Rapprocher deux listes approximativement

Ce qu’est une correspondance approximative

Une comparaison exacte demande : « cette valeur figure-t-elle dans l’autre liste ». Une correspondance approximative pose la question que l’on a vraiment : « laquelle des entrées d’en face est celle-ci, écrite autrement » — et répond par un score entre 0 et 100 % plutôt que par oui ou non.

Si vos deux listes contiennent des valeurs identiques et qu’il vous faut seulement l’intersection, la comparaison exacte est plus rapide et n’a pas de seuil à mal régler.

Accents perdus : des chiffres, pas des promesses

Le cas français par excellence est la liste dont les accents ont sauté quelque part dans la chaîne. Mesuré avec les réglages de cette page :

• Crédit Agricole contre Credit Agricole — 93 %, donc une correspondance au seuil par défaut de 80 %.
• Élise Martin contre Elise Martin — 92 %.
• Société Générale contre Societe Generale — 75 % : deux accents perdus sur un nom court, et le seuil de 80 % ne suffit plus. Pour une liste entière dans ce cas, descendez le curseur vers 70 %.

Ces chiffres figurent ici parce que le score est affiché sur chaque ligne et recalculé pendant que vous déplacez le curseur : vous réglez le seuil sur vos données au lieu de le deviner.

Trois façons d’être proches

• Faute de frappe. Distance d’édition où une inversion de deux lettres compte pour une erreur et non deux — la faute la plus courante qui soit.
• Ordre différent. Le même calcul sur les mots triés : Agricole Crédit et Crédit Agricole atteignent 100 %.
• Abrégé. À quel point la valeur courte tient dans la longue, pondéré par le rapport de longueur — Acme SARL contre Acme Société à Responsabilité Limitée.

Auparavant, les deux côtés sont détourés, ramenés à une seule casse, normalisés pour les caractères pleine chasse et les accents écrits séparément (Unicode NFKC), et débarrassés de la ponctuation — c’est ce qui fait que S.A.R.L. et SARL arrivent identiques au calcul.

Les chiffres sont des identifiants, pas de l’orthographe

Facture 1001 et Facture 1002 se ressemblent à 92 % comme texte — et ce sont deux factures différentes. Un rapprochement qui les réunit en silence est pire que pas de rapprochement du tout, parce que l’erreur est invisible dans le résultat. Lorsque les deux valeurs contiennent des chiffres et que ces chiffres diffèrent, la paire est donc maintenue sous le seuil, si proches que soient les lettres. Numéros de facture, références, numéros de client et codes postaux sont sûrs par défaut.

Rien ne quitte cet onglet

On rapproche des listes de clients, de fournisseurs et de personnel. Les deux listes sont évaluées par du JavaScript dans cet onglet. Il n’y a aucune requête à intercepter, journaliser ou conserver.