Pour nettoyer les noms d’entreprise dans une liste de leads, commencez par définir le résultat attendu : supprimez la forme juridique lorsqu’elle est clairement distincte de la marque, uniformisez les espaces et les majuscules, et conservez les mots qui font partie du nom de marque. Par exemple, Acme, Inc. peut devenir Acme, tandis que The Limited ne doit pas automatiquement devenir The.
Datablist propose deux méthodes pour appliquer ces règles à une colonne CSV. Company Name Cleaner traite chaque ligne avec l’IA, tandis qu’AI Editing génère une transformation JavaScript que vous pouvez prévisualiser avant de l’appliquer à votre collection. Conservez le nom d’origine dans une propriété distincte afin de pouvoir comparer et corriger le résultat avant vos campagnes d’outreach ou la déduplication.
Pour commencer par tester quelques noms, utilisez le Company Name Cleaner gratuit. Collez jusqu’à dix noms, puis comparez les valeurs d’origine et nettoyées avant d’appliquer la même méthode à l’ensemble de votre CSV.
Ce guide présente :
- Comment nettoyer les noms d’entreprise avec l’IA générative (ChatGPT)
- Comment nettoyer les noms d’entreprise avec du code JavaScript généré par l’IA
- Les différences entre les deux méthodes et quand utiliser chacune
Règles pour nettoyer les noms d’entreprise
Déterminez si vous avez besoin d’un nom courant pour vos campagnes d’outreach ou d’un nom standardisé pour rapprocher des fiches. Le résultat peut différer selon l’objectif. Commencez par appliquer les règles suivantes, puis vérifiez les exceptions :
- Supprimez les formes juridiques comme
Inc.,LLCouGmbHuniquement lorsqu’elles apparaissent comme des suffixes distincts. - Corrigez les espaces répétés et la ponctuation superflue sans altérer la marque reconnaissable.
- Conservez des termes comme
Group,HoldingsouLimitedlorsqu’ils font partie de la marque ou lorsque le nom seul ne permet pas de trancher. - Soumettez les noms incertains à une vérification manuelle plutôt que de deviner l’identité de l’entreprise.
| Entrée | Résultat suggéré | Point à vérifier |
|---|---|---|
| Acme, Inc. | Acme | Inc. est un suffixe juridique distinct. |
| Acme GmbH | Acme | Vérifiez que la forme juridique allemande est bien distincte de la marque. |
| The Limited | The Limited | Ne supprimez pas un mot susceptible de constituer la marque elle-même. |
Méthode 1 : nettoyer les noms d’entreprise avec l’IA générative
La première méthode applique l’IA à chaque nom d’entreprise. Privilégiez-la lorsque les formats sont variés et que vous souhaitez contrôler des résultats dépendant du contexte plutôt que maintenir une liste fixe de suffixes.
Datablist propose un enrichment dédié, Company Name Cleaner. Vérifiez sa configuration et sa consommation de crédits avant de l’exécuter sur une liste volumineuse.
Voyons comment utiliser cette méthode, étape par étape.
Commencez par importer vos noms d’entreprise depuis un fichier CSV ou Excel.
Pour cette démonstration, mon fichier contient uniquement des noms d’entreprise. Vous pouvez toutefois importer un fichier classique comprenant plusieurs propriétés ou colonnes : le fonctionnement reste identique.
Sélectionnez ensuite l’option “Enrich”.
Sélectionnez ensuite Enrichment Templates.
Choisissez Company Name Cleaner.
Modifiez ensuite le prompt et sélectionnez la colonne contenant les noms d’entreprise à l’aide de {{Name}} ou /Name.
Passez à l’étape suivante pour configurer les champs de sortie.
Vous pouvez créer une nouvelle propriété pour les résultats ou les associer à une propriété existante de votre collection.
Dans mon cas, j’en ai créé une nouvelle.
Datablist crée aussi automatiquement une propriété “Run Status”. Celle-ci permet de suivre les noms déjà traités ainsi que le coût de chaque traitement.
Vous pouvez maintenant configurer les paramètres d’exécution en choisissant parmi les options suivantes :
- Exécuter le traitement en mode Async (dans le cloud)
- Tester sur les 10 premiers éléments
- Lancer le traitement uniquement sur les 10 ou 100 premiers éléments, ou définir le nombre d’éléments à nettoyer.
Mes paramètres sont configurés : je peux maintenant lancer l’enrichment.
Il s’agit de la dernière étape avant de passer à la deuxième méthode.
J’ai choisi d’exécuter l’enrichment en mode Async sur les 100 premiers éléments.
Une fois l’enrichment terminé, le résultat apparaît dans la propriété de sortie. Comparez un échantillon avec les noms d’origine, notamment les noms courts, les formes juridiques internationales et les noms contenant des termes comme Group ou Limited.
Voici une vidéo présentant le processus de nettoyage des noms d’entreprise.
Méthode 2 : nettoyer les noms d’entreprise avec du code JavaScript généré par l’IA
Pour une liste dont le format est prévisible, AI Editing génère une transformation JavaScript à partir de vos instructions et d’un échantillon pouvant contenir jusqu’à 10 éléments. L’outil ne lit pas tous les noms d’entreprise de la collection avant de produire le script. Indiquez dans le prompt les formes juridiques et les exceptions à prendre en compte, puis prévisualisez le code généré sur des noms représentatifs avant de l’exécuter sur toute la liste.
Cette méthode évite d’appeler un modèle d’IA pour chaque ligne, mais une règle générée peut malgré tout supprimer le mauvais mot. Conservez la colonne source et testez d’abord les cas complexes.
Voici la procédure à suivre, étape par étape.
Commencez par importer vos noms d’entreprise dans Datablist à partir d’un fichier CSV ou Excel.
