Elle se place entre vos agents IA et chaque outil qui détient des données clients : votre CRM, votre outil de support, votre facturation, vos e-mails et votre site web. Un agent lit un seul profil résolu au lieu d’assembler six API en cours d’exécution. Deux types de produits portent désormais ce nom. L’un est construit sur un entrepôt de données, pour les équipes data des grandes entreprises ; l’autre connecte les outils SaaS que vous utilisez déjà. Cette page porte sur la différence, et sur celui qui convient à une équipe qui n’a pas d’équipe data.
Votre client est dispersé dans chacun de vos outils, et chacun modélise la même personne à sa façon. Une couche de contexte connecte ces sources une seule fois, résout chaque fiche en un contact et une entreprise, et sert ce profil à n’importe quel agent par une interface unique. L’agent demande un client et obtient la vue complète, déjà assemblée : champs du CRM, historique du support, état de la facturation et pages consultées sur votre site. Quand il doit agir, il écrit vers la source par des outils encadrés au lieu de toucher directement à chaque application.
L’expression désigne désormais deux architectures différentes. La première est native de l’entrepôt de données. Un pipeline d’événements first-party collecte des données comportementales et les sert aux agents sous forme de features et de scores de modèle, rapidement et à grande échelle. Snowplow le fait pour les équipes des grandes entreprises depuis plus de dix ans ; si vous avez déjà un entrepôt de données et une équipe data, c’est un choix éprouvé. Son périmètre se limite aux données qu’il collecte et à ce que contient votre entrepôt : il ne synchronise pas votre CRM, votre support et vos e-mails, ne résout pas une identité unique entre eux, et les agents s’en servent pour lire, pas pour écrire vers la source.
La seconde est la famille des CDP et du reverse ETL, comme Segment, RudderStack et Hightouch. Ces outils collectent des événements et les acheminent vers votre entrepôt de données et vos outils marketing, ce qui est réellement utile quand il s’agit d’analytics et d’activation d’audiences. Les deux approches partent du principe que les agents ont besoin d’événements comportementaux, et toutes deux supposent que vous avez un entrepôt pour les stocker. Pathbound part d’ailleurs. Votre client vit déjà dans quelques outils SaaS, sous un identifiant différent dans chacun, vous n’avez pas d’équipe data, et ce dont vos agents ont besoin, c’est que ces fiches soient réunies en un seul profil sur lequel ils peuvent agir sans risque.
| Critère | Natif de l’entrepôt p. ex. Snowplow | CDP / reverse ETL Segment, RudderStack, Hightouch | Pathbound aucun entrepôt de données requis |
|---|---|---|---|
| Périmètre des données | Les événements comportementaux collectés, plus votre entrepôt de données | Les événements que vous lui envoyez, acheminés vers des destinations | CRM, support, e-mail, facturation, réunions et web, connectés à la source |
| Fraîcheur | Événements en streaming ; l’entrepôt par lots | Du traitement par lots au quasi temps réel | Lectures en temps réel ; les sources à webhooks arrivent en continu |
| Identité entre vos outils SaaS | Au sein de ses propres événements et de l’entrepôt | Au sein des événements que vous y envoyez | Résolue sur toutes les sources connectées |
| Écriture vers les outils sources | Non | Synchronise des audiences ; pas d’écriture encadrée fiche par fiche | Écriture vers la source encadrée, en cours de déploiement |
| Nécessite un entrepôt de données | Oui | Généralement | Non |
| Nécessite une équipe data | Oui | Généralement | Non |
| Conçu pour | Les équipes produit et data des grandes entreprises | Les équipes marketing et data | Les équipes qui branchent des agents, sans équipe data |
Pour lire et analyser, l’entrepôt de données et la CDP l’emportent. Pathbound est conçu pour la moitié opérationnelle : à jour, à identité résolue, et sûr pour l’écriture vers la source.
Aucune n’est la « bonne » couche dans l’absolu. La bonne se détermine selon que vous avez ou non un entrepôt de données, une équipe data, et selon que vos agents ont besoin d’événements comportementaux ou du client tout entier.
Choisissez Snowplow ou un pipeline d’événements similaire si vous avez déjà un entrepôt de données et une équipe data, et que vos agents ont surtout besoin de features comportementales et de scores de modèle à faible latence. C’est son terrain, et Pathbound ne cherche pas à l’occuper.
Choisissez Segment, RudderStack ou Hightouch quand l’essentiel consiste à acheminer des événements vers un entrepôt de données et à synchroniser des audiences vers vos outils marketing. Si une équipe data ou marketing gère déjà ce pipeline, gardez-le.
Choisissez Pathbound quand votre client vit dans une poignée d’outils SaaS, que vous n’avez pas d’équipe data et que vous voulez des agents qui lisent un seul profil résolu et peuvent agir dessus. Connectez vos sources, pointez n’importe quel client MCP sur un seul endpoint, et passez-vous d’entrepôt de données.
Vous savez déjà que c’est ce qu’il vous faut ? Découvrez le MCP données clients, parcourez les intégrations ou lisez les recettes que les agents y exécutent.
Chaque fiche de chaque outil passe par la résolution d’identité et est fusionnée dans le bon contact, automatiquement. La déduplication et l’assemblage que vous auriez construits à la main, faits pour vous.
