Même objet et même registre
Comparez le couple « système d’identification + valeur », pas une suite de caractères isolée. Un établissement et son unité légale nécessitent deux fiches reliées.
OSINT / IDENTITÉ
Rapprocher des entités sans fusionner les homonymes
Deux fiches qui se ressemblent ne décrivent pas nécessairement le même objet. Le rapprochement doit conserver les sources, les dates et les raisons de la décision, y compris lorsqu’aucune fusion n’est possible.
Choisir l’unité que l’on veut identifier
Écrivez d’abord si la fiche représente une personne, une unité légale, un établissement, une marque ou un organisme de recherche. Une relation entre deux objets n’est pas une identité. Un nom normalisé aide à rechercher des candidats ; il ne constitue pas une clé de fusion.
Les identifiants ne désignent pas tous la même chose
| ID | Objet identifié | Point de contrôle |
|---|---|---|
| SIREN | Unité légale | Neuf chiffres. À vérifier dans le répertoire et à stocker comme texte pour conserver les zéros initiaux. Le nom commercial ne remplace pas cet identifiant. |
| SIRET | Établissement | Quatorze chiffres, dont les neuf premiers correspondent au SIREN. Deux SIRET partageant ce préfixe peuvent relever de la même unité légale tout en désignant deux établissements distincts. |
| ORCID iD | Personne dans la recherche | Conservez l’URI complète et les zéros initiaux. Le dernier caractère peut être X. Un ORCID distingue un identifiant de personne ; il ne certifie pas automatiquement toutes les informations de son profil. |
| ROR ID | Organisme de recherche | Comparez le candidat, sa localisation et ses relations. Une chaîne d’affiliation peut mêler département, organisme parent et adresse ; ne choisissez pas automatiquement le premier nom approchant. |
SIRENUnité légale
SIRET AÉtablissement
SIRET BÉtablissement
Cinq contrôles avant toute fusion
Source de chaque attribut
Pour nom, adresse et statut, conservez l’URL ou la pièce, la date d’observation et la date d’effet lorsqu’elle est connue. Une fiche agrégée ne remplace pas la pièce.
Période cohérente
Une adresse différente peut refléter un déménagement ; un nom différent peut être un ancien nom. Vérifiez les périodes avant de remplacer une valeur historique.
Contradictions visibles
Deux identifiants différents dans le même registre, des lieux incompatibles ou des affiliations simultanées contradictoires imposent une revue. Ne les effacez pas pour rendre la fiche plus nette.
Fusion réversible
Conservez les identifiants des lignes d’origine, la règle utilisée, le relecteur, la date et une table de correspondance. Une correction ultérieure doit permettre de séparer les fiches.
Une méthode reproductible
Garder les données brutes
Copiez les libellés et identifiants originaux dans des champs distincts des versions normalisées.
Produire des candidats
Normalisez espaces et casse pour la recherche. Gardez accents, noms alternatifs et translittérations comme variantes ; évitez de supprimer les suffixes qui distinguent des objets.
Confronter des pièces indépendantes
Vérifiez l’identifiant dans son registre et confrontez les autres attributs à une source pertinente. Deux portails reprenant le même registre ne sont pas deux confirmations indépendantes.
Classer la décision
Utilisez « même objet documenté », « objets distincts », « relation à conserver » ou « indéterminé ». Une similarité ne doit pas être convertie en certitude.
Contrôler l’effet sur la base
Comparez comptes de lignes avant/après, liens cassés et pertes d’attributs. Relisez aussi des cas refusés pour repérer les doublons laissés de côté.
Quatre décisions typiques
Ces cas sont schématiques et ne décrivent aucune personne ou entreprise réelle.
Même nom, identifiants différents
Décision : Conserver deux candidats
Contrôle décisif : Vérifier registre, objet et période ; le nom seul ne permet pas de choisir.
Même SIREN, deux SIRET
Décision : Relier les établissements à l’unité légale
Contrôle décisif : Préserver les fiches d’établissement, leurs adresses et leurs dates. Ne pas les fusionner en un lieu unique.
Même identifiant, ancienne adresse
Décision : Conserver l’historique
Contrôle décisif : Vérifier la source et la date d’effet ; distinguer le changement réel d’une erreur de saisie.
Département et organisation mère
Décision : Créer une relation, si elle est documentée
Contrôle décisif : Vérifier la granularité des fiches et la relation institutionnelle. Une affiliation ne prouve pas une identité.
Relevé à conserver
Pour chaque décision, conservez : identifiants des fiches A et B ; type d’objet ; registre et identifiants ; libellés bruts ; sources et dates ; points concordants ; contradictions ; décision motivée ; personne ayant relu ; date de révision. L’absence de champ vaut « non renseigné », pas « faux ».
Une ligne par décision, avec les deux fiches d’origine, leurs sources, les divergences et le motif. Le modèle est vierge ; renseignez « indéterminé » lorsque les pièces ne permettent pas de conclure.
Télécharger le registre de rapprochement CSVQuestions pratiques
Un identifiant au bon format prouve-t-il l’existence ?
Non. Le format ou une clé de contrôle détecte certaines erreurs de saisie. Vérifiez l’enregistrement dans le registre officiel et sa correspondance avec l’objet recherché.
Peut-on fusionner sur une adresse ou un domaine web ?
Pas automatiquement. Une adresse peut héberger plusieurs organismes et un site peut représenter un groupe. Utilisez ces champs comme indices.
Comment traiter les noms traduits ?
Conservez nom publié, langue, variantes et identifiant commun vérifié. Une translittération proche n’établit pas que deux personnes sont la même.
Deux identifiants différents prouvent-ils deux objets sans lien ?
Non. Ils peuvent désigner des objets distincts mais liés, ou relever de registres différents. Documentez la relation plutôt que d’inventer une équivalence.
Faut-il publier toutes les données rapprochées ?
Non. Collecte, travail interne et publication sont des décisions distinctes. Conservez seulement les attributs nécessaires au sujet et adaptez la diffusion.
Comment mesurer la qualité d’un rapprochement automatique ?
Constituez des cas relus avec faux rapprochements et doublons manqués. Mesurez précision et rappel sur ce jeu, en décrivant son périmètre ; ne déduisez pas un taux de fiabilité d’un score de similarité.