Construire un rapport qualité de fichier avec des dénominateurs clairs

L'évaluation d'un jeu de données B2B repose trop souvent sur des pourcentages globaux trompeurs. Un taux de remplissage affiché à 95% ne garantit ni l'existence légale d'une structure, ni l'exploitabilité opérationnelle d'un canal de contact. Pour juger de l'utilité réelle d'un fichier destiné à alimenter un CRM ou un outil d'envoi, l'équipe data doit formaliser un rapport de contrôle transparent.

Ce document technique permet d'isoler chaque étape de traitement en associant un numérateur précis à un dénominateur explicite. Il prévient les confusions fréquentes entre l'exhaustivité d'un champ textuel, la validité administrative d'une entreprise et le comportement d'un serveur de messagerie lors d'une campagne.

Décrire le périmètre mesuré et les dénominateurs de départ

Le dénominateur initial représente l'ensemble brut des lignes reçues ou extraites avant toute opération de tri. Dans un rapport qualité, ce total ne doit jamais être confondu avec le sous-ensemble des enregistrements retenus pour l'action finale. Si une extraction contient 10 000 lignes brutes, indiquez les pertes par rapport à ce total et, si utile, le taux propre à chaque étape. Distinguez ces deux dénominateurs pour rendre les résultats vérifiables.

Le premier niveau de segmentation consiste à distinguer les entités légales uniques des points de contact opérationnels. Une même entreprise identifiée par son numéro SIREN à 9 chiffres peut posséder plusieurs établissements identifiés par leur code SIRET à 14 chiffres. De même, un même établissement peut regrouper plusieurs interlocuteurs professionnels portant chacun une adresse de courrier électronique distincte.

Le rapport formalise donc trois dénominateurs structurels distincts : le nombre total de lignes du fichier brut, le nombre d'entreprises uniques observées et le nombre de contacts professionnels recensés. Établir ces grandeurs dès le départ évite de masquer l'élimination de doublons ou la perte de lignes non exploitables lors des nettoyages successifs.

Calculer la complétude par champ sur une base conditionnelle

La complétude technique mesure la présence physique d'une chaîne de caractères non vide dans une cellule donnée. Pour être significative, elle doit s'appliquer à un sous-ensemble où la présence de la valeur est fonctionnellement requise. Calculer le taux de remplissage d'un numéro de TVA intracommunautaire sur l'ensemble des lignes d'un fichier incluant des associations non assujetties fausse l'analyse.

La structure minimale d'un tableau d'audit de complétude détaille le nom de la colonne, le dénominateur de référence, le décompte des valeurs conformes et le taux arithmétique résultant :

Chaque ligne d'audit isole ainsi la complétude syntaxique de l'utilité métier. Une adresse de courrier électronique peut respecter la syntaxe requise sans que la boîte de réception ne soit active, de même qu'un numéro de téléphone standard peut être renseigné sans que la ligne directe du décideur ne soit identifiée.

Ce calcul conditionnel s'applique également aux codes d'activité. Un code APE ou NAF comporte obligatoirement quatre chiffres et une lettre. Mesurer sa présence ne suffit pas : le rapport doit vérifier la conformité du format sur les lignes pour lesquelles une activité principale a été formellement attribuée, tout en rappelant qu'une activité principale peut être approximative et ne décrit pas toutes les activités secondaires d'une structure.

Compter les correspondances et qualifier les sources administratives

Le rapprochement consiste à associer des données internes à un référentiel public faisant autorité. Pour les entités établies en France, l'alignement sur le répertoire officiel constitue la référence de base. Les données de la Base Sirene publiée par l'Insee sur data.gouv.fr fournissent l'état civil légal de chaque unité répertoriée.

Un rapport d’audit distingue les entreprises simplement répertoriées de celles qui sont administrativement actives. Ce statut ne prouve pas une activité économique effective. Les fichiers stocks administratifs contiennent en effet les unités cessées ainsi que les établissements fermés. Le rapprochement doit comptabiliser distinctement les structures actives au sens du répertoire et celles dont l'activité a pris fin, afin d'ajuster le fichier cible en conséquence.

De plus, l'accès aux données légales impose de tracer le statut de diffusion publique. Certaines personnes physiques immatriculées exercent leur droit d'opposition à la diffusion commerciale, matérialisé par le statut d'opposition dans les extractions officielles. Le rapport doit distinguer les restrictions de diffusion, dont le statut P de diffusion partielle, et les règles de réutilisation appliquées. Un statut public ne vaut pas à lui seul autorisation commerciale ; les exclusions dépendent du périmètre et des restrictions concernées.

Dater les contrôles selon la temporalité des variables

Une erreur commune consiste à attribuer une date unique de fraîcheur à l'ensemble d'un fichier de données. La réalité des sources impose une dissociation stricte entre l'enregistrement administratif, l'observation statistique et le test technique des coordonnées. Chaque famille de variables suit son propre cycle de mise à jour.

