Les données propriétaires d’une agence sont la connaissance de catégorie qu’elle collecte, structure et peut interroger à la demande : créations concurrentes, tensions d’audience, résultats de pitchs et résultats de campagnes. Elles valent mieux qu’un meilleur prompt parce que toutes les agences peuvent utiliser les mêmes modèles et copier les mêmes prompts en une semaine. Les données qu’un modèle lit ne se copient pas aussi facilement, et elles prennent de la valeur avec chaque client de la catégorie.
Points clés
- Les prompts se partagent facilement et les modèles sont accessibles à tous : ni les uns ni les autres ne constituent un avantage durable.
- Les données de catégorie se cumulent : chaque pitch, brief et campagne dans une catégorie rend le suivant plus rapide et plus précis.
- Les résultats publiés par des agences montrent que le gain vient d’une connaissance de catégorie permanente, et non de sprints de recherche ponctuels.
- Les indépendantes ne peuvent pas égaler les données d’identité des holdings, mais elles peuvent en savoir plus qu’eux sur les catégories qu’elles choisissent.
Pourquoi un meilleur prompt n’est-il pas un avantage concurrentiel ?
Parce qu’un prompt, ce sont quelques centaines de mots que n’importe qui peut lire, partager ou reconstituer. Les conversations d’agence sur l’IA commencent souvent par le choix du modèle ; la question plus utile est ce que ce modèle lira lorsqu’il travaillera sur la catégorie d’un client.
Les clients commencent à poser la même question. En juin 2026, Digiday a rapporté une analyse de 3C Ventures selon laquelle les descriptions des plateformes d’IA des agences utilisent un langage presque identique, alors que « les capacités sous-jacentes, elles, varient considérablement » (Digiday). La première question qu’il recommande aux annonceurs de poser est de savoir ce qui est propriétaire.
Un prompt astucieux ne répond pas à cette question. Un historique de toutes les publicités concurrentes de la catégorie sur les deux dernières années, décodé et consultable, si.
Qu’est-ce qui compte comme données propriétaires d’agence ?
Tout ce que votre agence a collecté, structuré et enrichi, et qu’un concurrent ne peut pas reproduire en achetant les mêmes outils demain. Cinq actifs comptent le plus, et l’un d’eux ne vous appartient pas du tout.
| Actif de données | Ce qu’il contient | Pourquoi il se cumule |
|---|---|---|
| Archive créative de la catégorie | Publicités et publications des concurrents, décodées par persona, proposition, tension et ton | Chaque nouveau client de la catégorie part de mois d’historique plutôt que d’une page blanche |
| Bibliothèque de tensions d’audience | Des tensions avec leur taille d’échantillon, des exemples de publications et les personas concernées | Les tensions reviennent d’une marque à l’autre dans une catégorie, et les preuves s’accumulent |
| Registre des pitchs et des briefs | Ce que vous avez recommandé, les preuves à l’appui et si vous avez gagné | Il montre quels arguments convainquent les acheteurs de cette catégorie |
| Mémoire de performance | Quels concepts, angles et formats ont fonctionné, par marché | Chaque campagne devient un point de départ pour la suivante |
| Données first-party du client | CRM, ventes et résultats médias | Elles appartiennent au client : accédez-y par contrat, gardez-les séparées et rendez-les portables |
Les quatre premiers sont le siège du fossé concurrentiel d’une agence. Le cinquième est le siège de la confiance qu’on lui accorde, et confondre les deux est le moyen le plus rapide de perdre un client.
Que montrent les chiffres des études de cas d’agences ?
Que des données de catégorie structurées transforment la recherche, d’un coût, en une capacité. Les résultats publiés par cinq agences racontent une histoire cohérente.
KPI Media : de la préparation de pitch en une semaine à deux jours
L’agence de performance de Singapour a placé les audits de catégorie et la cartographie de l’espace blanc au début de chaque pitch. Le temps de préparation est passé d’un sprint d’une semaine à deux jours, le coût par pitch de 4,000 $ à 1,000 $, et l’analyse concurrentielle de trois personnes à une ; elle a ensuite décroché un nouveau retainer de 5,000 $ par mois (étude de cas KPI Media).
Blak Labs : un audit de catégorie propriétaire dans chaque présentation
Cette agence singapourienne de 50 personnes a ramené l’analyse de marque de 10 heures à 1 par pitch et la planification de contenu de 10 heures à 3. Sa production concurrentielle alimente désormais les présentations de new business sous la forme de son propre audit de catégorie outillé, et le coût du reporting client est passé de 10,000 $ à 6,000 $ par mois (étude de cas Blak Labs).
NEO360 : le contexte en place avant l’arrivée du brief
NEO360 surveille en continu l’activité des concurrents dans les publications organiques et payantes, si bien que le contexte concurrentiel existe déjà lorsqu’une proposition est demandée. Un seul responsable de compte fait désormais ce qui mobilisait trois personnes, en 2.5 heures au lieu de 4, pour 700 $ par proposition au lieu de 1,000 $ (étude de cas NEO360).
SAMY : une lecture de catégorie que personne d’autre n’avait
En pitchant Nightcap Group face à des réseaux plus grands, SAMY a construit en quelques heures une lecture approfondie des personas, des propositions et des angles morts narratifs de la catégorie, recadré le pitch autour de l’impact business et remporté un retainer de plusieurs millions de livres sterling (étude de cas SAMY).
