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.

Bureau de vérification documentaire avec registre et dossier d’entreprise.

Illustration générée par IA

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

Les identifiants ne désignent pas tous la même chose
IDObjet identifiéPoint de contrôle
SIRENUnité légaleNeuf chiffres. À vérifier dans le répertoire et à stocker comme texte pour conserver les zéros initiaux. Le nom commercial ne remplace pas cet identifiant.
SIRETÉtablissementQuatorze 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 iDPersonne dans la rechercheConservez 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 IDOrganisme de rechercheComparez 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
Relier les établissements à l’unité légale — Préserver les fiches d’établissement, leurs adresses et leurs dates. Ne pas les fusionner en un lieu unique.

Cinq contrôles avant toute fusion

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.

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

  1. Garder les données brutes

    Copiez les libellés et identifiants originaux dans des champs distincts des versions normalisées.

  2. 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.

  3. 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.

  4. Classer la décision

    Utilisez « même objet documenté », « objets distincts », « relation à conserver » ou « indéterminé ». Une similarité ne doit pas être convertie en certitude.

  5. 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 ».

Questions 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.

REPÈRES DOCUMENTÉS

Wikidata : conserver la déclaration, ses qualificatifs et ses références

Un lien direct entre entité et valeur ne transporte pas tout le contexte d’une déclaration. Le modèle RDF de Wikibase distingue le sujet, le nœud de déclaration, les qualificatifs et les références. Cette structure devient essentielle pour dater une fonction, attribuer une mesure à une méthode ou comprendre pourquoi plusieurs valeurs coexistent. Les préfixes ci-dessous désignent des rôles dans le graphe, pas des niveaux de confiance.

wd:Q16wds:…?value?time?refp:ps:pq:prov:wasDerivedFromP1082 · P585
Wikidata : conserver la déclaration, ses qualificatifs et ses références
RepèreValeur ou formeCe que cela désigne
wd:EntityIdentifie l’entité, par exemple wd:Q16 pour le Canada dans les exemples officiels. Un libellé traduit sert à la lecture ; il ne remplace pas l’identifiant lors d’une jointure.
p:Entity → statementRelie une entité à une déclaration pour une propriété. Plusieurs déclarations peuvent concerner la même propriété sans constituer automatiquement des doublons.
ps:Statement → valueRelie le nœud de déclaration à sa valeur principale simple. Pour une quantité ou une date détaillée, les nœuds de valeur complets peuvent apporter des composantes supplémentaires.
pq:QualifierPorte un qualificatif de la déclaration. Dans l’exemple de population, pq:P585 précise le point dans le temps : cette date contextualise la mesure, elle ne date pas forcément la saisie.
prov:wasDerivedFromStatement → referenceRelie la déclaration à un nœud de référence. La présence d’un lien ne dispense pas d’ouvrir la source et de vérifier qu’elle étaye réellement la valeur retenue.
pr:Reference propertyDécrit une propriété à l’intérieur de la référence. Des références multiples peuvent étayer une même déclaration ; les compter comme des personnes ou des événements multiplie artificiellement les effectifs.
wds:Statement identifierIdentifie le nœud de déclaration. La documentation ne garantit pas un format ni une signification interne : ne pas extraire une date ou une identité métier de sa chaîne.

À retenir pour le dossier

Avant d’aplatir le graphe, choisir une ligne par entité, déclaration ou référence. Une requête qui combine plusieurs qualificatifs et références peut produire plusieurs lignes pour une seule déclaration. DISTINCT retire des lignes identiques, mais ne résout pas une mauvaise unité de comptage. Conserver la requête, la date d’exécution et les identifiants utiles au contrôle.

Peut-on garder uniquement l’entité et sa dernière date ?

Seulement si la question et la règle de sélection le justifient. La date peut qualifier une mesure ou une période historique ; sélectionner le maximum sans relier correctement valeur, déclaration et qualificatif peut associer des éléments qui ne vont pas ensemble.

Documentation primaire

Documentation consultée le .

REPÈRES DOCUMENTÉS

ORCID : lire l’origine de chaque assertion et les limites du dossier public

Un identifiant ORCID aide à distinguer les chercheurs homonymes, mais le contenu d’un dossier rassemble des assertions de provenances différentes. ORCID distingue l’acteur qui ajoute un élément et celui qui établit le lien entre la personne et cet élément. La visibilité choisie par le titulaire détermine aussi ce qu’un lecteur public peut réellement observer.

ORCID : lire l’origine de chaque assertion et les limites du dossier public
RepèreValeur ou formeCe que cela désigne
SourceWho added the itemLa source est la personne ou le système qui a ajouté l’élément au dossier. Un nom d’organisation affiché comme source décrit un rôle de dépôt, pas nécessairement l’auteur intellectuel de toutes les données.
Assertion originWho made the connectionL’origine de l’assertion désigne l’acteur qui a établi le lien avec le titulaire. Un chercheur peut initier une importation tandis qu’un service ajoute techniquement l’élément : les rôles diffèrent.
AffiliationAssertion + sourceLire l’affiliation avec sa source, son organisme et ses dates disponibles. Une affiliation ajoutée par le titulaire et une affiliation ajoutée par une institution ne sont pas le même parcours de provenance.
PUBLICEveryoneLes éléments publics peuvent être lus dans le dossier public et par l’API publique. Cela ne transforme pas leur contenu en preuve indépendante de chaque affirmation.
LIMITEDTrusted partiesLes éléments réservés aux parties de confiance ne font pas partie du dossier public. Leur lecture dépend des autorisations ; un observateur externe ne doit pas en déduire le contenu.
PRIVATEOnly meLes éléments privés ne sont pas visibles dans une consultation publique. La documentation détaille les accès du titulaire, des délégataires et, selon le cas, de l’intégration qui a ajouté l’élément.

