API, open data, fournisseur ou scraping : quelle source choisir pour prospecter ?

Il n’existe pas de « meilleure base de prospection » dans l’absolu. Une source qui confirme l’existence légale d’une entreprise n’indique pas forcément son besoin actuel. Une source riche en signaux peut être instable. Un fournisseur peut simplifier l’accès tout en rendant la provenance difficile à expliquer. La bonne décision consiste donc à attribuer un rôle précis à chaque source.

Commencer par les critères éliminatoires

Avant de comparer prix, volume ou nombre de champs, éliminez toute source qui échoue sur une contrainte essentielle.

1. Provenance démontrable. Le producteur, la méthode de collecte et la date de mise à jour doivent être identifiables. « Sources publiques » n’est pas une provenance exploitable.
2. Droit d’accès et de réutilisation. Consignez la licence, les conditions contractuelles, les restrictions de diffusion et la version examinée. Une page visible dans un navigateur n’est pas équivalente à un jeu placé sous licence ouverte.
3. Compatibilité avec la finalité. La présence d’une donnée dans un registre ne rend pas automatiquement toute sollicitation appropriée. Les règles relatives aux données personnelles et à la prospection continuent de s’appliquer.
4. Identifiant stable. Sans SIREN, SIRET ou autre clé vérifiable, les rapprochements deviennent fragiles et les doublons difficiles à corriger.
5. Fraîcheur mesurable. Une date de fichier, une date d’événement et une date d’ingestion répondent à trois questions différentes. Il faut les conserver séparément.
6. Réversibilité. Pouvez-vous exporter les preuves, changer de source et reconstruire la base sans dépendre d’un score opaque ?

Obligation : la réutilisation de données personnelles demeure soumise au RGPD, y compris lorsqu’elles sont publiquement accessibles. Analyse : les garanties à mettre en place dépendent de la nature des données, de la source, des attentes raisonnables des personnes, de la finalité et du canal de contact. Recommandation : faire examiner le dispositif concret par le délégué à la protection des données ou le conseil compétent avant l’activation.

Comparer les quatre options sur les mêmes critères

Critère	Open data	API	Fournisseur	Scraping
Provenance	Souvent forte si le producteur est officiel	Dépend du producteur de l’API	À exiger au niveau du champ	À construire et conserver soi-même
Fraîcheur	Du temps réel au stock périodique	Souvent adaptée aux lectures fréquentes	Engagement contractuel à vérifier	Dépend de la fréquence autorisée et du site
Couverture	Large sur le périmètre déclaré	Bornée par les points d’accès	Peut agréger plusieurs sources	Très ciblée, parfois fragile
Coût visible	Téléchargement souvent gratuit	Intégration, quotas et supervision	Licence, volume et options	Développement, maintenance et revue
Coût caché	Fichiers massifs, changements de schéma	Dépendance, erreurs, versionnement	Verrouillage et opacité	Ruptures HTML, blocages, faux positifs
Explicabilité	Bonne avec dictionnaire et millésime	Bonne si la réponse conserve la source	Variable selon le contrat	Bonne uniquement avec preuve datée
Usage idéal	Référentiel et événements officiels	Enrichissement à la demande	Couverture garantie ou donnée spécialisée	Signal public très spécifique

Une API est un mode d’accès, pas une catégorie de données. Une API officielle peut servir de référentiel ; une API commerciale peut redistribuer des informations agrégées ; une API interne peut exposer votre propre base. Le comparatif doit donc porter à la fois sur le contenu et sur le mécanisme d’accès.

Quand choisir l’open data

L’open data est particulièrement adapté au socle d’identité et aux événements institutionnels. La Base Sirene diffusée sur data.gouv.fr, produite par l’Insee, fournit des informations sur les unités légales et leurs établissements sous Licence Ouverte 2.0. Sa fiche rappelle toutefois qu’il appartient au réutilisateur de tenir compte du statut de diffusion le plus récent, notamment pour certaines personnes physiques.

Le BODACC, fourni par la Direction de l’information légale et administrative, publie des annonces sur les immatriculations, ventes, modifications, radiations, procédures collectives et dépôts de comptes. Le Registre national des entreprises, opéré par l’INPI, est alimenté par les formalités et diffuse ses données publiques.

Ces sources peuvent confirmer un événement ou une identité. Elles ne donnent pas une permission générale de contacter une personne. Elles ne disent pas non plus que l’événement exprime un besoin commercial. Leur rôle est de fournir une base factuelle sur laquelle une analyse explicite peut s’appuyer.

Choisissez le téléchargement en masse lorsque vous devez recalculer un segment large, conserver un millésime ou joindre plusieurs tables localement. Préférez une interrogation ciblée lorsque le besoin porte sur quelques entités et que le producteur propose un accès adapté.

Quand choisir une API

Une API devient intéressante lorsque l’application a besoin d’une donnée au moment de la décision : vérifier un identifiant lors d’une saisie, actualiser une fiche avant une revue ou récupérer les événements postérieurs au dernier passage.

Le contrat technique doit couvrir :

• les quotas, codes d’erreur et délais d’attente ;
• la stratégie de reprise sans doublon ;
• les versions et préavis de dépréciation ;
• la disponibilité réelle et le mode dégradé ;
• le dictionnaire des champs et leurs valeurs manquantes ;
• les conditions d’accès, parfois réservées à certains acteurs ou usages ;
• la journalisation de la source et de la date de réponse.