Havas Media : une base de catégorie dès le premier jour
L’activité performance de Havas Media au Moyen-Orient fait tourner une couche concurrentielle en temps réel sous chaque marque cliente, de sorte qu’un nouveau client obtient une lecture factuelle de la catégorie dès le premier jour, au lieu d’attendre des jours de tri manuel (étude de cas Havas Media).
Notez ce que les cinq ont en commun. Aucune n’a gagné en écrivant un meilleur prompt. Elles ont gagné parce que la catégorie était déjà cartographiée au moment décisif.
Les agences indépendantes peuvent-elles rivaliser avec les données des holdings ?
Pas sur les données d’identité, mais oui sur la connaissance de la catégorie. Ce sont deux types de fossé différents.
Les grands groupes ont bâti leurs plateformes d’IA sur d’énormes actifs de données. L’aperçu de The Media Leader note que Marcel, chez Publicis, utilise les données d’identité d’Epsilon et qu’Omni, chez Omnicom, compte 2.6 milliard d’identifiants vérifiés, dont ceux d’Acxiom, issus de l’ancien IPG (The Media Leader). Aucune indépendante ne s’en approchera.
La connaissance de catégorie, c’est différent. Les publicités, les publications et les conversations d’audience sont publiques ; ce qui est rare, c’est la discipline nécessaire pour les collecter en continu et les décoder. Une indépendante qui suit trois catégories en profondeur peut arriver en pitch en en sachant plus sur la catégorie qu’une équipe de réseau arrivée la semaine dernière.
La demande pour cette connaissance se voit dans les données de SOMIN elles-mêmes. Dans notre espace de travail d’étude d’audience, une étude de perspective de 191 publications de marques d’études et de mesure sur deux ans (avril 2026) a regroupé 15 publications sous une crise de l’insight publicitaire : des annonceurs qui peinent à bâtir des stratégies efficaces faute de données sur le comportement des consommateurs et sur les concurrents. Une tension plus large de la même étude, portant sur 65 publications, tourne autour des stratégies publicitaires inefficaces, et l’un des angles que le moteur d’insights de SOMIN en tire repose sur la théorie de l’asymétrie d’information. Vu du côté de l’agence, c’est une description fidèle d’un fossé de données : savoir ce que les autres présents dans la salle ignorent.
Comment bâtir un fossé de données de catégorie sans équipe de data science ?
Choisissez vos catégories, surveillez-les en continu et consignez vos propres résultats selon la même structure. Les outils assurent désormais la collecte ; votre rôle, c’est la discipline.
- Choisissez deux ou trois catégories dans lesquelles vous avez des clients ou en voulez. La profondeur l’emporte sur l’étendue.
- Surveillez toujours, pas pitch par pitch. C’est le suivi continu qui permet à NEO360 et à Havas Media de partir d’une base.
- Utilisez une seule structure. Étiquetez tout par persona, proposition, tension et ton afin de pouvoir comparer d’une marque à l’autre et dans le temps.
- Consignez vos résultats. Notez les pitchs gagnés et perdus, les résultats de tests et les raisons, avec les mêmes étiquettes.
- Rendez-le interrogeable. Connectez l’archive à l’assistant IA de votre équipe afin qu’un planneur stratégique puisse l’interroger en langage courant.
- Séparez les données clients. Gardez les données first-party de chaque client dans son propre espace, et convenez dans le contrat de ce qui part avec lui s’il s’en va.
Comment prouver l’existence du fossé à un client ?
Montrez les preuves, pas l’outil. Une affirmation sur la catégorie ne vaut que par les publications et les résultats qui la fondent.
Mettez la trace dans la présentation : les publicités concurrentes derrière chaque étiquette « saturé », la taille d’échantillon derrière chaque tension, le résultat passé derrière chaque recommandation. Quand les achats du client demandent ce qui est propriétaire, vous pouvez désigner l’archive et le registre plutôt qu’un nom de plateforme. Pour savoir comment les agences s’y prennent sur SOMIN, consultez notre page agences.
FAQ
Que sont les données propriétaires d’une agence ?
C’est la connaissance structurée qu’une agence possède et peut interroger, comme des créations concurrentes décodées, des tensions d’audience, des registres de pitchs et un historique de performance. Cela exclut les données first-party du client, qui appartiennent au client.
Les petites agences ont-elles besoin de leurs propres données ?
Oui, mais pas de leur propre infrastructure de données. Les petites agences peuvent s’appuyer sur des outils de veille de catégorie pour la collecte et concentrer leurs efforts sur la structuration, l’enrichissement et l’enregistrement des résultats.
Les données sociales publiques sont-elles vraiment propriétaires ?
Les publications brutes sont publiques. L’archive continue, le décodage par persona et par tension, et votre registre de ce qui a fonctionné ne le sont pas, et c’est cette combinaison que les concurrents ne peuvent pas copier rapidement.
À qui appartiennent les données quand une agence utilise des données first-party du client ?
Au client. Les agences doivent y accéder par contrat, les garder séparées de leurs propres données de catégorie et convenir à l’avance de la manière de les restituer si la relation prend fin.
Combien de temps faut-il pour construire un avantage en données de catégorie ?
Une première base utile peut venir d’un seul audit de catégorie, puisque les outils peuvent récupérer l’historique des publications. L’avantage grandit avec chaque mois de surveillance et chaque résultat consigné.
Choisissez la catégorie dans laquelle vous pitchez le plus souvent et mettez en place une surveillance continue ce mois-ci. Avant votre prochain pitch dans cette catégorie, vérifiez ce que vous savez que le prospect et les autres agences ignorent ; si la réponse est mince, c’est l’écart à combler en premier.