Dans le répertoire Sirene, les tranches d'effectifs des entreprises diffusées au cours d'un mois donné reflètent une situation arrêtée à la fin de l'exercice précédent ou antérieur, comme les valeurs du 31 décembre 2024 diffusées à l'automne 2026. À l'inverse, l'état administratif d'une cessation d'activité peut faire l'objet d'une mise à jour plus rapprochée par l'intermédiaire des flux de l'Insee.

Le rapport de données doit consigner la date d'extraction de chaque lot de référence. Cette transparence temporelle permet aux intégrateurs CRM d'apprécier la stabilité des segments créés, notamment lorsqu'ils filtrent des cibles sur des seuils d'effectifs salariés qui ne varient que périodiquement au niveau institutionnel.

De la même manière, le test syntaxique d'une adresse email ou l'existence de ses enregistrements DNS de messagerie ne valent qu'au moment précis de la requête technique. Consigner la date d'exécution de ce test évite de confondre la validité d'une infrastructure réseau à un instant T avec une pérennité absolue des coordonnées recueillies.

Distinguer l'audit de fichier de la délivrabilité d'envoi

La validité syntaxique d'une adresse de messagerie et la vérification de l'existence de son nom de domaine ne garantissent pas la réception effective d'un message dans la boîte principale du destinataire. Un contrôle peut repérer les adresses mal formées et des anomalies de domaine ou de réception. Une absence de MX nécessite des vérifications complémentaires avant d’écarter une adresse, car SMTP prévoit certains cas de MX implicite, mais il ne contrôle pas l'infrastructure d'expédition utilisée ultérieurement.

Les fournisseurs de messagerie appliquent des filtres stricts indépendants du fichier source. Selon les directives énoncées par l'aide Google pour les expéditeurs Gmail, la réception d'un courrier dépend directement de l'authentification SPF, de la signature DKIM, de la présence d'enregistrements DNS inverses valides et du respect des volumes d'envoi. Un rapport qualité de données atteste de la propreté du format des adresses et de la cohérence des noms de domaine, sans pouvoir préjuger de la réputation de l'expéditeur.

Il convient de rappeler qu'un taux de rebond technique correspond à un message non distribué en raison d'une défaillance d'acheminement ou de boîte inexistante, et non à une mauvaise pertinence commerciale du destinataire ciblé. En documentant les contrôles effectués au niveau du domaine et de la syntaxe, l'équipe data fournit un périmètre vérifié sans formuler d'engagement irréaliste sur le placement en boîte de réception.

Exemple illustratif : structure d'un rapport joint à une livraison

Pour matérialiser ces principes, voici un exemple fictif et purement illustratif décrivant l'analyse d'un fichier de prospection avant son injection dans une base de données de vente :

Dans ce scénario, 6 670 enregistrements passent les contrôles décrits et 3 330 sont écartés avec un motif tracé. Le contrôle de domaine ne prouve pas la validité de chaque boîte individuelle ni l’autorisation de la solliciter.

Chaque ligne rejetée fait l'objet d'un motif d'exclusion documenté dans le journal d'exécution. Cette rigueur permet au responsable commercial de comprendre exactement pourquoi le volume disponible en sortie diffère du nombre brut de lignes initialement collectées, sans ambiguïté sur la nature des traitements opérés.

Sélectionner des données structurées et déléguer la préparation

La construction manuelle de ces étapes requiert des outils de traitement adaptés, des scripts de nettoyage réguliers et une connaissance approfondie des bases publiques. Pour les structures qui ne disposent pas d'une équipe data dédiée en interne, acquérir des fichiers directement nettoyés et livrés dans un format standardisé constitue un gain opérationnel substantiel.

Des boutiques spécialisées proposent des listes d'entreprises prêtes à l'emploi, fournies au format CSV ou Excel, avec les dédoublonnages et vérifications préalablement appliqués lors de la commande :

• Sur Base Emails Pro, vous accédez à un catalogue organisé par métiers, départements et régions pour cibler des activités professionnelles précises sans manipulation complexe.
• La boutique Fichier Prospection prépare des fichiers B2B à la commande, nettoyés de leurs doublons, incluant numéros de téléphone et coordonnées électroniques professionnelles.
• Pour les besoins ciblés avec un budget maîtrisé, Fichier Entreprise Pro propose un catalogue sans doublons livré par email sous 8 à 24 heures, avec la possibilité de tester un échantillon de 20 lignes pour 5 euros, remboursé après l'achat complet.
• Enfin, Fichier Email Pro intègre un rapport qualité directement lors de la commande de listes classées par métier ou territoire, avec des contrôles de domaines et d'adresses, pour une livraison par email sous 8 à 24 heures.

Un fichier de données propre et structuré ne remplace pas un logiciel d'envoi ni la configuration de vos protocoles techniques. Si votre projet implique des croisements complexes, un nettoyage de CRM existant ou une normalisation sur mesure, l'équipe de 7 spécialistes de La Fabrique B2B conçoit vos fichiers personnalisés et vos protocoles de dédoublonnage sur devis.