1Le problème
Une même société peut exister plusieurs fois dans le CRM.
Chez ce client, la base comptait 167 639 fiches sociétés. Au fil des imports, des reprises d'établissements et des saisies manuelles, la même entreprise peut s'y trouver en double : une fois sous son nom commercial, une fois sous sa raison sociale, parfois avec une adresse écrite différemment.
Chercher ces doublons à l'œil est impossible : comparer chaque fiche à toutes les autres représenterait plus de 14 milliards de comparaisons. Il fallait donc une méthode qui réduise le travail à un volume traitable, sans passer à côté des vrais doublons.
2La méthode, en cinq temps
Tout le calcul se fait hors du CRM, dans une base d'analyse sur le serveur. Yellowbox n'est jamais modifié par ce traitement.
Normalisation : comparer ce qui est comparable
Avant toute comparaison, chaque fiche est réécrite dans une forme standard : accents et ponctuation retirés, majuscules uniformisées, formes juridiques et abréviations de voie harmonisées (« av. » et « avenue » deviennent la même chose), numéros de téléphone réduits à leurs chiffres, domaine extrait des adresses email et des sites web. « SAS Châteaux de France » et « CHATEAUX DE FRANCE » deviennent alors identiques.
Rapprochement : ne comparer que ce qui a une chance de correspondre
Plutôt que de tout comparer, on ne rapproche que les fiches qui partagent au moins un point commun fort :
- elles sont à moins de 100 mètres l'une de l'autre (coordonnées GPS)
- elles ont le même SIRET, ou le même SIREN
- elles partagent un numéro de téléphone
- elles partagent un domaine de site web ou d'email
- elles ont le même identifiant interne dans l'ERP
Ce filtrage ramène le problème à 176 547 paires à examiner au lieu de milliards.
Notation : un score de 0 à 100
Chaque paire cumule des points selon ce qui concorde, et en perd quand un élément contredit le rapprochement :
| Ce qui est comparé | Points | Détail |
|---|---|---|
| Identifiant interne ERP identique | +75 | C'est littéralement le même enregistrement source |
| SIRET identique | +70 | Même établissement au sens légal |
| Même SIREN, SIRET différents | +25 | Même entreprise, établissements distincts |
| SIRET différents | −40 | Signal contraire : deux établissements distincts |
| Nom très proche | +7 à +30 | Selon le degré de ressemblance |
| Adresse identique ou proche | +2 à +25 | Identique, similaire, ou seulement même ville |
| Distance GPS | +4 à +20 | +20 sous 5 m, +4 entre 60 et 100 m |
| Téléphone identique | +25 | Standard commun |
| Domaine web / email identique | +15 / +10 | Hors chaînes et domaines génériques |
3Lire les résultats
Chaque paire reçoit deux étiquettes complémentaires. La première dit à quel point c'est sûr, la seconde dit pourquoi.
Niveau de confiance : par quoi commencer
| Niveau | Score | Paires | Ce que ça veut dire |
|---|---|---|---|
| Quasi certain | 90-100 | 2 722 | SIRET identique, ou nom et adresse rigoureusement identiques. Sur l'échantillon vérifié à la main, tous étaient de vrais doublons. À traiter en premier. |
| Très probable | 75-89 | 1 907 | Fort accord sur le nom et l'adresse, mais un signal décisif manque (SIRET absent, GPS un peu différent). À confirmer d'un coup d'œil. |
| Probable, à contrôler | 55-74 | 11 657 | Accord partiel. Le lot le plus gros et le plus mélangé : vrais doublons, mais aussi reprises d'établissement et sociétés liées. C'est ici que le contrôle humain apporte le plus. |
| Rapprochement possible | 35-54 | 9 240 | Un seul signal modéré. À regarder après les niveaux au-dessus. |
| Faible probabilité | 0-34 | 151 021 | Presque toujours deux sociétés voisines sans autre lien. Bruit normal du critère géographique, aucune action prévue. |
En écartant le dernier niveau, il reste 25 525 paires utiles, portant sur 24 706 sociétés.
Type de rapprochement : la nature du lien
| Type | Paires | Déclencheur |
|---|---|---|
| Doublon quasi certain | 2 219 | SIRET identique |
| Doublon très probable | 1 541 | Nom et adresse très proches, sans SIRET commun |
| Même entreprise, établissements différents | 24 462 | Même SIREN mais SIRET distincts : un groupe, pas un doublon |
| Reprise d'établissement possible | 7 095 | SIRET différents à moins de 30 m : changement d'exploitant au même endroit |
| Proximité géographique seule | 91 891 | Uniquement le GPS, aucun autre point commun |
| À contrôler | 49 338 | Cumul de signaux modérés sans cause unique |
4Les deux pages de travail
Elles se complètent : l'une pour traiter les paires en série, l'autre pour instruire un cas précis.
Validation des doublons des sociétés
C'est le poste de travail principal. Il présente les paires côte à côte, avec pour chacune le score, le niveau de confiance et les éléments qui les rapprochent. On avance paire par paire avec quatre décisions possibles :
- Fiches distinctes : le rapprochement est un faux positif
- Reprise confirmée : ancien et nouvel exploitant, fiches à lier mais pas à fusionner
- Doublon à fusionner : avec le choix de la fiche à conserver
- À revoir : cas douteux, mis de côté
Des filtres permettent de se concentrer sur un niveau de confiance ou un type de rapprochement, et un bouton interroge l'annuaire officiel des entreprises (Sirene) pour savoir si un établissement est encore actif : c'est souvent ce qui distingue une reprise d'un vrai doublon.
Les décisions restent dans le navigateur et s'exportent en fichier. Rien n'est écrit dans Yellowbox ni dans la base d'analyse.
Ouvrir la validation des doublonsFiche doublon d'une société
Le complément du précédent, centré sur une seule société. La page affiche sa fiche CRM (coordonnées, SIRET, chiffre d'affaires, date de dernière vente), sa vérification Sirene, puis la liste de toutes les paires candidates qui la concernent, avec le score, la distance et les signaux de chaque rapprochement. Chaque société liée est cliquable : on navigue ainsi de proche en proche dans une grappe de fiches.
C'est l'outil à ouvrir quand on veut instruire un cas particulier, par exemple avant de trancher sur un dossier client.
Elle s'ouvre avec l'identifiant d'une société : sans identifiant, la page reste vide. Le lien ci-dessous ouvre un exemple (fiches fictives).
Voir un exemple de fiche5Ce qui reste à faire
- Calibrer le scoring : après un premier passage sur environ 200 paires, ajuster les points pour coller au terrain, surtout sur le lot « probable, à contrôler ».
- Enregistrer les décisions validées dans la base d'analyse, pour en garder la trace au-delà du navigateur.
- Mettre à jour automatiquement : rejouer l'analyse sur les fiches modifiées, et remonter l'information dans le CRM la nuit seulement, jamais en journée pendant que les fiches sont ouvertes.
- Décider du périmètre : traiter d'abord les clients et prospects français, ou ouvrir à toute la base.