L’underkill fichier désigne, dans le traitement des fichiers d’adresses, la situation où un dédoublonnage ou une déduplication laisse subsister de vrais doublons, c’est-à-dire plusieurs enregistrements qui désignent en réalité la même personne ou le même foyer.
Il résulte d’une règle de rapprochement trop exigeante ou d’une clé incomplète. Lorsque seules les fiches strictement identiques sont rapprochées, une faute de frappe, une abréviation ou une variante de prénom suffit à créer deux enregistrements pour une même personne. Des adresses non normalisées, des saisies multiples par plusieurs canaux et la fusion de fichiers d’origines différentes l’aggravent. L’underkill peut aussi être accepté délibérément : une règle stricte laisse quelques doublons pour éviter de supprimer à tort des adresses valides.
Il se présente sous deux formes. Au sein d’un fichier ou entre plusieurs fichiers loués, la même personne reçoit plusieurs fois le même envoi. Lors d’un passage contre un fichier d’exclusion, une personne qui devait être écartée n’est pas reconnue et reste dans la sélection. Il peut s’agir d’un client actuel exclu d’une campagne de prospection ou d’une personne inscrite sur une liste d’opposition.
L’underkill est l’erreur inverse de l’overkill fichier, qui rapproche à tort des personnes différentes. Il se distingue d’un ciblage trop restrictif, qui écarte volontairement des contacts par le choix des critères : l’underkill ne touche pas la sélection, mais la qualité du rapprochement. Le terme relève du vocabulaire des routeurs, des gestionnaires de bases et des équipes de marketing direct, notamment lors d’un nettoyage de fichier.
L’underkill coûte d’abord en envois inutiles : impression, affranchissement et agacement du destinataire qui reçoit deux fois le même courrier. Il fausse aussi les indicateurs. Une base gonflée de doublons surestime le nombre de clients actifs. Elle sous-estime le taux de remontées, puisque deux envois à une même personne produisent au mieux une réponse.
Le risque le plus sérieux concerne les exclusions. Une personne opposée à la prospection, mal reconnue lors du rapprochement, peut être sollicitée malgré son refus. Dans sa page consacrée à la liste repoussoir (2026), la CNIL relève que des formats différents d’une même adresse produisent des empreintes distinctes lorsque les fichiers sont comparés sous forme hachée. Elle invite à harmoniser le formatage des adresses ou à recourir au géocodage. C’est exactement le mécanisme de l’underkill appliqué à une base repoussoir.
Le nombre de doublons supprimés ne dit rien de ceux qui restent. L’underkill se mesure par échantillon : tirez au hasard des enregistrements après traitement et recherchez à la main leurs éventuels doublons restants. La part d’enregistrements qui en ont un donne une estimation du taux résiduel. En production, comptez les signalements de doubles réceptions et les plaintes de personnes opposées encore sollicitées. Ce second indicateur doit tendre vers zéro. Ces repères sont des indicateurs de pilotage que nous proposons, non des normes.
Le livre blanc gratuit d’Advalians recense onze erreurs de mesure courantes, chacune avec son test et sa correction, pour savoir si vous pouvez vous fier à vos chiffres avant de décider.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
L’underkill est un défaut de dédoublonnage : des doublons réels restent dans le fichier. Un ciblage trop restrictif est un choix de sélection : des critères trop fins écartent des contacts qui auraient répondu. Le premier se corrige par la clé de rapprochement, le second par les critères de ciblage.
Pour les distinguer, regardez le symptôme. Des personnes reçoivent deux fois le même envoi : c’est un underkill. Le volume sélectionné est faible et des segments rentables manquent : c’est un problème de ciblage.
Normalisez toutes les adresses sur le même référentiel avant de comparer les fichiers. Des fichiers d’origines différentes n’écrivent pas les voies, les abréviations ni les prénoms de la même façon.
Utilisez ensuite une clé qui tolère les variantes d’écriture, puis envoyez les rapprochements incertains en revue manuelle. Demandez au prestataire un compte rendu par fichier : nombre de doublons trouvés entre chaque paire de fichiers et nombre de cas douteux. Un fichier qui ne recoupe presque aucun autre mérite une vérification.
Par un contrôle manuel sur échantillon, car le traitement ne voit pas les doublons qu’il a manqués. Tirez au hasard quelques centaines d’enregistrements dans le fichier traité. Pour chacun, cherchez à la main d’autres fiches de la même personne, en testant les variantes d’écriture du nom et de l’adresse.
La part d’enregistrements qui ont encore un doublon donne une estimation du taux résiduel. Refaites la mesure après chaque changement de règle, et comparez-la au taux de fusions à tort mesuré sur le même traitement.
Solliciter une personne qui a refusé la prospection, parce que son adresse est écrite autrement dans le fichier de campagne. Le risque est alors juridique autant que commercial.
Harmonisez le format des adresses des deux fichiers avant la comparaison, surtout si elle se fait sur des valeurs hachées : une seule différence d’écriture change l’empreinte. Appliquez à ce filtrage la règle de rapprochement la plus large. Suivez enfin les plaintes de personnes opposées encore contactées, avec un objectif de zéro.
Oui en prospection, non pour les exclusions. En prospection, quelques envois en double coûtent souvent moins cher que des contacts distincts supprimés à tort. Une règle stricte, qui laisse passer quelques doublons, peut donc se justifier.
Pour filtrer des oppositions ou des clients à exclure, la tolérance doit être minimale, quitte à écarter quelques personnes de trop. Pour arbitrer en prospection, comparez le coût d’un envoi en double au coût d’acquisition d’un contact.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
