Data cleaning B2B : méthode pour nettoyer et optimiser une base de données
Doublons, contacts obsolètes, champs incomplets : une base B2B difficile à exploiter complique le travail des équipes commerciales. Le data cleaning permet d’identifier ces anomalies et de les traiter selon des règles précises. Pour mesurer le résultat, il faut auditer la base avant toute correction, conserver la trace des modifications et distinguer les données corrigées des informations ajoutées.
Avant une campagne de prospection ou une migration CRM, une question s’impose : quelles données pouvez-vous réellement utiliser, pour quel usage et avec quel niveau de confiance ? Voici une méthode pour nettoyer votre base de données B2B et suivre sa qualité dans le temps.
1. Data cleaning B2B : de quoi parle-t-on exactement ?
Définition du data cleaning B2B
Le data cleaning B2B désigne les opérations destinées à fiabiliser une base de sociétés, d’établissements et de contacts professionnels. Il consiste à détecter les anomalies, à corriger celles qui peuvent l’être avec certitude et à signaler les informations nécessitant une vérification.
Nettoyage, dédoublonnage, mise à jour et enrichissement sont complémentaires, mais doivent être suivis séparément.
| Opération | Objectif | Exemple |
|---|---|---|
| Nettoyage et normalisation | Corriger les anomalies de structure et harmoniser les formats sans inventer d’information. | Retirer des espaces parasites dans un identifiant. |
| Dédoublonnage | Identifier les fiches correspondant à une même entité et décider de leur rapprochement. | Fusionner deux fiches du même contact après contrôle. |
| Mise à jour | Remplacer une information obsolète par une valeur confirmée. | Actualiser une fonction à partir d’une confirmation datée. |
| Enrichissement | Ajouter une information absente à partir d’une source identifiée. | Compléter un SIRET ou une coordonnée professionnelle vérifiée. |
Les définitions opérationnelles proposées ici distinguent la fiabilisation des informations existantes de l’ajout de données. Cette distinction figure notamment dans les présentations de Nomination et de Creditsafe. Le périmètre de chaque traitement reste à préciser pour votre projet.
Quelles anomalies rechercher dans une base CRM B2B ?
Les contrôles portent notamment sur les doublons, les champs incomplets, les formats hétérogènes, les coordonnées incorrectes et les informations devenues obsolètes. Ces catégories sont décrites dans les ressources de DBC France et de Nomination. Leur fréquence doit être mesurée dans votre propre base.
Une anomalie détectée ne justifie pas toujours une correction automatique. Un nom inhabituel peut être exact, deux entreprises portant des noms proches peuvent être distinctes et une adresse email reconstituée reste une hypothèse tant qu’elle n’est pas confirmée.
2. Auditer la qualité d’une base avant toute correction
Commencez par définir l’usage prévu : préparer des appels, adresser une campagne email, segmenter des comptes ou migrer un CRM. Les champs indispensables dépendent de cet objectif.
Pour une campagne téléphonique, contrôlez en priorité le numéro, l’entreprise, l’interlocuteur et les exclusions de sollicitation. Pour une campagne email, examinez également l’adresse, sa provenance et les conditions de son utilisation.
Checklist d’audit avant nettoyage
- Définir les sources, la date d’extraction, les pays et les segments concernés.
- Distinguer les sociétés, les établissements et les personnes.
- Conserver les identifiants CRM et prévoir une sauvegarde sécurisée.
- Lister les champs requis pour chaque usage.
- Compter les champs vides et les valeurs comme « à compléter ».
- Contrôler les formats des dates, téléphones, codes postaux et identifiants.
- Rechercher les doublons exacts et les rapprochements probables.
- Repérer les incohérences et les informations contradictoires.
- Identifier la source et la date des dernières vérifications.
- Contrôler les oppositions et les exclusions applicables.
- Tester les règles sur un lot pilote.
- Définir les indicateurs initiaux et les critères de réception.
Comment constituer un échantillon de contrôle ?
Lorsque c’est possible, effectuez les contrôles de structure sur l’ensemble de la base. Pour les vérifications manuelles, sélectionnez un échantillon couvrant les différentes sources, anciennetés, tailles de comptes et catégories de contacts.
Conservez la méthode de sélection, la taille du lot et les conclusions des contrôles. Un échantillon composé des fiches les plus suspectes décrit ce lot à risque : ses résultats ne représentent pas automatiquement toute la base.
Format valide ne signifie pas donnée confirmée
Un numéro correctement formaté ne prouve pas qu’il appartient au bon interlocuteur. Une adresse email acceptée par un outil de vérification ne garantit ni sa délivrabilité future ni l’identité de son utilisateur.
3. Construire les règles de nettoyage et de dédoublonnage
Chaque règle doit préciser le champ concerné, la condition de déclenchement, l’action autorisée, les exceptions et le besoin éventuel de validation humaine.
