent seul, qui produit des parcours réellement adaptatifs.
À retenir
1. Décision continue, pas branchement figé. Le Journey Decisioning Agent recalcule le meilleur parcours à chaque entrée, à partir du profil temps réel dans Data 360.
2. La donnée d’abord. La qualité des décisions dépend de la fraîcheur et de la propreté de vos signaux unifiés : investissez dans Data 360 avant d’activer l’agent.
3. Limitez les candidats. Trois à cinq parcours bien différenciés suffisent pour démarrer et garder des décisions analysables.
4. Gardez les garde-fous. Suppressions, plafonds de fréquence et journalisation restent sous votre contrôle, jamais délégués à l’agent.
5. Pilotez par cas d’usage. Démarrez sur un parcours à fort enjeu, comparez à votre logique actuelle, puis généralisez.