HubSpot CRMSynchronisez contacts, entreprises et affaires entre HubSpot et Pathbound.
Pipedrive CRMIntégrez les affaires et les contacts Pipedrive aux profils Pathbound.
Salesforce CRMSynchronisez les Contacts et les Comptes Salesforce sur un profil par client, à identité résolue.
Zoho CRM CRMRécupérez les contacts et les comptes Zoho dans les profils Pathbound, rapprochés du reste de votre stack par la résolution d’identité.
Creatio CRMSynchronisez les contacts et les comptes Creatio en un seul profil à identité résolue.
Apollo EnrichissementEnrichissez contacts et entreprises avec des données firmographiques.
PostHog AnalyticsSynchronisez les personnes et les événements produit PostHog sur la chronologie unifiée du contact, rapprochés du reste de vos sources par la résolution d’identité.
Gmail E-mailRécupérez l’historique des e-mails, fil par fil, dans la chronologie de chaque contact.
Intercom SupportAffichez les conversations Intercom sur la chronologie unifiée du contact.
Zendesk SupportRattachez les utilisateurs, organisations et tickets Zendesk au profil client unifié.
Calendly PlanificationFaites remonter les rendez-vous planifiés et les annulations dans chaque profil client, en temps réel.
Resend E-mailEnvoyez des e-mails transactionnels enrichis du contexte Pathbound.
Chaque changement prend un instantané de l’entité résolue et de l’état brut de la source avant d’être répercuté. Revenez en arrière par identifiant, par période ou par auteur.
Les lectures de fiches clients par l’API et par les agents sont journalisées : qui les a lues, avec quel outil et quand ; les écritures suivront. La piste d’audit que demandent les auditeurs SOC 2 et RGPD, sans que vous ayez à l’assembler vous-même.
Validation de schéma, mode simulation, clés d’idempotence, limites de débit par source. Les agents ne peuvent ni envoyer deux fois ni écrire des fiches mal formées.
Une validation humaine sur les champs, segments ou types d’action signalés. Utile pour les opérations à fort enjeu : suppressions, mises à jour en masse, envois sortants à grande échelle.
Un seul appel propage une suppression ou un masquage dans chaque source où se trouvent les données du client. Le droit à l’oubli, appliqué pour de vrai.
Quand les sources se contredisent, Pathbound fait foi. Vous fixez les règles de fusion ; nous les appliquons à chaque lecture et à chaque écriture.
La couche entre vos agents IA et chaque outil qui détient des données clients. Au lieu que chaque agent assemble votre CRM, votre outil de support, votre facturation et vos e-mails à l’exécution, la couche connecte ces sources une seule fois, les résout en un profil par contact et par entreprise, et sert ce profil par une interface unique. Pathbound la fournit par MCP et REST.
Les deux sont liées, mais conçues pour une mission différente : une couche de contexte n’est donc pas la même chose qu’une CDP. Une CDP collecte des événements et les achemine vers un entrepôt de données et vos outils marketing ; sa mission, c’est l’analytics et l’activation d’audiences. Une couche de contexte sert un profil unique, en temps réel et à identité résolue, à un agent qui le lit et écrit vers la source par des outils encadrés. Les CDP ont eu du mal à s’imposer dans les petites entreprises parce que personne n’avait le temps d’agir sur le profil unifié ; l’agent est le consommateur qui manquait.
Pas pour celle de Pathbound. Les couches natives de l’entrepôt, comme Snowplow, lisent depuis votre entrepôt de données : elles supposent donc que vous en avez un. Pathbound se connecte directement à vos outils SaaS par OAuth et des webhooks, résout lui-même l’identité et sert le profil sans entrepôt de données ni équipe data sur le chemin.
Un entrepôt de données est conçu pour l’analytics : chargé par lots, interrogé en SQL, en lecture seule, souvent avec des heures de retard. Ce n’est pas la bonne forme pour un agent qui agit sur un client maintenant. Une couche de contexte fonctionne en temps réel, est résolue en une identité par client et permet une écriture encadrée vers les outils sources. Pathbound sert ce profil par MCP : un agent lit le client en un seul appel au lieu d’interroger un entrepôt. Gardez l’entrepôt pour les tableaux de bord et les pipelines ; utilisez la couche pour les agents opérationnels.
Connectez chaque source une seule fois à une couche qui résout l’identité et expose un seul profil, plutôt que de pointer l’agent sur un serveur MCP distinct par outil. Chaque serveur MCP propre à un outil parle ses propres identifiants et son propre schéma : l’agent doit les joindre à l’exécution, et il le fait mal. Un seul profil résolu derrière un seul endpoint, c’est moins de pièces mobiles et une vue à jour et cohérente.
Tout client compatible MCP : Claude.ai, Claude Desktop, Claude Code, les connecteurs personnalisés de ChatGPT, Cursor, Cline, et des frameworks d’agents comme n8n et LangChain. Il existe aussi une API REST simple pour les services qui ne parlent pas MCP.
Inscrivez-vous, connectez un CRM ou ajoutez le snippet d’événements, puis pointez votre client MCP sur mcp.pathbound.ai/mcp.