SIREN, SIRET ou domaine : quelle clé choisir pour rapprocher deux fichiers ?

La fusion de deux tables de prospection ou l'enrichissement d'un CRM échoue fréquemment en raison d'une mauvaise clé de jointure. L'utilisation d'un identifiant inadapté provoque soit la création de doublons indésirables, soit l'écrasement destructeur de filiales distinctes. Pour garantir l'intégrité de vos enregistrements, il est nécessaire de formaliser ce que représente chaque ligne avant toute opération technique.

La ligne représente quoi : définir l'unité d'analyse

Avant d'exécuter une fonction de recherche ou un script de dédoublonnage, vous devez définir précisément l'entité représentée par chaque enregistrement. Une ligne de votre fichier peut correspondre à une personne morale globale, à une implantation géographique précise ou simplement à un nom de domaine internet.

Dans un CRM de vente B2B, l'amalgame entre le siège social et les succursales régionales est classique. Si votre organisation commerciale attribue les comptes par code postal ou département, chaque point de présence constitue un compte d'établissement distinct. À l'inverse, si votre facturation et votre cycle de décision s'opèrent au niveau de la holding juridique, votre référentiel principal doit rester l'entreprise consolidée.

La confusion entre ces deux niveaux d'analyse génère des collisions irréversibles lors des fusions. Un fichier marketing contenant des adresses locales ne peut pas être aligné aveuglément sur un fichier financier qui ne recense que les sièges sociaux. C'est l'objectif métier qui dicte la sélection de la clé pivot.

Il arrive également qu'une ligne ne représente qu'un contact individuel ou une simple visite web. Dans cette situation, forcer une mise à jour d'un compte entreprise à partir d'une donnée d'individu sans valider le rattachement juridique produit des écrasements de données critiques. Chaque fichier source doit posséder un dictionnaire de données documentant l'unité représentée.

Clé d'entreprise : la portée du numéro SIREN

Le numéro SIREN est un identifiant public attribué par l'Insee. Comme le précise la définition du numéro Siren par l'Insee, cette suite de neuf chiffres désigne une unité légale dans le système informatique pour le répertoire des entreprises et des établissements. Ce numéro est invariable tout au long de l’existence de l’unité légale, personne physique ou morale et n'est jamais réutilisé après sa disparition.

Le SIREN est la clé de référence optimale lorsque votre objectif consiste à fusionner des informations corporate. Cela concerne par exemple l'activité principale exercée via le code APE composé de quatre chiffres et une lettre, la tranche d'effectif globale ou la santé financière. Il permet d'agréger toutes les occurrences secondaires d'une société sous une seule bannière contractuelle.

Toutefois, cette clé comporte une limite intrinsèque majeure. Le SIREN ne possède aucune dimension géographique locale et ignore totalement la dispersion des bureaux opérationnels. Deux agences distantes de plusieurs centaines de kilomètres appartenant à la même entreprise partagent strictement le même SIREN. Rapprocher deux tables par le SIREN seul ne suffit pas à distinguer ces bureaux. Selon la cardinalité et les règles appliquées, l’opération peut multiplier les correspondances ou agréger des lignes à tort.

Si votre objectif est d'équiper chaque site physique d'un matériel spécifique, l'utilisation du SIREN écrasera les coordonnées de livraison des établissements secondaires au profit de celles du siège. Le SIREN résout les problématiques juridiques, fiscales et de crédit management, mais s'avère insuffisant pour la logistique ou le ciblage d'agences de proximité.

Clé d'établissement : la précision du numéro SIRET

Pour distinguer plusieurs adresses opérationnelles au sein d'une même entité, l'identifiant requis est le SIRET. D'après la définition du numéro Siret par l'Insee, cet identifiant comporte quatorze chiffres et réunit le numéro SIREN de neuf chiffres complété par un numéro interne de classement (NIC) de cinq chiffres propre à chaque implantation.

Le SIRET est une clé adaptée pour distinguer les établissements dans ces usages. La conservation de chaque site dépend ensuite des règles de rapprochement et du paramétrage du fichier.

En contrepartie, le SIRET s'avère fragile si vos données sources sont hétérogènes. Si l'un de vos fichiers ne référence que le siège tandis que le second référence un site secondaire, la jointure directe par SIRET échouera systématiquement, bien qu'il s'agisse de la même entité légale sous-jacente. Le SIRET demande une rigueur de saisie élevée et tolère mal les approximations d'adresses.

De plus, un déménagement d'agence modifie les cinq derniers chiffres du SIRET car le NIC change avec l'adresse. Deux tables historiques contenant le même site avant et après transfert géographique risquent d'apparaître comme deux établissements disjoints si l'historique administratif n'est pas pris en compte.

Le nom de domaine comme indice de réconciliation

En prospection digitale et marketing automation, les fichiers d'origine web omettent régulièrement les identifiants officiels d'état civil d'entreprise. Le nom de domaine du site web professionnel devient alors la clé d'appariement la plus accessible.

Le domaine web présente une excellente capacité à regrouper les adresses emails des collaborateurs rattachées au même serveur de messagerie. Comme l'indique la documentation sur la déduplication des fiches d'informations dans HubSpot, ce CRM utilise notamment le nom de domaine de l'entreprise pour rechercher les fiches existantes lors de certaines créations et importations selon le mode choisi. La documentation précise aussi que les entreprises créées par API ne sont pas automatiquement dédupliquées par domaine selon cette page, et que sans identifiant unique, chaque ligne importée peut générer un nouvel enregistrement.

