Comment dédupliquer les adresses email d’une liste

Florian Poullin
Florian Poullin
17 min de lecture
Dédupliquez vos emails sans perdre de données
Comment dédupliquer les adresses email d’une liste
Table des matières
  1. Ce que Datablist considère comme une même adresse email
  2. Exemple de liste d’emails utilisé dans ce guide
  3. Importer et préparer la colonne email
  4. Configurer le Duplicates Finder
  5. Lancer la vérification et examiner les doublons
  6. Choisir entre fusionner et supprimer
  7. Résultats obtenus sur la liste de 1 000 lignes
  8. Cas d’échec et checklist de validation
    1. Points sur les domaines autres que Gmail
    2. Valeurs mal formées
    3. Matching Exact
    4. Plusieurs adresses dans une cellule
    5. Boîtes mail partagées
    6. Suppression de champs complémentaires
  9. Poursuivre le nettoyage de la liste d’emails
  10. Dédupliquer votre liste dans Datablist
  11. FAQ

Les doublons d’emails ont tendance à se glisser dans vos fichiers lorsque vous combinez un export CRM avec des formulaires ou une liste d’événement. Une même personne apparaît deux fois, mais les lignes sont rarement identiques. L’une peut contenir le numéro de téléphone, tandis que l’autre indique la source ou une note utile.

C’est pourquoi je ne commence pas par supprimer les emails répétés. Pour dédupliquer des adresses email sans risque, j’utilise le Datablist Duplicates Finder avec le matching Smart et le processeur Email. Il regroupe les variantes d’une même adresse, puis me permet d’examiner les lignes complètes et de fusionner les informations à conserver.

Pour ce guide, j’ai créé une liste test de 1 000 contacts avec les types de variantes que je rencontre souvent : alias avec signe plus, différences propres à Gmail ou encore adresses encapsulées. Datablist a identifié 200 paires de doublons et la collection nettoyée comptait finalement 800 contacts. Voici les paramètres utilisés et les vérifications effectuées avant toute fusion.

Commencez par comparer les emails, mais décidez des données à conserver en examinant toute la ligne du contact. Si vous devez plutôt comparer les noms, numéros de téléphone, domaines d’entreprise ou d’autres identifiants, découvrez comment dédupliquer une liste en ligne.

Ce que Datablist considère comme une même adresse email

Le matching Smart associé au processeur Email compare l’identité des adresses plutôt que le texte brut des cellules. Il supprime les espaces au début et à la fin, compare les valeurs en minuscules et retire le +suffixe de la partie locale avant la comparaison.

Il applique également des règles propres à Gmail. Les points sont supprimés de la partie locale des adresses Gmail et le domaine googlemail.com est remplacé par gmail.com. Datablist peut aussi extraire une adresse valide depuis un format incluant un nom d’affichage ou une valeur mailto: avec une chaîne de requête.

Voici quelques exemples issus du jeu de données test :

Valeurs enregistréesRésultat de Smart Email
noraanderson40@demo.co
noraanderson40+newsletter@demo.co
Même identité après suppression du suffixe précédé du signe plus
victorbennett62@gmail.com
victorb.ennett62@gmail.com
Même identité Gmail après suppression des points
yasmincarter105@gmail.com
yasmincarter105@googlemail.com
Même identité Gmail après normalisation du domaine
camiladiaz123@testmail.net
Camila Diaz <camiladiaz123@testmail.net>
Même identité après extraction de l’adresse encapsulée
marcusevans199@testmail.net
mailto:MARCUSEVANS199@TESTMAIL.NET?subject=Hello
Même identité après suppression de l’encapsulation et comparaison des valeurs en minuscules

La gestion des points est propre à Gmail. Datablist ne part pas du principe que prenom.nom@entreprise.com et prenomnom@entreprise.com correspondent à la même adresse. Sur les domaines autres que Gmail, les points peuvent avoir une réelle importance.

