Dédoublonner une base de données d'entreprises avec Claude

Pourquoi « Supprimer les doublons » ne suffit pas ?#

Prenez un cabinet dentaire de Lyon. Dans un fichier, il s'appelle « SELARL Dr Martin ». Dans un autre, « Cabinet dentaire du Parc ». Dans un troisième, « CENTRE DENTAIRE DU PARC - Lyon 3 ». C'est le même cabinet, écrit de trois façons.

La fonction « Supprimer les doublons » d'Excel ne retrouve que les lignes strictement identiques. Ici, elle ne voit rien. Il en va de même pour une agence immobilière écrite « Agence Dupont » ici et « DUPONT IMMOBILIER SAS » là, ou pour un restaurant dont le nom change d'un annuaire à l'autre. Des formules font mieux, à condition de remettre d'abord téléphones, noms et codes postaux au même format : c'est notre guide pour dédoublonner un fichier avec Excel ou Google Sheets.

Deux situations se ressemblent, mais elles ne sont pas pareilles :

• Un doublon dans votre propre fichier : la même fiche saisie deux fois. Vous en gardez une.
• Une ligne déjà connue dans un fichier reçu : vous achetez, échangez ou recevez un fichier, et vous voulez savoir lesquelles de ses lignes vous avez déjà.

Cet article traite de la seconde. C'est elle qui décide de ce que vous payez, de ce que vous importez et de qui vous appelez. Un établissement compté « nouveau » alors qu'il est déjà client vous fait appeler un client comme un inconnu. Un nouveau compté « déjà chez moi » vous fait perdre un prospect.

Le but : savoir combien de lignes du fichier reçu vous n'avez pas encore, et quelles informations ce fichier ajoute à vos fiches (un téléphone, un e-mail, un site, un SIRET). Ce peut être un fichier Scalon ou tout autre fichier reçu ; notre test l'a mesuré avec des listes Scalon.

Pour les doublons à l'intérieur de votre propre fichier, ce guide ne s'en occupe pas : la fonction d'Excel suffit pour les lignes identiques ; pour les autres, le même principe (plusieurs indices qui concordent) s'applique.

Quels indices prouvent qu'il s'agit du même établissement ?#

Un seul point commun ne prouve rien. Deux fiches peuvent partager un nom et un code postal sans être le même établissement : deux boulangeries « Au Fournil » dans une même ville, deux garages « Auto Service » au même code postal. Scalon rapproche des millions de fiches. Voici ce que nous avons mesuré, sur des cas relus un par un.

• Le nom et le code postal seuls : faux 61 fois sur 100.
• Le téléphone : 1 numéro sur 10 n'est pas la ligne directe de l'établissement : un standard, une plateforme de mise en relation, le portable d'une personne ou un numéro invalide.
• Le site : 4 sites sur 10 ne sont pas le site propre de l'établissement. C'est souvent le site d'un réseau ou d'une enseigne, une page d'annuaire ou une adresse invalide.
• Le SIRET : 16 % des SIRET publiés ne sont pas ceux de l'exploitant actif.
• Téléphone, nom et adresse qui concordent : 2 erreurs sur 100.
• Site, adresse et téléphone ensemble : 0 erreur sur 150 cas.

Retenez la règle : un indice seul trompe souvent ; plus les indices indépendants concordent, moins on se trompe. Avec le téléphone, le nom et l'adresse, l'erreur tombe à 2 sur 100. Le prompt s'inspire de cette règle.

Le SIREN (9 chiffres) identifie l'entreprise, le SIRET (14 chiffres) l'un de ses établissements. Faut-il un SIRET dans votre fichier ? Voir la question plus bas.

La méthode en cinq étapes, simplement#

C'est la méthode que Scalon utilise pour rapprocher ses fiches, simplifiée pour un fichier de quelques milliers de lignes. Le prompt la suit pas à pas. Voici pourquoi chaque étape existe.

1. Lire les colonnes et leur taux de remplissage. Avant de comparer, il faut savoir ce que chaque fichier contient. Une colonne « Téléphone » remplie à 20 % ne servira pas beaucoup. Un SIREN glissé dans la colonne SIRET fausserait tout. Claude fait un tableau de chaque colonne et repère les cases mélangées.

