Supprimer les doublons d'une liste de clients sans perdre la bonne ligne

Pourquoi le faire

Une liste de clients accumule des doublons de la façon la plus banale : la même personne s’inscrit deux fois, un export de CRM tourne deux fois par mois et les deux copies sont fusionnées dans un seul fichier de travail, ou un agent du support rajoute quelqu’un qui figurait déjà dans la feuille. La ligne n’est pas toujours identique : un numéro de téléphone peut manquer dans l’une des copies, un nom peut avoir une casse différente. Si bien que « retirer les lignes strictement identiques » ne suffit généralement pas, et deviner à l’œil parmi quelques milliers de lignes non plus. Deux choses comptent : décider ce qui définit « le même client », et savoir ensuite que vous avez retiré les lignes voulues et conservé celle qui contient les meilleures données.

Comment faire, avec l’outil en question

Supprimer les doublons d’un CSV retire les lignes en double selon les colonnes que vous choisissez ; Comparer des CSV vérifie ensuite le résultat par rapport à l’original.

1. Choisissez le fichier. Touchez « Choisissez un fichier dont supprimer les doublons » ou déposez votre fichier CSV, TSV, XLSX ou JSON sur la zone en pointillés.
2. Choisissez les colonnes de comparaison. Sous « Repérer les doublons selon », cochez les colonnes qui identifient réellement un client : en général l’e-mail, ou un identifiant client si la liste en a un. Si aucune case n’est cochée, la comparaison porte sur la ligne entière : deux lignes ne sont alors des doublons que si toutes les colonnes sont identiques.
3. Choisissez la copie à conserver. Sous Conserver, choisissez La première occurrence ou La dernière occurrence, selon la copie la plus susceptible de contenir les informations à jour pour ce client (souvent la dernière ajoutée, si votre liste est à peu près chronologique).
4. Supprimez les doublons. Touchez « Supprimer les doublons » : l’outil affiche un aperçu du résultat et indique combien de lignes ont été retirées.
5. Téléchargez. Choisissez CSV, XLSX, JSON ou TSV pour la liste sans doublons.
6. Vérifiez ce qui a été retiré. Ouvrez Comparer des CSV, placez le fichier d’origine dans la case A et le fichier sans doublons dans la case B, puis choisissez comme Colonne clé la même colonne d’identification (e-mail ou identifiant client). Touchez Comparer : le nombre de lignes Supprimées doit correspondre au chiffre indiqué par Supprimer les doublons d’un CSV, et Exporter les différences (CSV) vous donne les lignes exactes qui ne figurent pas dans la liste finale, afin de les examiner avant de faire confiance au résultat.

Points de vigilance

Les colonnes que vous cochez définissent ce qu’est un « doublon » : si vous vous trompez, vous manquez de vrais doublons ou vous fusionnez deux personnes différentes en une seule. Comparer sur le seul nom peut fusionner deux clients différents qui portent le même nom ; comparer sur l’e-mail ou sur un identifiant client est généralement plus sûr, car ces champs sont censés être uniques pour chaque personne. Si vous ne cochez aucune case, seules les lignes identiques dans toutes les colonnes comptent comme doublons, ce qui laissera passer beaucoup de vrais doublons dans une liste où un seul champ diffère entre les copies.

La comparaison porte sur le texte exact de la cellule : un espace en trop ou une casse différente empêche de reconnaître comme doublons deux lignes du même client. "[email protected]" et "[email protected] " (avec une espace à la fin) sont des chaînes différentes pour la comparaison, et les deux lignes subsisteront donc. Si votre liste présente une casse ou des espaces incohérents dans les colonnes de comparaison, mieux vaut corriger cela d’abord, avec les formules de minuscules et de suppression des espaces de votre tableur ou un nettoyage manuel, car Supprimer les doublons d’un CSV ne normalise pas le texte avant de le comparer.

« La première occurrence » et « La dernière occurrence » ne renvoient qu’à la position de la ligne dans le fichier, pas à la copie qui contient les meilleures données. Si l’enregistrement le plus complet ou le plus récent se trouve être la première ligne de ce client plutôt que la dernière, conserver « La dernière occurrence » ferait perdre la meilleure copie. Triez votre fichier comme vous le souhaitez avant de supprimer les doublons si l’ordre des lignes détermine la copie conservée.

FAQ

Sur quelles colonnes repérer les doublons dans une liste de clients ?

Sur ce qui identifie de façon unique une personne dans vos données : l’adresse e-mail ou un identifiant client sont les choix habituels. Comparer sur le seul nom risque de fusionner en une ligne deux clients différents qui portent le même nom ; comparer sur la ligne entière (en ne cochant aucune case) laissera passer des doublons dont un seul champ, comme un numéro de téléphone, diffère entre les copies.

Comment savoir quelles lignes ont réellement été retirées ?

Passez le fichier d’origine et le fichier sans doublons dans Comparer des CSV, en utilisant la même colonne d’identification comme clé. Le nombre de lignes Supprimées doit correspondre à ce qu’a indiqué Supprimer les doublons d’un CSV, et l’export des différences vous donne les lignes exactes qui ont été écartées, afin de les vérifier avant de considérer la suppression des doublons comme définitive.

Pourquoi Supprimer les doublons d’un CSV n’a-t-il pas repéré deux lignes que je sais correspondre au même client ?

La comparaison porte sur le texte exact de la cellule : une différence d’espacement, de casse, ou une valeur présente dans une ligne et absente dans l’autre (comme un numéro de téléphone renseigné sur une seule copie) empêche de reconnaître les deux lignes comme des doublons, même s’il s’agit de la même personne. Si cela arrive souvent, nettoyez l’espacement ou la casse incohérents dans les colonnes de comparaison avant de supprimer les doublons.