Cependant, le domaine ne constitue pas une clé primaire infaillible. De nombreux groupes industriels ou réseaux de franchises exploitent un domaine web unique pour des dizaines d'entités juridiques et de sites indépendants. Rapprocher aveuglément deux tables sur le seul nom de domaine conduit inévitablement à écraser les filiales spécialisées sous la marque générique du groupe.

À l'inverse, une seule entreprise peut posséder plusieurs noms de domaine pour ses marques de produits ou ses filiales internationales. Se baser uniquement sur le domaine principal empêchera la consolidation des contacts provenant de sites de marque dérivés vers la fiche de l'entreprise parente.

Gérer les correspondances ambiguës : mode opératoire pas à pas

Pour illustrer la mise en pratique d'une stratégie de rapprochement mixte, prenons un scénario fictif d'enrichissement. L'entreprise dispose d'une table interne CRM (Fichier A) contenant des agences régionales et souhaite intégrer des données sectorielles issues d'un fichier externe (Fichier B).

Structure des données sources (exemple fictif)

Le tableau ci-dessous illustre la disparité fréquente des champs entre la base d'origine et la base à intégrer :

Étape 1 : Le nettoyage des formats

Avant d'effectuer des tests de correspondance, assurez-vous que les numéros SIREN et SIRET sont stockés sous forme de chaînes de texte de longueur fixe, et non sous forme d'entiers numériques, ce qui préserve les zéros initiaux indispensables. Un SIRET commençant par zéro perd son intégrité s'il est converti en valeur numérique standard.

Pour les noms de domaine, supprimez les préfixes protocolaires (comme http et https), les sous-domaines génériques (tels que www) ainsi que les chemins d'accès secondaires pour ne conserver que la racine nominale et son extension. Veillez également à exclure les fournisseurs de messagerie grand public comme gmail.com ou outlook.com, qui provoqueraient des regroupements frauduleux de milliers de contacts non liés.

Étape 2 : L'évaluation de la cardinalité de jointure

Si vous effectuez une jointure sur le champ Domaine web, le Fichier B va s'associer à deux lignes distinctes du Fichier A. Si cette association a pour but d'attribuer une filière métier, cette relation de type un vers plusieurs (1:N) est parfaitement valide et pertinente.

En revanche, si l'opération visait à ventiler un chiffre d'affaires déclaré par le siège, ce montant financier serait dupliqué sur chaque agence locale, faussant l'analyse statistique globale. La nature de la donnée importée doit toujours conditionner la cardinalité admise.

Si vous effectuez une jointure sur le champ SIRET, aucune correspondance ne sera trouvée entre le Fichier B (siège à Paris portant le NIC 00013) et les agences du Fichier A (Nantes avec le NIC 00021 et Strasbourg avec le NIC 00039). La jointure stricte retourne un résultat vide, ce qui évite d'attribuer par erreur l'adresse parisienne aux équipes locales mais laisse vos lignes internes non enrichies.

Étape 3 : La cascade de rapprochement préconisée

Pour concilier exhaustivité et précision sans détériorer la structure existante, appliquez une logique de réconciliation en cascade organisée selon trois niveaux successifs :

1. Rapprochement niveau 1 (SIRET exact) : appliquez d'abord la jointure sur les 14 chiffres du SIRET. Les correspondances trouvées garantissent un enrichissement au niveau de l'établissement précis avec une certitude administrative maximale.
2. Rapprochement niveau 2 (SIREN + Code Postal ou Commune) : pour les lignes non appariées au premier niveau, rapprochez par le SIREN de 9 chiffres associé au département ou au code postal. Cette combinaison produit des candidats à examiner. Plusieurs établissements d’une unité légale peuvent partager une commune, un département ou un code postal ; l’unicité doit être vérifiée avant toute mise à jour.
3. Rapprochement niveau 3 (Domaine web + Validation d'unicité) : pour les lignes dépourvues d'identifiants administratifs, tentez une réconciliation sur le domaine nettoyé. Si un même nom de domaine apparaît sur plusieurs comptes CRM distincts, ces lignes doivent être isolées dans une file d'examen manuel plutôt que de subir une mise à jour automatisée aveugle.

Règle de gestion : toute correspondance multiple identifiée sur un nom de domaine partagé doit faire l'objet d'un marquage technique pour empêcher l'écrasement des téléphones locaux ou des contacts spécifiques par les données génériques du siège.

Formats de sortie et traçabilité des modifications

Le résultat d'un travail de rapprochement de fichiers ne doit jamais écraser directement votre table de production. L'export final doit présenter une structure claire permettant de vérifier l'origine de chaque enrichissement.

Dans votre livrable de données, conservez systématiquement la clé d'origine de chaque enregistrement, la clé pivot utilisée pour la jointure, ainsi qu'un indicateur de confiance de la réconciliation. Un champ technique nommé par exemple statut_rapprochement avec des valeurs telles que SIRET_EXACT, SIREN_LOCALITE ou DOMAINE_UNIQUE assure une transparence totale pour les équipes d'intégration CRM.

Cette traçabilité évite les régressions futures. Si un lot de données externe s'avère erroné, la présence de ces métadonnées de jointure permet d'isoler et d'annuler les modifications ciblées sans avoir à restaurer l'intégralité d'une sauvegarde de base de données.

La structuration et le dédoublonnage de fichiers volumineux nécessitent des protocoles rigoureux pour transformer des tables hétérogènes en bases prêtes à l'emploi. L'agence La Fabrique B2B et son équipe de 7 spécialistes accompagnent les directions marketing et commerciales dans l'enrichissement de leurs bases, l'harmonisation de leurs fichiers clients et le conseil en gouvernance de données sur devis personnalisé.