2. Placer chaque adresse sur la carte. « 12 rue de la Gare » et « 12, r. de la Gare » sont la même adresse, mais pas le même texte. Une fois placées sur la carte (c'est le géocodage), elles tombent au même endroit : deux fiches à moins de 200 mètres ont un point commun, qui ne suffit pas seul : deux commerces voisins sont aussi proches. Le service est gratuit : c'est la Base Adresse Nationale, un service de l'État. Claude lui envoie les adresses lui-même.

3. Nettoyer de la même façon. On compare ce qui est comparable :

• le téléphone devient un numéro à 10 chiffres (« +33 6… » devient « 06… ») ;
• le nom perd « SARL », « SAS » et les accents, puis les mots trop courants (« garage », « restaurant ») ;
• le site est réduit à son domaine ;
• les valeurs partagées sont écartées : un numéro porté par plusieurs établissements aux noms différents est un standard, pas une preuve.

4. Ne comparer que les fiches qui ont un point commun. Comparer chaque ligne à toutes les autres ferait des centaines de milliers de comparaisons pour quelques milliers de lignes. On ne garde que les couples qui partagent un téléphone, un e-mail, un site, un SIRET, une adresse voisine ou un nom proche.

5. Trancher sur cinq niveaux. Du « même établissement, sûr » au « pas le même » :

Quand deux preuves concordent, le niveau est fixé par calcul. Sinon, Claude lit la paire, comme le ferait une personne, et écrit sa raison en quelques mots. Il vérifie les pièges classiques : même adresse mais deux commerces différents dans un centre commercial, même enseigne dans une autre ville, siège et établissement, établissement fermé ou déménagé.

Pourquoi un fichier Scalon se compare-t-il facilement ?#

Nos fichiers sont construits pour ce rapprochement. Une bonne partie du travail des étapes 2 et 3 y est déjà faite :

• une ligne = un établissement physique, déjà rapproché entre plusieurs annuaires, avec un identifiant Scalon qui ne change pas d'une livraison à l'autre ;
• la position sur la carte (latitude et longitude) de chaque établissement : seules les adresses de votre fichier restent à placer ;
• le SIRET de l'établissement, et ses autres SIRET quand plusieurs numéros désignent le même lieu ;
• des téléphones et des e-mails séparés, un par valeur, et une adresse au format postal.

Dans notre test, chaque ligne des listes Scalon avait sa position sur la carte. Avec ces positions et ces numéros, Claude n'a eu à lire lui-même que 125 paires par fichier ; il a tranché tout le reste par calcul, surtout en écartant de simples voisins.

Que faut-il avant de lancer le prompt ?#

Quatre choses, toutes simples.

1. Un abonnement Claude à 20 $ par mois. Claude Code et Cowork, le mode de l'application Claude qui travaille sur vos fichiers, sont inclus. Le prompt écrit et lance lui-même ses calculs, et ne vous pose une question que s'il est bloqué. Nos essais ont duré 5 et 9 minutes. Il consomme un peu de votre quota d'utilisation.

2. Le bon réglage : le modèle Opus et un effort élevé. L'effort est le temps de réflexion que le modèle s'accorde. C'est le réglage avec lequel nous avons testé le prompt. Un prompt ne peut pas changer seul ni le modèle ni l'effort : réglez-les avant de coller le texte.

• Dans Claude Code : tapez /model opus, puis /effort high.
• Dans Cowork : cliquez sur le nom du modèle à côté du bouton d'envoi, choisissez Opus, puis l'effort élevé.

3. Vos données, à un de ces endroits :

• deux fichiers CSV ou Excel dans un même dossier : le vôtre et le fichier reçu ;
• un lien Google Sheets ;
• un CRM relié à Claude par un connecteur (HubSpot, Salesforce…) : il est lu, jamais modifié. Le plus simple reste d'exporter vos entreprises en CSV.

N'envoyez que les colonnes utiles : nom, adresse, code postal, ville, téléphone, e-mail, site, SIRET. Dans l'application, un fichier envoyé est limité à 30 Mo ; avec Claude Code, le fichier reste sur votre ordinateur. Nos fichiers de test faisaient au plus 963 lignes.

4. Des adresses en France. Hors de France, le géocodage de l'État ne s'applique pas : la comparaison des adresses est moins sûre, et le prompt s'appuie alors plus sur les téléphones, les sites et les e-mails.

Le prompt à copier#

Collez le texte ci-dessous dans Claude Code ou Cowork, après le réglage. S'il ne tourne pas sur Opus en effort élevé, il vous le dit au début.

