Une donnée froide est une donnée rarement consultée, qu’une organisation conserve pour l’historique, l’analyse ponctuelle ou une obligation légale, sur un stockage moins coûteux mais plus lent ou plus cher à interroger que celui des données actives.
Les équipes techniques classent les données selon leur fréquence d’accès, des données chaudes aux données archivées. La donnée froide se situe en bas de cette échelle, juste avant l’archive. Une donnée refroidit à mesure qu’on la sollicite moins : commande ancienne, campagne clôturée, journal de navigation de l’année précédente. Elle quitte alors l’outil opérationnel pour un support moins onéreux, souvent un entrepôt d’analyse ou un lac de données. Le classement repose sur l’ancienneté de la donnée, la fréquence de consultation et le délai de réponse que tolèrent ses usages.
En marketing, les données froides regroupent l’historique des transactions anciennes, les résultats de campagnes terminées, les contacts sans interaction depuis longtemps et les journaux techniques conservés pour l’audit. Elles alimentent les analyses de long terme : saisonnalité, comportement de cohortes, modélisation statistique ou calcul d’une segmentation RFM sur plusieurs années.
La donnée froide se distingue de la donnée tiède, consultée de temps en temps pour des analyses périodiques. Elle se distingue aussi de la donnée archivée au sens de la protection des données : l’archivage intermédiaire soustrait la donnée aux usages courants et en restreint l’accès. Une donnée froide n’est pas pour autant obsolète : elle peut être exacte et utile, simplement peu sollicitée. La notion sert aux équipes techniques pour maîtriser les coûts de stockage, et aux équipes marketing et juridiques pour articuler l’exploitation de l’historique avec les durées de conservation.
L’erreur de lecture la plus répandue consiste à assimiler donnée froide et donnée périmée. Or l’historique froid est la matière première des analyses que les données récentes ne permettent pas : effet d’une saisonnalité sur plusieurs années, durée de vie d’un client, taux d’attrition par génération d’acquisition. Selon nous, la bonne question n’est pas « cette donnée sert-elle encore ? », mais « quelle analyse en dépend, et à quelle fréquence ? ». Une donnée lue une fois par an peut valoir plus qu’une donnée lue chaque jour.
Les offres de stockage en ligne facturent séparément le volume conservé et chaque lecture. La documentation de Microsoft sur les niveaux d’accès du stockage Azure (« Access tiers for blob data », consultée en 2026) en donne un exemple. Les niveaux moins chauds que le niveau « hot » y ont un coût de stockage plus faible, mais des coûts d’accès et de transaction plus élevés. Une durée de conservation minimale y est recommandée : 30 jours pour le niveau « cool », plutôt intermédiaire, 90 jours pour le niveau « cold », 180 jours pour l’archive. Une donnée supprimée, réécrite ou déplacée avant ce délai entraîne des frais de suppression anticipée, calculés au prorata. L’archive, hors ligne, peut demander jusqu’à quinze heures avant d’être de nouveau lisible.
La conséquence est contre-intuitive. Refroidir une donnée que l’on rappelle souvent coûte plus cher que la laisser en accès rapide. Le gain n’existe que si la donnée dort vraiment.
Lorsque les données se rapportent à des personnes, le RGPD impose des durées de conservation. La CNIL distingue trois phases dans sa page « Comment concilier les durées de conservation et les archives ? » (2019). La base active couvre la durée nécessaire à l’objectif du traitement. L’archivage intermédiaire place les données dans une base distincte, à accès restreint aux seules personnes qui ont un intérêt à en connaître en raison de leurs fonctions, par exemple le service juridique. Les services opérationnels ne peuvent plus les utiliser. L’archivage définitif concerne les données présentant un intérêt historique.
Une donnée client froide que le marketing continue d’interroger reste donc en base active. La déplacer vers un support moins cher ne change pas sa situation juridique.
Nous proposons quatre repères de pilotage, non des normes : la part du volume en stockage froid, son coût mensuel, le nombre de rappels de données froides par mois et la part des données conservées au-delà de leur durée prévue. Des rappels fréquents signalent une donnée mal classée.
Advalians vérifie vos données, puis mesure sur la durée quelles actions produisent des contacts ou des ventes, la rentabilité de chaque canal et où déplacer le budget.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
La donnée froide relève d’un niveau de stockage, l’archive d’un statut de conservation. Une donnée froide est peu consultée, mais elle reste exploitable par les équipes, par exemple pour une analyse annuelle. Une donnée en archivage intermédiaire, au sens de la CNIL, est placée dans une base distincte et n’est accessible qu’aux personnes qui en ont besoin pour leurs fonctions, comme le service juridique.
Critère pratique : si une équipe opérationnelle doit encore pouvoir l’interroger, la donnée n’est pas archivée. Elle reste soumise aux règles de la base active.
Combinez deux critères : l’absence de consultation pendant une période fixée et l’absence de décision courante qui en dépend. L’ancienneté seule ne suffit pas, car un historique ancien peut servir chaque mois.
Relevez les dates de dernier accès de chaque jeu de données. Listez ensuite avec les équipes marketing les analyses qui l’utilisent et leur fréquence. Fixez enfin un seuil par famille de données, par exemple plusieurs mois sans lecture, à titre indicatif. Revoyez ces seuils après chaque changement d’outil ou de pratique d’analyse.
Additionnez le coût de stockage et le coût des rappels. Un support froid coûte moins cher au gigaoctet stocké, mais facture davantage chaque lecture. Il peut aussi imposer une durée minimale de conservation et des frais en cas de suppression anticipée.
Suivez chaque mois trois chiffres : le volume en stockage froid, la facture correspondante et le nombre de rappels. Si les rappels d’un jeu de données augmentent, comparez le coût total avec celui d’un stockage plus rapide. Ajoutez le temps d’attente des équipes, souvent oublié dans le calcul.
Le principal risque est juridique : une donnée personnelle conservée en base active au-delà de la durée nécessaire à l’objectif du traitement contrevient au RGPD. Passé ce délai, elle doit être supprimée, ou placée en archivage intermédiaire si une obligation légale ou un besoin contentieux le justifie. Le fait qu’elle soit peu consultée ne la met pas à l’abri. Le deuxième risque touche la sécurité : une base oubliée est rarement surveillée, et une fuite expose des données que personne n’utilisait plus.
Associez une durée de conservation à chaque famille de données froides. Pour les analyses de long terme, examinez si des données agrégées ou anonymisées suffisent. Programmez la suppression automatique à l’échéance.
Conservez-les tant qu’une analyse identifiée ou une obligation légale le justifie, et dans la limite des durées de conservation applicables. Supprimez-les quand aucune de ces deux raisons ne tient.
Pour chaque jeu, posez trois questions. Une analyse planifiée en dépend-elle ? Une obligation impose-t-elle de le garder ? Contient-il des données personnelles dont la durée est échue ? Si la réponse est non, non et oui, supprimez. Entre les deux, une version agrégée ou anonymisée préserve souvent la valeur analytique sans conserver le détail individuel.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
Augmenter le budget ne résoudra pas un problème de performance structurel. Au contraire,..