Smart Email est une règle de comparaison, pas un outil de validation des emails. Il vérifie suffisamment la structure pour normaliser une adresse, mais ne valide pas entièrement le domaine ou la boîte mail. Par exemple, personne+tag@.exemple.com devient personne@.exemple.com lors de la comparaison, même si le domaine est incorrect. Examinez séparément les valeurs invalides avant de les fusionner.

Pour que les alias avec signe plus, les points Gmail et les encapsulations restent distincts, sélectionnez Exact. La comparaison textuelle exacte supprime tout de même les espaces en début et en fin de chaîne et ignore la casse par défaut. Activez Case sensitive si les majuscules et les minuscules doivent rester distinctes ; les espaces externes seront toujours supprimés.

Vérifiez les adresses avec un tag précédé du signe plus sur les domaines d’entreprise avant de les fusionner. Smart Email regroupe sam+commandes@exemple.com et sam@exemple.com sous une même clé de comparaison. Exchange Online tente d’abord de résoudre l’adresse complète, puis se rabat sur l’adresse de base s’il n’y parvient pas. [1] Si les deux adresses correspondent à des destinataires distincts ou si leur routage n’est pas clair, conservez-les toutes les deux. Lancez la vérification avec Exact sur la colonne email et assurez-vous que les deux lignes restent séparées.

🔑 La normalisation suggère un groupe de doublons

Elle ne prouve pas que tous les champs appartiennent à la même personne. Vérifiez les noms, les entreprises et les boîtes mail génériques avant toute fusion.

Pour la plupart des opérations de nettoyage de listes de contacts, je recommande le matching Smart avec le processeur Email. Je passe à Exact lorsque les alias doivent rester séparés, puis je vérifie le paramètre de casse selon les identifiants présents dans le fichier.

Consultez la documentation du processeur Email pour découvrir toutes les règles de normalisation et les offres compatibles.

Exemple de liste d’emails utilisé dans ce guide

Le fichier test contient 1 000 lignes de contacts fictifs représentant 800 identités prévues. Aucune paire de doublons ne possède exactement la même chaîne d’email brute. C’est un point important, car un nettoyage fondé sur les valeurs exactes ne permettrait pas d’illustrer la détection des alias.

Le fichier comporte huit colonnes : record_id, first_name, last_name, email, company, phone, source et notes. Le workflow effectue la comparaison sur email, mais les autres champs restent visibles afin que je puisse sélectionner un enregistrement principal et préserver les données utiles.

Voici quatre lignes d’entrée exactes provenant de deux paires de doublons :

record_idfirst_namelast_nameemailphonesourcenotes
CONTACT-0040-ANoraAndersonnoraanderson40@demo.coExport CRMFiche principale du contact
CONTACT-0040-BN.A.noraanderson40+newsletter@demo.co+1-202-555-1039Formulaire du siteInformations de suivi provenant d’une deuxième source
CONTACT-0062-AVictorBennettvictorbennett62@gmail.com+1-202-555-1061Formulaire du siteFiche principale du contact
CONTACT-0062-BvictorBENNETTvictorb.ennett62@gmail.comÉvénementInformations de suivi provenant d’une deuxième source

La paire de Nora montre pourquoi je ne supprime pas les doublons à première vue. La fiche de base contient le nom complet à privilégier, tandis que la ligne avec l’alias est la seule à contenir le numéro de téléphone et une deuxième source d’acquisition. Une fusion permet de conserver les deux.

Le jeu de données contient 200 identités dupliquées sur deux lignes, réparties à parts égales entre cinq familles de variantes : alias avec signe plus, adresses Gmail avec des points, gmail.com contre googlemail.com, encapsulations avec nom d’affichage et valeurs mailto:. Les 600 autres identités n’apparaissent qu’une seule fois.

Vous pouvez télécharger le fichier CSV d’exemple de 1 000 lignes pour reproduire ce guide. Si vous utilisez votre propre fichier, conservez une seule adresse par ligne ainsi que les champs adjacents à consolider.

