Comprendre les crédits de consommation Data Cloud

Contrairement à une licence Salesforce classique facturée par utilisateur, Data Cloud est majoritairement facturé à la consommation, sous forme de crédits décrémentés selon les opérations effectuées : ingestion de données, stockage, traitement (mapping, Identity Resolution, Calculated Insights), et activation. Comprendre ce modèle est indispensable pour chiffrer un projet correctement et éviter les mauvaises surprises en cours d'année, un point que les clients découvrent souvent trop tard s'il n'est pas anticipé dès le cadrage.

Les grandes catégories consommatrices de crédits

• Ingestion : chaque ligne traitée par un Data Stream consomme des crédits, proportionnellement au volume et à la fréquence de rafraîchissement (Continuous coûte plus cher que Batch quotidien à volume égal).
• Stockage : le volume de données persistées dans le lakehouse (DMO, profils unifiés, historique d'Engagement) est facturé au gigaoctet/téraoctet, avec une distinction entre profils et données événementielles souvent plus coûteuses en volume cumulé.
• Traitement (Compute) : l'exécution des règles d'Identity Resolution, des Calculated Insights (particulièrement les requêtes SQL complexes), et de la publication des Segments consomme des crédits de traitement.
• Activation : chaque profil envoyé vers une destination via une Activation consomme des crédits, proportionnellement à la taille du segment activé et à la fréquence d'activation.

Où suivre sa consommation

Le tableau de bord Data Cloud > Usage (ou Consumption selon la version) donne une vue détaillée de la consommation par catégorie, avec un historique permettant d'identifier les tendances et les pics. C'est un réflexe à intégrer dans le suivi de projet dès la phase de recette, pas seulement après la mise en production : un mapping ou une fréquence de Data Stream mal calibrés en test peuvent déjà révéler une consommation disproportionnée avant même le passage à l'échelle réelle.

1. Consultez le tableau de bord de consommation au moins hebdomadairement pendant les premiers mois post-lancement.
2. Identifiez les Data Streams, Calculated Insights ou Activations les plus consommateurs via la ventilation détaillée.
3. Configurez des alertes de seuil si votre édition le permet, pour être notifié avant d'approcher la limite contractuelle.

Optimiser sa consommation sans dégrader la valeur métier

Plusieurs leviers concrets permettent de maîtriser les coûts sans renoncer aux cas d'usage :

• Ajuster les Refresh Types : passer un Data Stream de Continuous à Incremental horaire quand le cas d'usage ne justifie pas le temps réel réduit sensiblement la consommation d'ingestion.
• Limiter les champs ingérés : ne mapper que les champs réellement utilisés en aval évite de payer du stockage et du traitement pour de la donnée jamais exploitée.
• Revoir la fréquence des Calculated Insights : un calcul recalculé toutes les heures alors qu'il n'est consommé qu'une fois par jour dans un rapport est un gaspillage direct de crédits de traitement.
• Nettoyer les Segments et Activations obsolètes : des configurations créées pour une campagne ponctuelle mais jamais désactivées continuent de consommer des crédits en tâche de fond.
• Purger les données Engagement anciennes non nécessaires à l'historique métier, via les politiques de rétention configurables par DMO.

Chiffrez toujours un projet Data Cloud avec une marge de sécurité sur les crédits, en particulier lors du premier trimestre de production. Les estimations initiales sous-estiment fréquemment la volumétrie réelle d'Engagement (événements web, clics), qui croît souvent plus vite que prévu une fois le tracking pleinement déployé sur tous les canaux.

Crédits inclus vs crédits additionnels

De nombreuses éditions Salesforce Enterprise/Unlimited incluent un volume de crédits Data Cloud de démarrage, suffisant pour un pilote ou un premier cas d'usage limité, mais rapidement dépassé dès qu'un projet passe à l'échelle sur plusieurs sources et plusieurs cas d'usage. Il est important, en phase de cadrage commercial, de faire dimensionner par l'équipe compte Salesforce un volume de crédits additionnel réaliste basé sur la volumétrie de données attendue, plutôt que de découvrir un dépassement en cours d'année sans budget prévu.

Anticiper la montée en charge

Un projet Data Cloud typique démarre avec un périmètre restreint (une ou deux sources, un cas d'usage) puis s'étend progressivement. Chaque extension (nouvelle source, nouveau Calculated Insight, nouvelle activation) doit être chiffrée en amont en termes d'impact sur la consommation, en s'appuyant sur les tendances observées dans le tableau de bord d'usage plutôt que sur une estimation théorique. Cette discipline de suivi continu est ce qui distingue un projet Data Cloud maîtrisé budgétairement d'un projet qui découvre son dépassement de crédits au moment de la facture.