Une data clean room, ou salle blanche de données, est un environnement technique sécurisé où plusieurs organisations rapprochent leurs données sans se les transmettre, pour n’en tirer que des résultats contrôlés.
Le dispositif répond à une situation précise. Un annonceur et un éditeur, un distributeur ou une plateforme publicitaire veulent croiser leurs audiences sans échanger leurs fichiers. Chaque partie dépose ses données, souvent soumises à une pseudonymisation, dans un espace isolé. Les enregistrements sont rapprochés sur un identifiant commun, par exemple une adresse électronique transformée par une fonction de hachage. Les parties n’accèdent qu’au résultat de requêtes autorisées : un taux de recouvrement, une mesure de campagne, un segment activable. Des règles empêchent d’extraire des données individuelles, comme un nombre minimal de personnes par résultat.
Une data clean room comprend un espace de stockage isolé, un mécanisme de rapprochement des identifiants, une liste d’analyses autorisées, des contrôles d’accès et une journalisation des opérations. Selon les cas, elle mobilise des techniques de protection de la confidentialité, comme le chiffrement ou l’ajout d’un bruit statistique aux résultats. Le sigle DCR la désigne couramment.
La data clean room est l’un des outils de la data collaboration. Elle se distingue du data sharing, qui transmet les données elles-mêmes à un partenaire, et du data onboarding, qui transfère des données clients vers des outils publicitaires pour les retrouver en ligne. Elle se distingue aussi de la data room, espace où une entreprise met des documents à la disposition de tiers qui les consultent. Elle sert surtout à la mesure de campagnes, à l’enrichissement d’audiences et à l’activation publicitaire, sans dépendre des cookies tiers.
L’IAB Tech Lab, organisme professionnel de la publicité numérique, a soumis à consultation publique en février 2023 des recommandations sur les data clean rooms, ainsi qu’une spécification d’interopérabilité pour l’activation d’audiences. Il en a publié une première version finalisée en juillet 2023 (MarTech, 12 juillet 2023).
Notre lecture : la technologie règle la question du partage, pas celle de l’intérêt. Une data clean room n’a de sens que si les deux parties partagent une question précise et un recouvrement suffisant de clients. Mesurer les ventes en magasin attribuables à une campagne en ligne en est un exemple type.
La salle blanche ne fait pas sortir les données du champ du RGPD. La CNIL rappelle que des données pseudonymisées restent des données personnelles, à la différence de données anonymisées (« L’anonymisation de données personnelles », 2020). Rendant un arrêt sur le règlement applicable aux institutions de l’Union, dont la définition des données personnelles reprend celle du RGPD, la Cour de justice de l’Union européenne a jugé que des données pseudonymisées ne doivent pas être regardées comme personnelles « en toute hypothèse et pour toute personne ». Pour l’obligation d’information, elle apprécie l’identifiabilité du point de vue du responsable du traitement, au moment de la collecte (arrêt CEPD contre CRU, C-413/23 P, 4 septembre 2025). Pour l’annonceur qui dépose son propre fichier client, il s’agit bien de données personnelles. Base légale, information des personnes et accord écrit entre les parties restent nécessaires. Nous recommandons de qualifier le rôle de chacun avant le premier rapprochement, et de conclure un DPA avec tout prestataire qui agit comme sous-traitant.
Le taux de recouvrement mesure la part de votre fichier retrouvée chez le partenaire. Il borne tout le reste : un recouvrement faible rend les résultats peu représentatifs. Pour mesurer une campagne, nous recommandons de comparer un groupe exposé à un groupe témoin comparable, afin d’isoler l’effet propre de la campagne, plutôt que d’additionner des ventes attribuées. Suivez enfin le coût complet, licence et temps des équipes, rapporté aux décisions prises grâce aux résultats.
Advalians construit avec vous une roadmap marketing à 18-24 mois, chiffrée et validée par votre comité de direction : les chantiers à lancer, leur ordre, et ceux auxquels renoncer.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
Le data onboarding transfère vos données clients vers un prestataire, qui les rapproche d’identifiants en ligne pour les rendre activables en publicité. La data clean room ne transfère pas les données à l’autre partie : chacun les dépose dans un espace isolé et n’obtient que les résultats d’analyses autorisées.
Critère pratique : si vous voulez seulement retrouver vos clients sur des canaux publicitaires, l’onboarding suffit souvent. Si vous voulez croiser vos données avec celles d’un partenaire qui refuse, comme vous, de livrer son fichier, la salle blanche est l’outil adapté.
Commencez par une question unique et mesurable, partagée avec le partenaire, par exemple l’effet d’une campagne sur les achats en magasin. Estimez ensuite le recouvrement de vos fichiers sur un échantillon : sans recouvrement suffisant, le projet s’arrête là.
Fixez par écrit les analyses autorisées, les seuils d’agrégation, la durée de conservation et l’usage des résultats. Faites valider la base légale et l’information des personnes par le DPO de chaque partie. Prévoyez enfin un bilan à la fin du premier cas d’usage avant d’en ouvrir d’autres.
Suivez d’abord le taux de recouvrement, c’est-à-dire la part de votre fichier retrouvée chez le partenaire : il conditionne la représentativité de tout le reste. Pour une mesure de campagne, suivez l’écart de comportement entre un groupe exposé et un groupe témoin comparable, plutôt qu’un volume de ventes attribuées.
Ajoutez deux indicateurs de pilotage : le délai d’obtention d’un résultat et le coût complet du dispositif, licence et temps interne compris. Rapportez ce coût au nombre de décisions effectivement prises grâce aux résultats.
Non. Une salle blanche limite ce que chaque partie voit, mais les données déposées, même pseudonymisées par hachage, restent en principe des données personnelles pour celui qui détient les identifiants d’origine. La CNIL distingue nettement la pseudonymisation, réversible, de l’anonymisation des données, irréversible.
Conséquence : base légale, information des personnes, accord entre les parties et durée de conservation doivent être établis avant le premier rapprochement. Vérifiez aussi que les seuils d’agrégation empêchent de déduire des informations sur une personne isolée.
Elle n’est pas utile lorsque vous n’avez pas de partenaire disposant de données complémentaires aux vôtres, ou lorsque votre fichier client est trop restreint pour produire des résultats représentatifs. Elle ne l’est pas non plus si la question peut être traitée avec vos seules données, par exemple par une analyse de vos ventes.
Renoncez-y aussi lorsque personne en interne ne peut formuler les analyses et interpréter les résultats. Commencez alors par structurer vos propres données et vos indicateurs, puis réexaminez la question avec un cas d’usage précis.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