Importer et préparer la colonne email

Importez le fichier CSV ou Excel dans une nouvelle collection Datablist. Vérifiez l’aperçu de l’import et associez la colonne email à une propriété de type email.

Conservez les noms, l’entreprise, le téléphone, la source, les notes et les identifiants stables dans des propriétés distinctes. Ces colonnes ne sont pas superflues : elles vous aideront à trancher lorsque deux lignes correspondent sur l’email mais présentent des différences ailleurs.

Une collection de 1 000 contacts avec le menu Clean ouvert sur Merge duplicates
Une collection de 1 000 contacts avec le menu Clean ouvert sur Merge duplicates

Pour ce workflow, je préfère également ne conserver qu’une adresse par cellule. Si une cellule contient alice@example.com; bob@example.com, commencez par la scinder ou la normaliser. Le guide pour dédupliquer un champ contenant plusieurs adresses email traite ce cas particulier.

Lorsqu’une cellule contient plusieurs adresses, la déduplication des champs multivalués compare les éléments séparés par des points-virgules. Vérifiez la boîte mail commune avant de considérer que deux fiches de contact correspondent à une seule personne.

💡 Conservez les données utiles à la fusion

Ne supprimez pas les colonnes de source, de notes, de téléphone ou d’identifiant stable avant la déduplication. Elles vous aident à choisir la ligne principale et évitent de perdre des informations uniques.

Ouvrez Clean > Merge duplicates. Choisissez Selected Properties, puis sélectionnez email pour cette première passe centrée sur l’adresse email.

La propriété email sélectionnée comme champ de recherche des contacts en double
La propriété email sélectionnée comme champ de recherche des contacts en double

La sélection d’une seule propriété permet de comprendre facilement la règle appliquée. Ajouter le nom ou l’entreprise à ce stade pourrait empêcher la détection d’un email identique si ces champs sont vides ou formatés différemment.

Configurer le Duplicates Finder

Pour la propriété email, sélectionnez Smart comme algorithme de comparaison, puis choisissez le processeur Email.

Comparaison Smart configurée avec le processeur Email
Comparaison Smart configurée avec le processeur Email

Chaque paramètre remplit une fonction précise :

  • Selected Properties limite la vérification à l’identifiant que vous souhaitez comparer.
  • Smart active la normalisation fondée sur un processeur au lieu de comparer littéralement les chaînes enregistrées.
  • Email applique les règles vérifiées relatives aux alias, à Gmail, aux noms d’affichage et aux valeurs mailto: décrites plus haut.

Utilisez Smart avec le processeur Email pour détecter les variantes d’une même identité. Exact n’applique aucune normalisation propre aux emails, mais supprime toujours les espaces externes et ignore la casse par défaut.

La recherche de doublons est une opération en lecture seule. Elle crée des groupes potentiels à examiner, sans supprimer ni fusionner les lignes de la collection. Les modifications ne sont effectuées qu’après avoir choisi et appliqué une action de fusion ou de suppression.

Cette séparation est utile : je veux voir ce que la règle de matching considère comme équivalent avant d’autoriser une fusion en masse dans la liste.

Lancer la vérification et examiner les doublons

Cliquez sur Run duplicates check. Dans ce test, Datablist a réparti 400 des 1 000 lignes dans 200 groupes de deux lignes.

Examen des doublons affichant 200 groupes avec des variantes d’emails et des champs en conflit
Examen des doublons affichant 200 groupes avec des variantes d’emails et des champs en conflit

Ne considérez pas encore le nombre de groupes comme le nombre de suppressions. Chaque groupe est un candidat à examiner. Pour chacun, vérifiez :

  • si la variante de l’adresse email est cohérente ;
  • si les noms et prénoms correspondent ou présentent une variation explicable ;
  • si les entreprises et les numéros de téléphone sont contradictoires ;
  • si les sources et les notes apportent des informations complémentaires ;
  • si l’adresse correspond à une boîte mail partagée.

