« Ça a l’air compliqué » est l’objection la plus fréquente qu’on entend avant un premier audit. L’hypothèse est raisonnable : « modèle prédictif » et « BigQuery » sonnent comme un sprint d’ingénierie dédié. Le déploiement demande rarement un sprint, et les prérequis précis ci-dessous le montrent.

Ce qui est requis

Cinq choses, toutes listées sur la page produit Foresight :

  • Google Analytics 4, actif sur le site avec un historique de collecte. Une installation neuve ne suffit pas : le modèle apprend à partir de données de navigation passées.
  • Un accès Google Cloud Platform, c’est-à-dire un projet GCP capable de recevoir l’export BigQuery. Si vous n’en avez pas, la configuration se fait dans la journée, sans processus d’achat.
  • Google Tag Manager, installé ou installable. Le tag de préchargement y vit. Si vous n’utilisez pas encore GTM, la conversation commence ici.
  • Assez de trafic pour que le modèle voie des schémas se répéter. Il n’existe pas de minimum strict. Un site à faible trafic avec une navigation répétitive peut fonctionner, et un site à fort trafic avec des parcours imprévisibles peut demander plus d’historique qu’un site plus petit et plus prévisible.
  • Un accès admin à tout ce qui précède, pour la personne qui fait la configuration initiale. Vous en avez besoin une seule fois.

C’est toute la liste. Vous n’installez aucun SDK, ne refaites aucune application mobile et n’ajoutez aucun bandeau de consentement au-delà de ce que votre setup GA4 exige, parce que Foresight s’entraîne sur des données que vous collectez déjà.

Où les déploiements se bloquent

Le modèle et le tag GTM causent rarement des retards. Le premier prérequis, si : l’export GA4 vers BigQuery n’existe pas encore, ou il existe mais quelqu’un l’a configuré pour un autre usage et il manque des champs dont le modèle a besoin, ou l’accès admin au projet GCP attend dans un processus d’approbation interne sans rapport avec le travail technique.

Tout projet dans une grande organisation rencontre la même friction dès qu’il demande des accès, alors planifiez-la. Une fois l’accès obtenu, le développement technique va vite.

Le calendrier

Si l’export GA4 vers BigQuery existe déjà avec quelques mois d’historique, comptez environ deux semaines pour la construction du modèle et l’intégration GTM, suivies d’une configuration de reporting qui relève surtout du paramétrage.

Si l’export n’existe pas encore, ajoutez environ une semaine en amont. Le modèle a besoin de vraies données de navigation pour s’entraîner, et on ne comprime pas « collecter une semaine de trafic » en moins de temps.

Ce que « léger » laisse de côté

Un déploiement léger a quand même besoin de vous. Quelqu’un accorde les accès GCP et GTM, quelqu’un valide la posture CNIL/consentement si votre organisation a cette question ouverte (voir notre article sur la confidentialité), et quelqu’un consulte le dashboard de reporting une fois en ligne, pour qu’il ne rejoigne pas la pile de rapports mensuels jamais ouverts. L’effort technique reste faible. Faire dire oui aux bonnes personnes fixe le calendrier.

Un audit vous dit où se situe votre propre setup : voie rapide ou une semaine d’attente.