La documentation d’API Entreprise illustre une distinction importante : certains points d’accès sont publics, tandis que d’autres sont réservés à des agents habilités ou à des usagers authentifiés. Une documentation accessible ne signifie donc pas que chaque entreprise peut exploiter chaque route. Pour choisir entre appel synchrone, collecte périodique et autre mécanisme, notre comparatif webhook, API, polling ou RPA complète la réflexion technique. La méthode pour connecter des logiciels entre eux aide ensuite à borner les responsabilités du connecteur.

Quand choisir un fournisseur

Un fournisseur est utile s’il assume une partie coûteuse : rapprocher des entités, maintenir plusieurs connecteurs, garantir un niveau de service, documenter la provenance ou fournir une donnée spécialisée. Le prix n’achète pas automatiquement la qualité.

Demandez un échantillon borné et un dictionnaire avant de signer. Pour chaque champ critique, exigez :

• la source primaire ou la catégorie précise de sources ;
• la date de dernière vérification ;
• la méthode de rapprochement et le traitement des homonymes ;
• la règle appliquée aux données supprimées ou devenues non diffusables ;
• les bases et responsabilités relatives aux données personnelles ;
• la gestion des demandes d’accès, de rectification et d’opposition ;
• les modalités de restitution et de suppression en fin de contrat.

Refusez un score de « qualité » impossible à décomposer. Une couverture annoncée à 95 % ne dit rien si le dénominateur, la date, la zone géographique et les champs concernés ne sont pas définis. La valeur d’un fournisseur se mesure sur vos décisions, avec une vérité terrain et des erreurs examinables.

Quand envisager le scraping

Le scraping peut être proportionné pour observer un signal public très spécifique : une page d’offre d’emploi, un communiqué ou une page produit, lorsque ce signal n’est pas disponible dans un flux structuré. Il est rarement le bon socle d’identité.

Les recommandations générales publiées par la CNIL en 2024 invitent à examiner la nature du site, le contexte de publication, les attentes raisonnables, les licences, les conditions générales et les restrictions exprimées par la source. Pour ce cas de prospection, Forge Labs en déduit quatre règles opérationnelles prudentes : ne pas contourner une barrière, limiter les champs, conserver l’URL précise et prévoir l’arrêt immédiat d’une source.

Le collecteur doit aussi absorber les variations ordinaires : page absente, structure modifiée, contenu dupliqué, date introuvable et entité ambiguë. Si chaque changement visuel détruit l’information, le coût réel n’est pas le développement initial mais l’exploitation continue.

Composer un portefeuille de sources

Une architecture robuste attribue un rôle à chaque famille :

• référentiel : identité de l’organisation, établissements et état de diffusion depuis une source officielle ;
• événements : annonces ou formalités datées provenant du producteur compétent ;
• signaux web : indices contextuels et périssables, conservés avec leur preuve ;
• vérification : seconde source indépendante pour les décisions coûteuses ;
• activation : coordonnées et canal gérés séparément avec les contrôles applicables.

Une source de référence n’est pas une source de contact. Ce découpage évite qu’une mise à jour commerciale écrase l’identité officielle, ou qu’une erreur de rapprochement contamine toute la base. Il rend aussi le remplacement d’un fournisseur possible sans reconstruire le système.

Organiser un test contradictoire

Construisez un jeu pédagogique de 50 organisations fictives représentant les cas difficiles : noms proches, établissement fermé, changement d’adresse, absence de signal, signal ancien, événement contradictoire et restriction de diffusion. Ne mettez aucune donnée personnelle réelle dans ce banc d’essai.

Pour chaque option, mesurez :

1. la part d’entités correctement identifiées ;
2. la précision de chaque champ critique ;
3. le délai entre l’événement et sa disponibilité ;
4. la capacité à expliquer la valeur par sa source ;
5. le temps humain de correction ;
6. le comportement lors d’une suppression ou d’une opposition ;
7. le coût complet d’un mois, y compris supervision et incidents.

Injectez aussi des pannes : quota dépassé, fichier incomplet, schéma modifié et réponse vide. Une source excellente en démonstration peut être inutilisable si elle échoue silencieusement. Les principes de mesure de la fiabilité s’appliquent ici au résultat métier : combien de fiches sont exactes, fraîches et explicables ?

La fiche de décision à conserver

La décision finale tient sur une page :

• cas d’usage et décision soutenue ;
• source principale, source de vérification et rôle de chacune ;
• champs autorisés et champs exclus ;
• licence, conditions, fondement analysé et responsable de la revue ;
• fraîcheur attendue et durée d’utilité ;
• seuils de qualité et procédure de correction ;
• coût complet et dépendances ;
• mode dégradé, export et condition de sortie.

Le résultat n’est souvent pas « API ou scraping », mais « source officielle pour l’identité, événement public pour le moment, vérification humaine pour l’ambiguïté ». Si vous devez concevoir cette composition et ses preuves, Forge Labs étudie ponctuellement des collaborations stratégiques autour des systèmes de données et d’acquisition.

Sources

• data.gouv.fr / Insee — Base Sirene des entreprises et de leurs établissements, fiche consultée le 27 septembre 2026.
• DILA — API BODACC.
• INPI — Accès à l’API formalités / RNE.
• CNIL — Recommandations pour les réutilisateurs de données publiées sur Internet.
• API Entreprise — Données établissement et conditions d’utilisation.