Distinguer les corrections certaines des données à vérifier
| Statut | Traitement | Trace à conserver |
|---|---|---|
| Correction certaine | Appliquer une transformation testée et sans ambiguïté. | Ancienne valeur, nouvelle valeur, règle et date. |
| Donnée à vérifier | Conserver la valeur et ouvrir un contrôle. | Motif du doute et responsable de la vérification. |
| Mise à jour confirmée | Remplacer la valeur après confirmation. | Source, date de confirmation et ancienne valeur. |
| Enrichissement vérifié | Ajouter la donnée dans le champ prévu. | Provenance, date, méthode de rapprochement et validation. |
Préservez les zéros initiaux des codes postaux et identifiants. N’ajoutez pas un indicatif téléphonique si le pays n’est pas établi. Une information absente doit rester identifiée comme telle jusqu’à sa vérification.
Quels critères utiliser pour identifier un doublon ?
Définissez d’abord l’entité recherchée : groupe, société, établissement ou personne. Un identifiant d’établissement peut aider à rapprocher des fiches de site, mais il ne suffit pas à identifier un contact.
Pour les personnes, croisez plusieurs indices : nom, entreprise, email, fonction et historique. Un standard téléphonique partagé ou une boîte email générique ne suffit pas à justifier une fusion.
Une ressemblance doit déclencher une vérification, sauf si une règle de fusion automatique a été testée et validée.
Comment nettoyer une base CRM sans perdre l’historique ?
Avant une fusion, désignez la fiche conservée et vérifiez le rattachement des activités, opportunités, tickets, pièces jointes et préférences de communication. Gardez une table de correspondance entre anciens identifiants et identifiant final.
Testez un petit lot dans le CRM et contrôlez les liens après réimport. Une sauvegarde des contacts ne suffit pas si les relations avec les autres objets ne peuvent pas être restaurées.
Comment gérer les multi-sites et les contacts obsolètes ?
Préservez les établissements distincts lorsqu’ils correspondent à des sites utiles commercialement. Si une personne a changé d’entreprise, gardez les interactions historiques dans leur contexte et vérifiez sa nouvelle affiliation avant de l’utiliser.
Un contact sans réponse n’est pas nécessairement parti. Si sa situation reste inconnue, utilisez un statut « à confirmer » et excluez-le des usages exigeant une confirmation récente. Sa conservation ou sa suppression doit suivre les règles applicables au projet.
4. Mesurer les résultats avant et après le nettoyage
Comparez les mêmes champs avec les mêmes règles. Distinguez les mesures sur le périmètre initial du bilan de la base finale : les fusions, exclusions et ajouts modifient les dénominateurs.
Modèle de tableau de suivi
Pour chaque traitement, indiquez le périmètre, les dates d’extraction et de contrôle, l’unité mesurée, la version des règles et les sources utilisées.
| Indicateur | Méthode de calcul | Avant | Après | Limite d’interprétation |
|---|---|---|---|---|
| Complétude d’un champ requis | Fiches avec une valeur renseignée / fiches où ce champ est requis. | À mesurer | À mesurer | Un champ rempli peut rester inexact. |
| Validité de format | Valeurs conformes / valeurs renseignées contrôlées. | À mesurer | À mesurer | Ne prouve pas la joignabilité. |
| Fiches surnuméraires confirmées | Fiches excédentaires dans les groupes de doublons validés / fiches du périmètre. | À mesurer | À mesurer | Séparer les doublons probables non arbitrés. |
| Vérification récente | Données confirmées dans la période définie / données concernées par le contrôle. | À mesurer | À mesurer | La période de référence dépend de l’usage. |
| Incertitudes ouvertes | Nombre de données ou de fiches restant à vérifier. | À mesurer | À mesurer | Préciser l’unité ; l’audit peut révéler de nouveaux doutes. |
| Traçabilité des modifications | Modifications avec journal complet / modifications effectuées. | Sans objet | À mesurer | Une trace documente la décision, pas sa justesse. |
| Enrichissements validés | Nombre de valeurs ajoutées avec provenance et validation. | Sans objet | À mesurer | À compter séparément des corrections. |
Ce tableau est un modèle méthodologique. Il ne présente aucun résultat chiffré ContactMedia.
Une même fiche peut comporter plusieurs anomalies. Leurs taux ne doivent donc pas être additionnés pour produire un « taux global d’erreur ».
Ne pas confondre qualité des données et performance commerciale
Suivez séparément les appels aboutis, les emails en erreur, les conversations utiles et les rendez-vous obtenus. Leur évolution dépend aussi du ciblage, du message, du canal et de la période. Une comparaison avant et après ne suffit pas à attribuer un gain commercial au nettoyage.