Pour cette démonstration, mon fichier contient uniquement des noms d’entreprise, mais vous pouvez importer un fichier comprenant plusieurs propriétés ou colonnes. Celui-ci peut contenir plusieurs centaines de milliers de lignes. Datablist est particulièrement adapté pour ouvrir de gros fichiers CSV.
Sélectionnez Edit, puis choisissez AI Editing.
Rédigez un prompt décrivant les règles et utilisez comme référence la propriété contenant les noms d’entreprise. Complétez la liste des suffixes en fonction des pays présents dans votre fichier, sans supposer que les premiers exemples contiennent toutes les formes juridiques :
Génère un code JavaScript qui lit {{company_name}} et écrit le nom nettoyé dans une propriété distincte. Utilise une liste explicite de terminaisons juridiques, sans tenir compte de la casse : Inc., Incorporated, LLC, L.L.C., Ltd., Limited, Corp., Corporation, LLP, PLC, GmbH, GmbH & Co. KG, AG, B.V., N.V., S.A., S.A.R.L., SAS, S.r.l., Pty Ltd, Pte Ltd et Co., Ltd. Ne détecte qu’une terminaison complète, séparée de la marque par un espace ou un signe de ponctuation ; traite les terminaisons composées avant les plus courtes et accepte les variations courantes de points et d’espacement. Supprime uniquement la terminaison, puis retire les virgules, points et espaces restants en fin de chaîne. Ne supprime pas ces mots lorsqu’ils se trouvent au milieu d’un nom et ne réduis pas un nom à un terme générique comme "The". Conserve Group et Holdings lorsqu’ils font partie de la marque. Si la terminaison est ambiguë, ne modifie pas le nom. Exemples : "Acme, Inc." -> "Acme" ; "Acme GmbH & Co. KG" -> "Acme" ; "The Limited" -> "The Limited" ; "Limited Partners Group" -> "Limited Partners Group". Applique les mêmes règles à chaque ligne, et pas uniquement aux éléments de l’échantillon.
Remarque : si vous souhaitez réutiliser ce prompt, pensez à référencer une propriété à l’aide de doubles accolades ({{Property}}).
AI Editing utilise l’échantillon pour générer et prévisualiser un script ; il ne nettoie pas chaque ligne avec un LLM. Avant la génération, sélectionnez ou filtrez des lignes représentatives afin que la prévisualisation comprenne des noms avec des formes juridiques composées, des marques contenant Limited ou Group, ainsi que des noms dépourvus de suffixe juridique. Examinez à la fois le code JavaScript généré et la prévisualisation. Si le script oublie une terminaison ou supprime un mot de la marque, ajoutez la règle ou l’exception exacte au prompt, puis générez à nouveau le script avant de l’exécuter sur toute la liste.
Lorsque la prévisualisation vous convient, cliquez sur Run on items, puis comparez un échantillon plus large de résultats avec la propriété d’origine.
Quelles différences entre les deux méthodes ?
Le nettoyage par IA générative (méthode 1) utilise directement l’IA pour nettoyer les noms d’entreprise, tandis que la méthode 2 fait appel à l’IA pour créer un script JavaScript chargé du nettoyage.
La méthode 1 utilise l’IA sur chaque ligne traitée et consomme des crédits. Elle peut gérer des formats variés, mais ses résultats doivent tout de même être vérifiés.
La méthode 2 génère un script à partir de vos règles explicites et d’un petit échantillon, puis applique ce script à toutes les lignes. Elle est particulièrement efficace lorsque vous pouvez répertorier les formes juridiques concernées et contrôler les cas limites avant l’exécution complète.
Les deux méthodes automatisent le nettoyage des noms d’entreprise. Votre choix dépendra de la taille de votre liste, de votre budget et du niveau de précision recherché.
Quand choisir la méthode 1 ou la méthode 2 ?
Nettoyage par IA générative (méthode 1)
- Formats et langues variés
- Noms nécessitant des décisions selon le contexte
- Cas où vous pouvez vérifier un échantillon des résultats produits par l’IA
JavaScript généré par l’IA (méthode 2)
- Listes obéissant à des règles cohérentes
- Cas où vous pouvez prévisualiser et affiner le script généré
- Cas où vous souhaitez éviter un appel à l’IA pour chaque ligne
FAQ sur le nettoyage des noms d’entreprise
Comment nettoyer automatiquement des noms d’entreprise pour la génération de leads B2B ?
Importez le CSV, conservez la colonne contenant le nom d’origine et enregistrez le nom nettoyé dans une nouvelle propriété. Utilisez Company Name Cleaner pour des noms variés ou AI Editing pour appliquer une règle reproductible. Vérifiez un échantillon des résultats avant l’export.
Comment supprimer les formes juridiques des noms d’entreprise à grande échelle ?
Précisez les suffixes à supprimer et conservez le nom d’origine. Prévisualisez le résultat sur des noms courts, des entreprises de différents pays et des marques comprenant des mots qui ressemblent à des formes juridiques. Modifiez la règle si elle altère une marque par erreur.
L’IA peut-elle nettoyer des noms d’entreprise de différents pays et dans plusieurs langues ?
Oui, elle peut traiter des noms provenant de différents pays, mais les formes juridiques et les conventions de marque varient. Ajoutez des exemples tirés de votre liste et vérifiez les résultats ambigus au lieu de supposer qu’une même règle de suffixe convient à tous les pays.
Combien de temps faut-il pour nettoyer 1 000 noms d’entreprise avec l’IA ?
La durée dépend de la méthode, de la taille de la collection et des conditions de traitement. Testez un petit lot, contrôlez le résultat, puis appuyez-vous sur cette exécution pour planifier un traitement plus important.