Tu es un spécialiste du rapprochement de fichiers d'entreprises françaises. Tu travailles seul, avec Python, dans Claude
Code ou Claude Cowork.

<but>
J'ai mes propres données d'entreprises (mon CRM, mes clients, mes prospects) et je viens de recevoir un fichier
d'établissements, par exemple de Scalon. Je veux savoir ce que ce fichier m'apporte vraiment :
1. combien de ses lignes je n'ai pas encore ;
2. pour celles que j'ai déjà, quelles informations il ajoute (téléphone, e-mail, site, SIRET…).
Je vais décider d'acheter, d'importer ou de prospecter sur la base de ta réponse : un établissement compté « nouveau » alors
que je l'ai déjà me fait appeler un client existant ; un nouveau compté « déjà chez moi » me fait perdre un prospect.
</but>

<fin>
Terminé signifie : tu m'as donné les deux réponses en chiffres, et le fichier « ce_que_le_fichier_apporte.xlsx » existe
avec quatre onglets : « Nouveaux », « À vérifier », « Déjà chez moi » (avec les informations en plus et le niveau de
certitude) et « Méthode » (tes hypothèses et ce que tu n'as pas pu vérifier).
</fin>

<autonomie>
Va jusqu'au bout sans t'arrêter pour demander une validation. Quand un point est incertain, prends l'hypothèse la plus
raisonnable, écris-la dans l'onglet « Méthode » et continue. Pose-moi une question seulement si tu ne trouves pas mes
données ou si tu ne sais pas lequel des deux fichiers est le mien, et dans ce cas toutes les questions en un seul message.
Mes données restent intactes : tout ce que tu produis est un fichier nouveau, et tu n'écris jamais dans mon CRM.
Si tu ne tournes pas sur Claude Opus avec un effort élevé, dis-le-moi en une phrase au début, puis continue.
</autonomie>

<sources>
Mes données et le fichier reçu peuvent être :
- des fichiers CSV ou Excel dans le dossier de travail ;
- un lien Google Sheets : lis-le par le connecteur Google Drive s'il est branché ; sinon, si le lien est partagé à « tous
  les utilisateurs disposant du lien », télécharge-le en CSV en remplaçant la fin du lien par
  `export?format=csv&gid=<numéro de l'onglet>` ;
- un CRM branché à Claude (HubSpot, Salesforce, Pipedrive…) : lis seulement les entreprises ou établissements, avec les
  colonnes utiles (nom, adresse, code postal, ville, téléphone, e-mail, site, SIRET).
Si je ne t'ai rien indiqué, regarde le dossier de travail : avec exactement deux fichiers de données, reconnais le mien et
le fichier reçu à leurs colonnes et à leur contenu.
</sources>

<methode>
Pourquoi cette méthode : deux fiches du même établissement ne s'écrivent presque jamais pareil (« SARL Garage Martin »
et « Garage Martin Auto »), et une seule ressemblance trompe souvent. En rapprochant des millions de fiches, Scalon a
mesuré sur des échantillons relus que le nom et le code postal seuls se trompent souvent (jusqu'à six fois sur dix),
qu'un téléphone sur dix n'est pas la ligne directe de l'établissement, et que quatre sites sur dix ne sont pas le site propre de l'établissement. Deux preuves
indépendantes qui concordent (téléphone, nom et adresse) ne se trompent presque plus. D'où les étapes suivantes.

1. Étude des colonnes. Pour chaque source, fais un tableau : colonne, ce qu'elle contient (nom, adresse, code postal,
   ville, téléphone, e-mail, site, SIRET ou SIREN, latitude, longitude, autre), taux de remplissage, deux exemples. Repère
   les colonnes mal remplies ou mélangées (deux téléphones dans une case, SIREN à la place du SIRET, e-mail collé à un autre
   mot, nom recopié devant l'adresse). Note ce qu'est une ligne de mes données : une entreprise (son siège) ou un
   établissement (un magasin, un garage, une agence) ; dans le doute, « établissement ».