5. Documenter un cas B2B avec des preuves contrôlables
Pour présenter un cas réel, le rapport doit permettre de comprendre ce qui a été traité et de vérifier les conclusions sans exposer de données personnelles ou confidentielles.
La fiche de preuve doit préciser :
- Le périmètre autorisé et les dates de traitement.
- Les règles appliquées et leurs versions.
- Les indicateurs avant et après, avec leurs dénominateurs.
- Les corrections, fusions, exclusions et enrichissements, comptés séparément.
- Les contrôles de réception et les anomalies non résolues.
- La validation du responsable CRM et de la diffusion des résultats.
Pour une publication, privilégiez des catégories d’anomalies et des données agrégées. Vérifiez que les petits groupes ou les croisements ne permettent pas d’identifier une personne ou un client. Remplacer un nom par un code ne suffit pas à rendre un fichier anonyme.
Séparer les constats des points à vérifier
La rubrique « Constats observés » doit contenir uniquement les anomalies effectivement contrôlées et les décisions vérifiables. Les informations non confirmées doivent rester dans une rubrique distincte « À vérifier ». Les actions proposées figurent dans les recommandations.
Sans mesures internes validées, un protocole et un tableau vierge peuvent servir de guide. Ils ne constituent ni un cas client ni une preuve de performance.
6. Checklist de décision pour lancer votre data cleaning B2B
Le niveau d’intervention dépend de l’état de la base, des usages prévus et des compétences disponibles.
| Question | Si oui | Sinon |
|---|---|---|
| L’état de la base et les anomalies sont-ils mesurés ? | Prioriser les corrections. | Commencer par un audit limité. |
| Les anomalies sont-elles localisées et les règles claires ? | Lancer un nettoyage ciblé sur un lot pilote. | Formaliser les règles et arbitrer les cas ambigus. |
| Les anomalies réapparaissent-elles lors des imports ou saisies ? | Ajouter des contrôles récurrents et corriger leur origine. | Prévoir un contrôle avant les usages importants. |
| Des données indispensables restent-elles absentes ? | Étudier un enrichissement avec des sources fiables et un usage autorisé. | Exploiter le périmètre validé. |
Faut-il dédoublonner avant d’enrichir une base de prospects ?
Commencez par normaliser les données et identifier les doublons pour éviter des recherches répétées et des ajouts contradictoires. Si une information manque pour décider d’un rapprochement, un enrichissement limité peut aider à l’arbitrage. La fusion reste conditionnée à cette vérification.
Quand traiter la base en interne ou se faire accompagner ?
Un traitement interne est pertinent lorsque l’équipe maîtrise les données, les règles et les outils de restauration. Un accompagnement devient utile lorsque plusieurs sources se contredisent, que les rapprochements sont complexes ou que l’historique CRM nécessite des précautions particulières.
Que préparer pour demander un devis ?
- Le volume de fiches par type : sociétés, établissements et contacts.
- La liste et la définition des champs.
- Les usages et les campagnes visés.
- Les anomalies déjà identifiées.
- Les sources autorisées pour les vérifications et l’enrichissement.
- Les contraintes d’accès, de confidentialité et de restitution.
- Les critères de validation et la gestion des cas non résolus.
Quelles précautions prendre lors de l’enrichissement ?
Pour chaque donnée ajoutée, exigez une provenance, une date et une méthode de rapprochement. Une information accessible publiquement ne constitue pas, à elle seule, une autorisation de réutilisation.
Pour la prospection électronique auprès de professionnels, la CNIL rappelle notamment l’information des personnes, la possibilité d’opposition et le lien entre l’objet de la sollicitation et leur profession. Des vérifications sont également nécessaires lorsque les coordonnées proviennent de tiers. Le nettoyage technique ne remplace pas ces obligations. Consultez les recommandations de la CNIL sur la prospection électronique.
Quels contrôles maintenir après le nettoyage ?
Contrôlez les nouveaux imports, les créations de fiches, les erreurs de coordonnées et les signalements des commerciaux. Fixez une fréquence selon les usages et les anomalies observées, avec un responsable clairement désigné.
Avant chaque campagne, vérifiez au minimum le ciblage, les coordonnées utiles au canal choisi, les doublons, les exclusions et l’ancienneté des confirmations.
Une base mieux maîtrisée pour préparer vos actions commerciales
La qualité d’une base ne se résume pas au nombre de champs remplis. Elle repose sur des informations utiles, des décisions traçables et des incertitudes visibles.
Cette démarche complète la valorisation des données clients et des opportunités cachées : avant d’exploiter un historique, il faut savoir ce que ses données permettent réellement de conclure.
Pour relier cette préparation à vos actions de prospection et de relation client, découvrez ContactMedia et ses solutions d’externalisation.
Vous souhaitez cadrer votre projet ?
Précisez votre périmètre, les anomalies à traiter et les usages prévus pour définir un accompagnement adapté.
