Fuzzy matching (correspondance approximative)

Qu'est-ce que Fuzzy matching (correspondance approximative) ?

Le fuzzy matching (correspondance approximative) est une technique qui trouve des textes ou des enregistrements similaires mais pas strictement identiques, comme « Samsung Galaxy S24 Ultra 256GB » et « Galaxy S24 Ultra (256 GB) Samsung ». Au lieu d'un oui ou d'un non, une correspondance floue reçoit un score de similarité, et tout ce qui dépasse un seuil choisi compte comme une correspondance. Les méthodes courantes incluent la distance d'édition (le nombre de caractères à modifier, comme la distance de Levenshtein), la correspondance par tokens (comparer les mots quel que soit leur ordre) et la correspondance phonétique (les mots qui se prononcent pareil). La correspondance exacte ne relie que des valeurs identiques, comme le même EAN ; le fuzzy matching repère les fautes de frappe, les abréviations et les différences d'ordre des mots et d'espacement. En e-commerce, il sert à trouver les produits en double, à associer les données fournisseur à un catalogue existant quand les identifiants manquent, à standardiser les valeurs d'attributs et à rendre la recherche interne tolérante aux fautes de frappe. Notre guide sur la déduplication des données produit explique comment le combiner avec des contrôles exacts.

Pourquoi Fuzzy matching (correspondance approximative) compte en e-commerce

Les données produit viennent de nombreuses sources qui nomment la même chose de façons différentes. Sans fuzzy matching, ces différences créent des produits en double, des filtres désordonnés avec cinq orthographes d'une même couleur et des mises à jour fournisseur impossibles à relier au bon article. Le fuzzy matching aide aussi les acheteurs. Une recherche interne qui tolère les fautes de frappe et l'ordre des mots trouve des produits qu'une recherche exacte manquerait.

Exemples de Fuzzy matching (correspondance approximative)

• 1Valeur A : Samsung Galaxy S24 Ultra 256GB, Valeur B : Galaxy S24 Ultra (256 GB) Samsung, Résultat : probablement le même produit
• 2Valeur A : Navy blue, Valeur B : navy-blue, Résultat : même valeur d'attribut, à standardiser en une seule orthographe
• 3Valeur A : recherche « addidas », Valeur B : marque « adidas », Résultat : la recherche affiche les produits adidas
• 4Valeur A : article fournisseur « Perceuse 18V av. batterie », Valeur B : article du catalogue « Perceuse sans fil 18 V avec batterie », Résultat : correspondance suggérée à vérifier
• 5Valeur A : T-shirt taille M, Valeur B : T-shirt taille L, Résultat : score élevé mais produits différents, donc pas un doublon

Conseils pour Fuzzy matching (correspondance approximative)

• Fais d'abord correspondre les identifiants exacts et n'utilise le fuzzy matching que pour le reste.
• Normalise le texte avant la comparaison : minuscules, ponctuation supprimée et unités standardisées.
• Teste les seuils sur un échantillon aux réponses connues.
• Confie les scores limites à une personne au lieu de décider automatiquement.

Tendances autour de Fuzzy matching (correspondance approximative)

• Correspondance sémantique avec des embeddings d'AI qui compare le sens, pas seulement les caractères.
• Correspondance multilingue, pour relier un nom de produit néerlandais et un nom anglais.
• Similarité d'images pour confirmer les correspondances de produits.
• Vérification humaine des correspondances limites intégrée au workflow de rapprochement.

Outils pour Fuzzy matching (correspondance approximative)

• OpenRefine : outil gratuit avec clustering pour trouver et fusionner des valeurs similaires.
• RapidFuzz : bibliothèque Python pour un fuzzy matching de chaînes rapide.
• Elasticsearch : moteur de recherche avec requêtes floues pour une recherche tolérante aux fautes de frappe.
• Algolia : recherche hébergée avec tolérance aux fautes de frappe intégrée.
• WISEPIM : PIM avec une page Attribute values et la modification en masse pour standardiser les valeurs similaires.

Termes associés

Aussi appelé