2. Géocodage, c'est-à-dire la position de chaque adresse sur la carte, qui permet de comparer deux adresses écrites
   différemment. Pour chaque source française sans latitude ni longitude, envoie toi-même les adresses au service gratuit
   de la Base Adresse Nationale : un CSV en UTF-8 (colonnes id, adresse, code_postal, ville) posté en
   `multipart/form-data` à `https://data.geopf.fr/geocodage/search/csv`, champ `data` = le fichier, un champ `columns` par
   colonne (adresse, code_postal, ville), `postcode` = code_postal ; un envoi à la fois, 200 000 lignes et 50 Mo au plus.
   Garde latitude, longitude, result_score, result_type et result_citycode. Une position est sûre si result_score ≥ 0,6
   et result_type = housenumber ; « street » situe seulement la rue. Les coordonnées déjà fournies par une source sont
   prises telles quelles. Sans accès au web, prépare « a_geocoder.csv » et dis-moi : « Ouvrez
   adresse.data.gouv.fr/outils/csv, déposez ce fichier, lancez, puis remettez le résultat dans le dossier » ; sans
   réponse de ma part, continue sans positions.

3. Nettoyage, dans les deux sources de la même façon :
   - téléphone : chiffres seuls, au format français à 10 chiffres (+33 6… devient 06…) ; plusieurs numéros dans une
     case : les garder tous ;
   - SIRET : 14 chiffres sans espace ; 9 chiffres = SIREN ; le SIREN d'un SIRET = ses 9 premiers chiffres ;
   - site : le domaine seul (sans http, www ni chemin) ; les réseaux sociaux, annuaires, plateformes de réservation et
     pages hébergées sur un domaine partagé ne comptent pas comme site ;
   - e-mail : en minuscules ; une adresse sur une messagerie publique (gmail, orange, wanadoo, free, hotmail, outlook,
     yahoo, laposte, sfr, icloud…) se compare en entier, jamais par son domaine ;
   - nom : majuscules, sans accents ni ponctuation, sans forme juridique (SARL, SAS, SASU, EURL, SA, SNC, EI, ETS, STE,
     SOCIETE) ; puis le « nom distinctif » : les mots restants, moins ceux présents dans plus de 5 % des lignes de la
     source (GARAGE, AUTO, RESTAURANT…). Deux noms sont compatibles si leurs noms distinctifs se ressemblent (similarité
     ≥ 0,5), partagent un mot, ou si l'un des deux est vide.
   Puis les valeurs partagées : dans chaque source, un téléphone porté par 3 lignes ou plus aux noms différents est un
   standard ou une plateforme ; un site porté par plus de 3 lignes est un site de réseau ; un SIRET porté par 5 lignes ou
   plus est un siège. Une valeur partagée ne compte jamais comme preuve.

4. Paires à comparer : les couples (ligne de mes données, ligne du fichier reçu) qui ont au moins un point commun : même
   SIRET, même téléphone non partagé, même e-mail, même site non partagé, positions sûres à moins de 150 m, ou même
   commune et noms distinctifs proches (similarité ≥ 0,8). Une ligne du fichier reçu sans paire est nouvelle.

5. Décision, sur l'échelle ci-dessous.
   Par calcul, sans lire : niveau 1 quand deux preuves indépendantes concordent sans piège : même SIRET, positions à moins
   de 200 m (ou même code postal sans position) et noms compatibles ; ou même téléphone non partagé, noms compatibles et
   positions à moins de 200 m ou même rue de la même commune ; ou même site non partagé, même téléphone non partagé et
   positions à moins de 200 m.
   Par calcul aussi, niveau 5 : les paires dont le seul point commun est d'être voisines (moins de 150 m), avec des noms
   non compatibles et ni téléphone, ni e-mail, ni site en commun. En centre-ville, ce sont presque toujours deux
   commerces différents de la même rue, et les lire une à une coûte beaucoup pour rien.
   Lis toi-même toutes les autres paires, par lots de 50, une ligne compacte par paire, et donne à chacune son niveau avec
   une raison de dix mots au plus. Pièges à vérifier : même adresse mais commerces différents (centre commercial,
   immeuble partagé) ; même enseigne dans une autre ville ; siège et établissement ; deux personnes différentes (deux
   prénoms) ; établissement fermé ou déménagé ; un seul point commun, qui ne suffit pas. Un nom différent au même lieu
   avec le même téléphone est souvent une reprise ou un nom commercial : niveau 2, pas 1.
   Lis-les toutes : chaque paire laissée de côté devient une ligne « À vérifier » que je devrai trier à la main. Au-delà
   de 2 000 paires à lire, dis-le-moi au début avec ce nombre, puis continue.
   Chaque ligne de mes données s'associe à une seule ligne du fichier reçu (le meilleur niveau, puis la plus petite
   distance) ; une seconde ligne reçue qui désigne le même établissement va dans « À vérifier ».
</methode>

