Doublons clients : que faut-il vraiment fusionner ?

Une ligne identique n’est pas toujours un client en double

Dans un fichier de transactions, deux lignes identiques peuvent représenter deux opérations distinctes. Dans un référentiel clients, deux noms proches peuvent correspondre à deux établissements. Le sens du fichier doit être défini avant de supprimer quoi que ce soit.

Commencez donc par identifier l’unité d’une ligne : entreprise, établissement, contact ou transaction. Un critère de dédoublonnage pertinent à un niveau peut détruire une information utile à un autre.

Normaliser pour comparer, sans écraser la source

Les espaces parasites, la casse et certaines variantes de présentation empêchent de rapprocher des valeurs pourtant similaires. Créez des colonnes de comparaison normalisées, tout en conservant la valeur d’origine.

Évitez de supprimer trop d’éléments. Un numéro d’établissement, un suffixe ou un détail d’adresse peut être précisément ce qui distingue deux fiches. La normalisation sert à trouver des candidats, pas à prouver leur identité.

Choisir plusieurs niveaux de rapprochement

Un identifiant de référence commun est généralement un signal plus fort qu’un nom voisin, à condition que cet identifiant soit fiable et corresponde au bon niveau. Un même SIREN peut regrouper plusieurs établissements ; ce n’est donc pas un motif suffisant pour les fusionner dans tous les fichiers.

Les rapprochements fondés uniquement sur un nom, un email partagé ou une adresse doivent rester des propositions. Une adresse peut héberger plusieurs sociétés ; une boîte email peut servir à plusieurs contacts.

• Ligne strictement identique : vérifier si le fichier décrit un référentiel ou des événements.
• Identifiant commun : contrôler sa fiabilité et le niveau auquel il s’applique.
• Nom et adresse proches : constituer un groupe candidat à relire.
• Informations contradictoires : conserver l’exception et demander une décision.

Définir la fiche conservée et la règle par champ

Supprimer un doublon suppose de choisir ce qui devient la fiche de référence. La ligne la plus récente n’est pas toujours la plus complète, et la plus complète n’est pas toujours la plus fiable.

Précisez la priorité des sources pour chaque champ et conservez la correspondance entre anciens et nouveaux identifiants. Cette table permet de retrouver les références historiques et d’expliquer un rapprochement après la livraison.

Tenir un journal des fusions

Pour chaque groupe, enregistrez les identifiants concernés, le critère utilisé, la fiche conservée, les champs repris et la décision métier. Les groupes non tranchés restent visibles dans une liste d’exceptions.

Avant de supprimer des lignes dans le fichier de travail, sauvegardez l’original. Après traitement, rapprochez le nombre de lignes sources, les groupes fusionnés, les exceptions et le résultat. Un écart de volume inexpliqué mérite une vérification.

Commencer par un diagnostic simple

Le diagnostic CSV gratuit de S Automation repère les lignes strictement identiques. Il ne décide pas qu’elles représentent le même client et ne les supprime pas. C’est un point de départ pour repérer les problèmes de structure.

Un dédoublonnage métier va plus loin : il combine les critères, traite les contradictions et conserve les décisions. Cette étape gagne à être cadrée avant de manipuler une base qui alimente un ERP ou un CRM.