Dédupliquer une base de candidats sans casser l'historique

Toute base de candidats de plus de deux ans contient des doublons. Ils viennent des candidatures multiples, des imports successifs et des canaux parallèles. Les supprimer sans méthode fait perdre de l'historique — et l'historique est précisément ce qui donne sa valeur à la base.

D'où viennent les doublons

La même personne qui repostule. Elle utilise parfois une autre adresse mail, un nom d'usage différent après un mariage, ou une orthographe sans accent. Certains ATS créent un candidat par candidature sans jamais rapprocher — voir l'anatomie d'un ATS.

Les imports. Une reprise de données depuis un tableur ou un ancien outil réinjecte des profils déjà présents. C'est la source qui produit les volumes les plus importants d'un coup.

Les canaux parallèles. Une candidature via job board et une candidature spontanée par mail, saisies séparément.

Le sourcing. Un consultant ajoute un profil trouvé sur un réseau professionnel sans savoir qu'il a postulé il y a dix-huit mois.

Choisir une clé de rapprochement

Aucune clé n'est parfaite. Le choix se fait entre deux types d'erreur : faux positif — fusionner deux personnes distinctes, grave et difficile à défaire — et faux négatif — laisser un doublon, bénin et rattrapable.

La règle par défaut, qui tient dans une phrase : fusion automatique sur mail identique après normalisation, revue humaine pour tout le reste.

Normaliser signifie au minimum : passer en minuscules, retirer les espaces, retirer les accents, et traiter les alias de messagerie — un point dans la partie locale d'une adresse est ignoré par certains fournisseurs, et le suffixe après un + désigne la même boîte.

Que faire des champs en conflit

Quand deux fiches se contredisent, quatre stratégies, à choisir champ par champ :

Le plus récent gagne. Correct pour ce qui change : téléphone, employeur actuel, prétentions. Suppose une date de mise à jour fiable.

Le plus complet gagne. Correct pour ce qui est stable : identité. Entre une fiche avec un prénom et une avec prénom et nom, garder la seconde.

Tout conserver. Correct pour les contacts. Une personne peut avoir deux adresses valides ; les garder toutes les deux évite de perdre le seul moyen de la joindre. Marquez-en une comme principale.

Demander. Pour les champs à enjeu et les cas ambigus, poser la question à un humain dans une file de revue.

Un principe traverse les quatre : rien ne disparaît à la fusion. Les candidatures, les échanges, les évaluations et les pièces jointes des deux fiches se retrouvent sur la fiche survivante. Seuls les champs d'identité sont arbitrés.

La procédure en sept temps

1. Mesurer avant d'agir. Comptez les groupes de doublons par clé avant toute modification. Vous saurez si le problème porte sur cinquante fiches ou cinq mille, ce qui change entièrement l'approche.

2. Travailler sur une copie. Toute campagne de déduplication commence par un export complet, conservé intact.

3. Traiter d'abord les certitudes. Les groupes à mail identique se fusionnent automatiquement, en masse, sans risque.

4. Constituer une file de revue. Les correspondances partielles vont dans une liste que quelqu'un traite, avec les deux fiches côte à côte. Pas de fusion automatique sur un score de similarité, quel que soit le seuil.

5. Fusionner en conservant une trace. La fiche survivante doit garder les identifiants des fiches absorbées. Sans cette trace, une intégration externe qui référence l'ancien identifiant pointe dans le vide.

6. Vérifier les compteurs. Nombre de candidatures, nombre de pièces jointes : identiques avant et après. Si un compteur baisse, quelque chose a été perdu.

7. Fermer le robinet. Une déduplication sans contrôle à l'entrée se refait tous les ans. Le contrôle en amont — rapprochement au moment de la création d'une fiche — vaut mieux qu'un nettoyage périodique.

L'articulation avec le RGPD

Deux points se croisent ici.

La fusion sert la conformité. Vous ne pouvez pas répondre correctement à une demande d'accès ou d'effacement si la personne existe en quatre exemplaires. La déduplication est une condition pratique de l'exercice des droits.

La déduplication ne justifie pas de conserver. Un dossier inactif depuis plus de deux ans doit être purgé, pas fusionné. Faites la purge avant la déduplication : le volume à traiter diminue souvent de moitié, et vous ne dépensez pas d'effort de fusion sur des fiches destinées à disparaître.

Ce qui casse en aval

Une déduplication modifie des identifiants. Trois choses à vérifier après coup :

• Les intégrations qui stockent un identifiant candidat de leur côté pointent vers une fiche supprimée. D'où la trace des identifiants absorbés.
• Les tableaux de bord construits sur des comptages voient leurs chiffres historiques changer. Prévenez les destinataires — un indicateur qui bouge sans explication détruit la confiance dans le tableau de bord.
• Les liens partagés vers une fiche fusionnée doivent rediriger vers la fiche survivante, pas renvoyer une erreur.

Questions fréquentes

Peut-on dédupliquer automatiquement sans risque ?

Sur mail strictement identique après normalisation, oui : le risque de faux positif est négligeable. Sur toute autre clé, non. Un rapprochement par similarité de nom produit inévitablement des faux positifs, et un seul suffit à mélanger deux dossiers de façon irréversible.

Faut-il dédupliquer avant ou après une migration ?

Avant, dans le système de départ ou dans un fichier intermédiaire. Importer des doublons dans un nouvel outil les y installe durablement, et certains ATS rendent la fusion difficile ou impossible une fois les fiches créées.

Comment empêcher les doublons de revenir ?

Par un contrôle à la création : quand une candidature arrive avec un mail ou un téléphone déjà connu, l'outil doit la rattacher à la fiche existante plutôt que d'en créer une nouvelle. La plupart des ATS le font sur le mail ; peu le font sur le téléphone. C'est un critère à vérifier avant d'acheter.

Que faire d'un doublon dont les deux fiches ont un historique contradictoire ?

Ne fusionnez pas tant que la contradiction n'est pas expliquée. Deux fiches au même nom avec des parcours incompatibles sont probablement deux personnes différentes, pas un doublon. Le recours au troisième champ — date de naissance, téléphone, employeur — tranche presque toujours.