<echelle>
1 = même établissement (sûr) · 2 = probablement le même · 3 = je ne sais pas · 4 = probablement pas le même ·
5 = pas le même. Niveaux 1 et 2 → « Déjà chez moi » (le niveau 2 marqué « probable ») ; 3 → « À vérifier » ;
4 et 5 → « Nouveaux ».
</echelle>

<exemple>
Une paire lue :
A : SARL GARAGE MARTIN · 12 rue de la Gare 35000 Rennes · 02 99 00 00 00
B : Garage Martin Auto · 12 Rue de la Gare, 35000 Rennes · +33 2 99 00 00 00 · SIRET 12345678900012
→ niveau 1 · même téléphone, même adresse, même nom distinctif
</exemple>

<resultat>
Commence ta réponse finale par les deux réponses, dans cette forme :
« Sur N lignes du fichier reçu, X sont nouvelles pour vous, Y sont déjà dans vos données (dont P probables), Z sont à
vérifier. »
« Pour les Y lignes que vous avez déjà, le fichier reçu ajoute : un téléphone pour a lignes, un e-mail pour b, un site
pour c, un SIRET pour d (et toute autre colonne utile). Il donne une valeur différente de la vôtre pour e téléphones. »
Puis un tableau du nombre de paires par niveau et par façon de décider (calcul ou lecture), les hypothèses prises seul,
ce que tu n'as pas pu vérifier, et le nom de l'Excel.
</resultat>

Comment lire le résultat, et quoi faire ensuite ?#

Claude vous rend deux phrases de réponse, puis un fichier Excel, « ce_que_le_fichier_apporte.xlsx », avec quatre onglets.

• Nouveaux : les lignes que vous n'avez pas. C'est votre liste à prospecter. Avant d'appeler, qualifiez cette base : un fichier neuf n'est pas un fichier juste.
• Déjà chez moi : les lignes que vous connaissez, avec les informations en plus et le niveau de certitude. Complétez vos fiches avec ces informations sans créer de doublons : voir l'enrichissement d'une base de données.
• À vérifier : quelques lignes à trancher à la main, en quelques minutes. Sur 1 513 lignes, il y en avait 27.
• Méthode : les hypothèses prises par Claude et ce qu'il n'a pas pu vérifier.

Avant d'importer, prenez dix lignes « Nouveaux » au hasard et cherchez leur téléphone dans votre CRM. Faites une copie de votre CRM avant toute fusion : le prompt ne modifie rien, mais l'import est de votre côté, et la fusion se fait ensuite dans votre CRM, selon son outil d'import. Pour bâtir un fichier à prospecter, voyez aussi le fichier de prospection.

Qu'a donné le test sur 1 513 établissements ?#

Nous avons voulu savoir si la méthode marche dans plus d'un secteur. Nous l'avons donc testée sur des garages et sur des restaurants, deux métiers très différents : noms, sites et habitudes ne se ressemblent pas.

Le test : nous avons rapproché deux fichiers de type CRM de listes Scalon, en connaissant la réponse. Le premier compte 448 garages d'un département, le second 397 restaurants d'un autre, repris tels que publiés par des annuaires de professionnels, avec leurs fautes et leurs formats disparates. Les listes Scalon des mêmes départements comptaient 963 et 550 établissements, soit 1 513 établissements reçus. Le prompt a travaillé seul, avec le modèle Opus 5.5, environ 5 minutes pour les garages et 9 pour les restaurants.

Concrètement :

• Sur 950 lignes annoncées nouvelles, 944 l'étaient vraiment : 99,4 %. Vous pouvez les prospecter.
• Sur 536 lignes annoncées déjà présentes, 531 étaient justes.
• 27 lignes sont à vérifier, soit 1,8 % du fichier. 20 d'entre elles désignent un établissement que le CRM avait déjà.
• Sur les 557 lignes reçues qui étaient déjà dans les CRM de test, 6 seulement sont passées pour nouvelles.