J’examine généralement les premiers groupes ainsi que toute correspondance surprenante entre différentes entreprises avant d’appliquer une règle en masse. C’est plus rapide que de réparer ensuite une fusion trop agressive.

⚠️ Une adresse répétée ne désigne pas toujours la même personne

Une boîte partagée comme sales@company.com peut être associée à plusieurs contacts légitimes. Examinez manuellement les adresses génériques au lieu de supposer que toutes les lignes doivent être regroupées.

Le fichier test a été conçu pour que chaque paire normalisée représente une seule identité. Un véritable export CRM sera plus complexe. Si les noms ou les entreprises semblent désigner des personnes différentes, ignorez le groupe ou examinez-le séparément.

Choisir entre fusionner et supprimer

Ma règle de décision est simple :

  • Fusionnez les lignes lorsqu’elles contiennent des données complémentaires.
  • Ne supprimez une ligne supplémentaire que si elle n’apporte aucune information utile.
  • Réservez les groupes ambigus à un examen manuel.

Pour ce test, la configuration de fusion sélectionnait la ligne la plus complète comme fiche principale. Elle conservait son record_id, retenait les valeurs les plus longues pour le prénom et le nom, puis combinait source et notes avec des points-virgules.

Règles de fusion configurées pour conserver une fiche principale et combiner la source et les notes
Règles de fusion configurées pour conserver une fiche principale et combiner la source et les notes

Ces paramètres conviennent à cet exemple, mais je ne combinerais pas systématiquement toutes les propriétés contradictoires. Un historique de sources peut raisonnablement devenir Formulaire du site;Export CRM. En revanche, un statut CRM, un identifiant de propriétaire ou un email principal exige généralement une seule valeur de référence.

L’aperçu vous permet de vérifier ces choix. Après chaque modification d’une règle, examinez de nouveau la ligne de destination.

Aperçu des 200 groupes de doublons vérifiés et prêts à être fusionnés
Aperçu des 200 groupes de doublons vérifiés et prêts à être fusionnés

💡 Vérifiez l’aperçu après chaque changement de règle

Avant d’appliquer la règle à tous les groupes prêts, vérifiez quelle ligne devient la fiche principale, quelles valeurs sont combinées et lesquelles disparaissent.

Si une ligne en double contient un numéro de téléphone, une source ou une note unique, fusionnez-la au lieu de la supprimer. Dans l’exemple de Nora, la ligne finale a conservé le nom complet d’une fiche et le numéro de téléphone de l’autre.

Si vous gérez des conflits CRM plus complexes, suivez le workflow détaillé pour fusionner des leads en double sans perdre de données. Pour cette passe centrée sur les emails, l’objectif est de préserver les champs adjacents utiles sans transformer chaque propriété en chaîne multivaluée.

Résultats obtenus sur la liste de 1 000 lignes

La fusion a produit les résultats mesurés suivants :

MesureRésultat
Lignes au départ1 000
Lignes placées dans des groupes de doublons400
Groupes de doublons de deux lignes200
Lignes en double supprimées200
Lignes principales mises à jour200
Lignes finales800
Groupes de doublons restants0

Le rapprochement est simple : 1 000 lignes au départ - 200 lignes supprimées = 800 lignes conservées.

Opération terminée après la fusion de 200 groupes, sans aucun groupe de doublons restant
Opération terminée après la fusion de 200 groupes, sans aucun groupe de doublons restant

La fusion a pris quelques secondes lors du test manuel, mais aucun chronométrage précis n’a été effectué. Il s’agit donc d’une simple observation, pas d’un benchmark de performance.

Le journal des modifications téléchargé contient 400 entrées : 200 lignes supprimées et 200 lignes principales mises à jour. Pour chaque groupe fusionné, il présente les valeurs avant la fusion et celles conservées dans la ligne de destination.