À retenir pour le dossier

Un dossier public vide ou incomplet ne prouve pas l’absence d’emploi, de financement ou de publication. Conserver la date de consultation et éviter de reconstruire une biographie à partir des seuls champs visibles. L’authentification d’un ORCID dans un parcours autorisé établit un lien de compte ; elle ne certifie pas à elle seule toutes les qualifications décrites.

Une organisation comme source garantit-elle toutes les informations du dossier ?

Non. Examiner la provenance élément par élément et distinguer source et origine de l’assertion. Une institution peut avoir ajouté une affiliation sans avoir validé une liste d’articles déposée séparément par le titulaire.

Documentation primaire

Documentation consultée le .

APPROFONDISSEMENT / PRATIQUE

Documenter les indices d’un rapprochement

Deux lignes semblent décrire la même organisation, mais leurs noms ou adresses diffèrent. Le rapprochement doit reposer sur plusieurs attributs et préserver les données initiales.

Mis à jour le .

Vérifications prioritaires

Comparer identifiants stables, territoire, période, forme du nom et autres attributs disponibles. Examiner les cas d’homonymie et les changements de dénomination avant une fusion.

Pièges d’interprétation

Une normalisation agressive peut faire disparaître une différence significative. Un rapprochement automatique doit pouvoir être revu lorsque les indices sont faibles ou contradictoires.

Document de travail à conserver

Le journal de rapprochement conserve lignes d’origine, règle, indices, décision et réserve. Les cas ambigus restent séparés tant qu’un élément supplémentaire ne justifie pas leur réunion.

CAS PRATIQUE / EXEMPLE PÉDAGOGIQUE

Une adresse commune entraîne une fusion erronée

L’exemple ci-dessous est pédagogique. Il montre comment passer d’un document à une proposition qualifiée, en préservant le contexte, les éléments contradictoires et les informations que la recherche ne permet pas encore d’établir.

Contexte de l’exemple

Deux organisations partagent une adresse et des noms proches. Une règle de rapprochement les réunit alors que leurs identifiants et leurs activités documentées restent distincts.

Démarche proposée

Revenir aux lignes originales, comparer plusieurs attributs et examiner les preuves disponibles. Séparer les cas de proximité des cas d’identité. Documenter les corrections de fusion.

Conclusion et prochaine étape

Le journal conserve la décision révisée et ses motifs. La règle est ajustée pour que l’adresse serve d’indice complémentaire plutôt que de preuve suffisante d’identité.

Questions pour approfondir la pratique

Comment traiter les rapprochements incertains ?

Les maintenir dans une catégorie à examiner, avec les indices pour et contre. Cette séparation préserve les données et évite de propager une fusion non justifiée dans les analyses suivantes.

ATELIER DÉTAILLÉ / MISE EN APPLICATION

Évaluer une règle sur les cas de ressemblance trompeuse

  1. 01 / Préparer les informations utiles

    Choisir attributs, identifiants et données originales. Préparer des correspondances connues ainsi que des homonymes ou structures partageant une adresse.

  2. 02 / Exécuter la démarche

    Tester la règle, examiner les indices et conserver les décisions. Vérifier les faux rapprochements et les cas manqués. Documenter les transformations des noms ou codes utilisées pour la comparaison.

  3. 03 / Examiner une situation alternative

    Si une fusion dépend d’un seul indice faible, maintenir les lignes distinctes. Une catégorie incertaine permet une revue sans imposer immédiatement une identité commune.

  4. 04 / Décider de la suite

    La règle est acceptable pour son périmètre lorsque les erreurs importantes sont examinées. Les décisions manuelles et automatiques restent identifiables avec leurs motifs.

  5. 05 / Transmettre les éléments de contrôle

    Transmettre journal d’appariement et exemples de contrôle. Une révision peut retrouver les valeurs originales et corriger les analyses dépendant d’une fusion erronée.

LIVRABLE COMMENTÉ / GRILLE DE LECTURE

Un journal d’appariement avec indices pour et contre

Le journal conserve lignes originales, transformations, règle et décision. Il distingue correspondance confirmée, séparation et cas incertain pour que les rapprochements puissent être revus.

Sur petit écran, faites défiler la grille pour lire les trois colonnes.

Exemples de situations à qualifier
Élément observéInterprétation permiseSuite à prévoir
Plusieurs attributs stables concordent.L’identité est soutenue selon les preuves et le contexte documentés.Conserver les motifs et vérifier les cas limites de la règle.
Un nom proche et une adresse partagée concordent seuls.Le rapprochement reste fragile face aux homonymies et structures voisines.Chercher des identifiants ou maintenir une catégorie incertaine.
La fusion produit des attributs incompatibles à la même période.La règle peut réunir des objets distincts.Revenir aux originaux et corriger les analyses dépendantes.

Relecture du livrable

La relecture doit pouvoir annuler une fusion et retrouver les valeurs sources. Les normalisations doivent être conservées séparément pour ne pas transformer une aide de recherche en preuve d’identité.

RESTITUTION / EXEMPLE DE FORMULATION

Restitution : Documenter les indices d’un rapprochement

Point à clarifier

Une décision de fusion doit pouvoir être revue à partir des données initiales.

Avant de transmettre

Vérifier les indices contradictoires et les effets de la fusion sur les analyses.

Exemple de conclusion qualifiée

Le rapprochement repose sur les indices décrits. Les cas ambigus sont maintenus séparément et les transformations des attributs sont conservées avec leurs règles.