Le corrigé vient de nos rapprochements. Chaque désaccord avec nos données a été relu à l'aveugle par une seconde lecture de Scalon, qui ne voyait ni la réponse du prompt ni la nôtre, car nos propres liens peuvent se tromper. Nous avons aussi relu à l'aveugle des cas où le prompt et nos rapprochements étaient d'accord : 150 lignes « déjà chez moi », toutes confirmées ; 100 lignes « nouveaux », 98 confirmées nouvelles et 2 indécises. Enfin, une troisième lecture, faite avec un modèle d'une autre famille, a tout relu : avec elle, 943 des 950 lignes annoncées nouvelles le sont vraiment, soit 99,3 %.

Le fichier reçu apporte aussi de l'information. Nos deux CRM de test n'avaient aucun SIRET et presque tous un téléphone : d'où beaucoup de SIRET ajoutés et presque aucun téléphone. Sur votre fichier, ces chiffres seront autres ; c'est justement ce que le prompt mesure. Sur les 536 fiches classées « déjà chez moi », il ajoute un SIRET pour 462 fiches, un e-mail pour 244, un site pour 180, et un téléphone qui manquait pour 6 seulement.

Ce résultat est utile pour décider. Si le fichier reçu n'ajoute presque rien à vos fiches et que presque toutes ses lignes vous sont déjà connues, ne l'achetez pas : demandez un extrait au vendeur et lancez le prompt dessus avant d'acheter. S'il compte beaucoup de nouveaux et complète vos fiches, il vous apporte vraiment quelque chose.

Questions fréquentes#

Dédoublonnage ou déduplication, quelle différence ?#

Les deux mots désignent presque la même chose. Certains réservent « dédoublonnage » au ménage dans un seul fichier, et « déduplication » à la comparaison de plusieurs fichiers. Les sites ne s'accordent pas. Cet article traite du second cas.

Faut-il un SIRET dans mon fichier ?#

Non. Il aide quand il est présent des deux côtés, sans suffire seul. Dans notre test, les deux CRM de test n'avaient aucun SIRET : le téléphone, le nom et l'adresse ont suffi. Pour retrouver le numéro d'une entreprise, voyez comment trouver un SIRET ; pour savoir d'où viennent ces numéros, voyez la base Sirene.

Combien de lignes au maximum ?#

Le géocodage de l'État accepte 200 000 lignes et 50 Mo par envoi ; dans l'application Claude, un fichier envoyé est limité à 30 Mo. Notre test a porté sur des fichiers de 397 à 963 lignes : pour un fichier beaucoup plus gros, découpez-le par département.

Mes données sont-elles envoyées ailleurs ?#

Vos fichiers sont envoyés à Anthropic, qui fait tourner Claude, comme le reste de vos conversations. Le service de géocodage de l'État reçoit seulement les adresses, avec le code postal et la ville : ni noms, ni téléphones, ni e-mails. Si votre fichier contient des données personnelles, n'envoyez que les colonnes utiles.

Comment éviter les doublons à l'avenir ?#

Rapprochez chaque nouvelle ligne de votre base avant de l'importer, avec le même principe : plusieurs indices qui concordent, jamais le nom seul. Pour compléter ensuite vos fiches, voyez l'enrichissement d'une base de données.

Que disent les autres sources sur la part de doublons dans un CRM ?#

Les chiffres qui circulent parlent des doublons à l'intérieur d'un CRM, et ces sites les reprennent sans mesure publiée ; notre test mesure autre chose : ce qu'un fichier reçu apporte à vos données.

Et sans Claude Code ni Cowork ?#

Dans la version chat, Claude ne peut pas toujours joindre le service de géocodage. Le prompt prépare alors un fichier « a_geocoder.csv ». Ouvrez adresse.data.gouv.fr/outils/csv, déposez-le, lancez, puis remettez le résultat dans la conversation.

Méthode#

Les chiffres viennent d'un test de bout en bout, fait en novembre 2026 : un garage et un restaurant n'ont rien de commun, d'où le choix de deux secteurs. Les taux d'erreur des indices viennent de cas jugés par deux lectures indépendantes.

Sources#

• Géocodeur CSV, Base Adresse Nationale, adresse.data.gouv.fr
• Siret, définition, Insee
• Siren, définition, Insee
• Rechercher et supprimer des doublons, aide Microsoft
• Get started with Claude Cowork, aide Claude
• Qu'est-ce que le plan Pro ?, aide Claude
• Create and edit files with Claude, aide Claude

Citer l'étude#