Journal téléchargé des modifications apportées aux doublons, avec les fiches supprimées et mises à jour
Journal téléchargé des modifications apportées aux doublons, avec les fiches supprimées et mises à jour

Le tableau ci-dessous reprend les valeurs exactes du test :

Variantes d’origineRaison du rapprochementEmail conservéActionChamps préservés
noraanderson40@demo.co
noraanderson40+newsletter@demo.co
Suffixe précédé du signe plus suppriménoraanderson40+newsletter@demo.coFusion dans CONTACT-0040-BNom complet, téléphone, Formulaire du site;Export CRM et les deux notes
victorbennett62@gmail.com
victorb.ennett62@gmail.com
Points Gmail normalisésvictorbennett62@gmail.comFusion dans CONTACT-0062-ATéléphone, Formulaire du site;Événement et les deux notes
gabrielcarter113@gmail.com
gabrielcarter113@googlemail.com
Domaines Gmail normalisésgabrielcarter113@gmail.comFusion dans CONTACT-0113-ATéléphone, Liste partenaire;Export CRM et la note de demande de démo
camiladiaz123@testmail.net
Camila Diaz <camiladiaz123@testmail.net>
Encapsulation avec nom d’affichage suppriméecamiladiaz123@testmail.netFusion dans CONTACT-0123-ANom complet, téléphone, Liste partenaire;Export CRM et les deux notes
marcusevans199@testmail.net
mailto:MARCUSEVANS199@TESTMAIL.NET?subject=Hello
Encapsulation mailto: supprimée et casse normaliséemailto:MARCUSEVANS199@TESTMAIL.NET?subject=HelloFusion dans CONTACT-0199-BNom complet, téléphone, Webinaire;Événement et les deux notes

Notez que la valeur conservée n’est pas toujours l’adresse email visuellement la plus simple. La fiche principale sélectionnée détermine la valeur qui reste enregistrée. La normalisation sert à effectuer la comparaison ; elle ne réécrit pas automatiquement chaque valeur conservée dans un format canonique.

La collection Accounts nettoyée avec ses 800 lignes restantes
La collection Accounts nettoyée avec ses 800 lignes restantes

La fusion testée a fait passer la liste de 1 000 à 800 lignes, car 200 doublons vérifiés ont été consolidés dans leurs fiches principales. Ce résultat concerne le jeu de données conçu pour ce test et ne constitue pas un taux de correspondance universel pour tous les formats d’emails.

Cas d’échec et checklist de validation

Le matching Smart Email prend en charge les cinq familles de variantes testées, mais il ne remplace pas un examen attentif.

Points sur les domaines autres que Gmail

Les points restent significatifs sur les domaines autres que Gmail. Ne supposez pas que prenom.nom@entreprise.com et prenomnom@entreprise.com correspondent à la même boîte mail. Si vous disposez d’une preuve externe reliant ces adresses, traitez cette paire manuellement.

Valeurs mal formées

Ne confondez pas un résultat de matching avec une validation de l’adresse. Les entrées sans structure @ exploitable ou contenant des espaces internes ne sont pas normalisées comme des adresses ordinaires, mais le processeur ne rejette pas toutes les formes de domaines invalides. Deux valeurs mal formées peuvent donc aboutir à la même valeur de comparaison. Vérifiez séparément le format de l’adresse et le domaine, puis excluez les lignes douteuses des fusions automatiques. Vous pourrez ensuite contrôler l’existence de la boîte mail ou sa délivrabilité.

Matching Exact

Exact ne supprime ni les suffixes précédés du signe plus, ni les points Gmail, ni les alias de domaine, ni les encapsulations avec nom d’affichage. Il retire toutefois les espaces au début et à la fin et compare, par défaut, les textes en minuscules. Par exemple, NAME@example.com et name@example.com correspondent avec les paramètres Exact par défaut, tandis que name+tag@example.com et name@example.com restent distincts. Activez Case sensitive si la comparaison doit respecter la casse. Exact est utile lorsque les différences entre alias sont importantes, mais il ne valide pas les adresses et n’effectue pas une comparaison octet par octet des cellules d’origine.

