L’overkill fichier désigne, dans le traitement des fichiers d’adresses, l’erreur de dédoublonnage par laquelle des enregistrements correspondant à des personnes ou à des foyers distincts sont identifiés à tort comme des doublons, puis fusionnés ou supprimés.
Selon la terminologie recommandée par la Commission d’enrichissement de la langue française, le dédoublonnage compare les enregistrements d’un même fichier, et la déduplication porte sur deux fichiers regroupés. Les deux traitements reposent sur une clé de rapprochement, le matchcode, et sur un seuil de tolérance. Plus la règle accepte d’écarts entre deux fiches, plus elle détecte de vrais doublons, mais plus elle rapproche des personnes différentes. L’overkill naît d’une tolérance trop large ou d’une clé trop pauvre, par exemple un rapprochement sur le seul nom et la seule adresse.
Il prend deux formes. Dans un fichier loué ou fusionné, deux prospects distincts sont réduits à un seul, et l’un d’eux n’est jamais sollicité. Lors d’un passage contre un fichier d’exclusion, comme une base repoussoir ou le fichier des clients, un prospect légitime est écarté parce qu’il ressemble à un enregistrement exclu. Dans une base de données clients, la fusion à tort mêle en outre deux historiques. Les cas typiques sont les homonymes à une même adresse, les membres d’un même foyer et les établissements d’une même entreprise.
L’overkill est l’erreur inverse de l’underkill fichier, où de vrais doublons ne sont pas détectés. Il ne doit pas être confondu avec un ciblage trop large : il ne concerne pas le choix des destinataires, mais l’exactitude du rapprochement. Le terme s’emploie chez les routeurs, les gestionnaires de bases et les équipes de marketing direct lorsqu’ils fixent les règles d’un traitement de fichier.
Un doublon se voit : le destinataire reçoit deux courriers et le signale parfois. Une fusion à tort ne se voit pas. Le prospect écarté ne reçoit rien et ne se plaint pas. Les équipes surveillent donc surtout les doublons et élargissent la tolérance des règles, au risque de multiplier les suppressions abusives. Nous recommandons de traiter l’overkill comme un coût réel : chaque contact éliminé à tort a été acquis ou loué, puis perdu sans contrepartie.
Ce coût dépend de l’usage du fichier. En prospection, il se limite à un manque à gagner. Dans une base de clients, une fusion à tort est plus grave. Elle mélange deux historiques d’achat, fausse la segmentation et peut appliquer à une personne le choix de l’autre en matière de prospection. Une fusion se défait mal si les données d’origine n’ont pas été conservées.
Le problème n’est pas nouveau. En 1976, l’hebdomadaire allemand Computerwoche consacrait un article aux doublons d’adresses. Il y décrivait l’arbitrage entre un seuil de ressemblance trop bas, qui produit des overkills, et une exigence d’identité totale, qui laisse passer des doublons. L’article prenait l’exemple d’une laverie au nom de Binder et d’un Adolf Binder domicilié à la même adresse. Le rapprochement était pertinent, mais la fusion ne l’était pas forcément : ce particulier pouvait être le père du gérant. Les algorithmes ont changé depuis, mais l’arbitrage demeure : aucune règle ne supprime tous les doublons sans aucune fusion à tort.
L’overkill ne se mesure que par contrôle humain. Tirez au hasard quelques centaines de paires rapprochées par le traitement et faites-les vérifier une à une. La part de paires fusionnées à tort donne une estimation du taux d’overkill. Refaites ce contrôle à chaque changement de règle ou de prestataire, et exigez-le dans le cahier des charges d’un nettoyage de fichier. En production, le nombre de fusions annulées à la demande des clients ou des commerciaux sert d’alerte. Ces repères sont des indicateurs de pilotage que nous proposons, non des normes.
Advalians commence par vérifier vos données, puis mesure quelles actions produisent des contacts ou des ventes, pour que vos décisions de budget reposent sur des chiffres vérifiés.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
L’overkill est l’excès de rapprochement : des personnes différentes sont fusionnées ou supprimées comme doublons. L’underkill est le défaut inverse : de vrais doublons restent dans le fichier. Le premier fait perdre des contacts sans que personne ne s’en aperçoive. Le second produit des envois en double, visibles et parfois signalés.
Les deux erreurs dépendent du même réglage : réduire l’une augmente l’autre. Avant tout traitement, désignez par écrit celle que vous voulez minimiser pour l’usage visé, prospection, exclusion ou fusion de fiches clients.
Rendez la clé plus riche avant de la rendre plus tolérante. Normalisez d’abord les adresses, puis ajoutez au nom et à l’adresse le prénom, le numéro dans la voie et le complément d’adresse. Pour les entreprises, intégrez le numéro SIRET quand il est connu.
Prévoyez ensuite deux niveaux de décision. Les rapprochements très sûrs sont fusionnés automatiquement. Les rapprochements incertains forment une liste de doublons possibles, vérifiée à la main avant toute fusion. Gardez les données d’origine pour annuler une erreur.
Par échantillon vérifié à la main, car aucun calcul automatique ne repère une fusion à tort. Tirez au hasard quelques centaines de paires que le traitement a rapprochées. Faites contrôler chaque paire par une personne qui connaît le fichier. Le taux d’overkill est la part de paires désignant en réalité deux personnes distinctes.
Comparez ce taux entre deux réglages ou deux prestataires sur le même échantillon. En production, suivez aussi le nombre de fusions annulées après réclamation.
Les homonymes à une même adresse, comme un parent et son enfant, sont le cas le plus classique. S’y ajoutent les membres d’un même foyer réduits à un seul contact, les établissements d’une même entreprise fusionnés en un seul et les adresses collectives, comme les résidences ou les immeubles de bureaux.
Repérez ces situations avant le traitement. Isolez par exemple les adresses qui regroupent beaucoup de fiches et traitez-les avec une règle plus stricte ou par revue manuelle.
Oui pour une liste d’exclusion, non pour la fusion de fiches clients. Lorsqu’il s’agit d’écarter des personnes opposées à la prospection, mieux vaut retirer quelques prospects de trop que solliciter une personne qui a refusé.
À l’inverse, une fusion de fiches clients mêle des historiques et des choix personnels. Elle impose la règle la plus stricte et une vérification humaine des cas douteux. En prospection pure, arbitrez selon le coût d’un contact perdu comparé au coût d’un envoi en double.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