Plusieurs adresses dans une cellule

Cette méthode suppose qu’une cellule ne contient qu’une seule adresse. Une cellule comportant plusieurs adresses séparées par des délimiteurs nécessite le workflow multivalué avant le matching des lignes.

Boîtes mail partagées

Deux lignes contenant sales@company.com peuvent désigner des personnes différentes. Les noms, les intitulés de poste, les entreprises et les notes doivent guider votre décision. Je ne fusionnerais pas en masse des boîtes mail génériques sans les vérifier.

Suppression de champs complémentaires

La suppression d’une ligne supplémentaire peut faire disparaître l’unique numéro de téléphone, la source d’acquisition ou une note. Utilisez l’aperçu de la fusion pour contrôler les données conservées.

Le test conçu pour ce guide a identifié les 200 identités prévues sans créer de groupe inattendu regroupant des identités différentes. Il ne couvre cependant pas tous les formats d’adresses réels, toutes les valeurs mal formées ni tous les cas de boîtes partagées.

Avant d’exporter votre propre liste, vérifiez les points suivants :

  • Chaque groupe approuvé représente une seule identité.
  • Les boîtes partagées et les adresses génériques ont été examinées manuellement.
  • La fiche principale contient le nom, l’identifiant et l’adresse email à privilégier.
  • Les valeurs uniques de téléphone, d’entreprise, de source et de notes sont conservées après la fusion.
  • Le nombre de lignes initial moins les lignes supprimées correspond au nombre final de lignes.
  • Votre contrôle ponctuel couvre chaque famille de normalisation présente dans la liste.
  • Le nombre de groupes de doublons restants correspond à vos attentes.

📌 Rapprochez les totaux

Lignes initiales - lignes supprimées = lignes finales est le moyen le plus rapide de vérifier qu’une fusion est complète.

Poursuivre le nettoyage de la liste d’emails

La déduplication résout le problème des identités répétées. Elle ne contrôle pas l’existence des boîtes mail, les fournisseurs d’adresses jetables, le statut de désinscription ou la délivrabilité.

Je préfère commencer par résoudre les identités en double. Les contrôles suivants portent ainsi uniquement sur les contacts conservés, au lieu de traiter plusieurs versions d’une même personne. Une fois la fusion validée à l’aide de votre checklist, nettoyez le reste de votre liste d’emails, puis ouvrez Export et choisissez CSV ou Excel.

Dédupliquer votre liste dans Datablist

Importez votre fichier de contacts dans Datablist, lancez la recherche de doublons adaptée aux emails, examinez les groupes proposés, fusionnez les valeurs utiles, puis exportez la liste nettoyée.

FAQ

La casse compte-t-elle lors du matching des emails ?

La comparaison Smart Email utilise des valeurs en minuscules. NAME@example.com et name@example.com peuvent donc être regroupés si le reste de l’adresse normalisée correspond.

Les points Gmail et les alias avec signe plus sont-ils identiques ?

Le matching Smart Email supprime le suffixe précédé du signe plus dans la partie locale et ignore les points dans les parties locales Gmail. Cette règle sur les points est propre à Gmail : sur les autres domaines, ils restent significatifs.

Faut-il fusionner ou supprimer les contacts en double ?

Fusionnez les fiches lorsqu’une autre ligne apporte un numéro de téléphone, une source, une note, une entreprise ou tout autre champ utile. Ne supprimez la ligne supplémentaire que si elle n’ajoute aucune donnée nécessaire.

Que faire si une cellule contient plusieurs emails ?

Scindez ou normalisez la cellule multivaluée avant de lancer ce workflow au niveau des lignes. Suivez le guide pour dédupliquer un champ contenant plusieurs adresses email.

Faut-il fusionner les boîtes partagées comme sales@company.com ?

Pas automatiquement. Une même adresse partagée peut représenter plusieurs contacts. Comparez les noms et les autres champs, puis examinez manuellement ces groupes.

Sources