Les adresses sont parmi les données les plus difficiles à nettoyer. Elles sont saisies par des humains, elles changent avec le temps et elles suivent des règles complexes qui varient selon le pays, la province et la municipalité.
Pourquoi les adresses sont difficiles
Une seule adresse peut s’écrire de nombreuses façons : « 123 rue Principale », « 123 Principale », « 123 RUE PRINCIPALE ». Toutes sont la même adresse, mais une simple comparaison de chaînes les traite comme différentes.
Les adresses changent aussi. Les rues sont renommées. Les bâtiments sont renumtérotés. De nouveaux codes postaux sont créés. Une adresse valide il y a cinq ans peut ne plus exister.
Analyse syntaxique des adresses
L’analyse syntaxique décompose une adresse en ses composantes : numéro de rue, nom de rue, type de rue, numéro d’unité, ville, province, code postal. Les adresses analysées sont beaucoup plus faciles à valider et à standardiser que les chaînes de texte libre.
Pour les adresses canadiennes, les composantes standard sont : numéro d’unité/suite (le cas échéant), numéro de rue, nom de rue, type de rue (rue, avenue, boulevard, etc.), direction (N, S, E, O), ville/municipalité, province/territoire (code à deux lettres), code postal.
Postes Canada publie des normes d’adressage pour les adresses canadiennes. Suivre ces normes — notamment les abréviations approuvées pour les types de rue et les codes de province — garantit que les adresses sont cohérentes et livrées correctement.
Géocodage pour la validation
Le géocodage convertit une adresse en coordonnées géographiques (latitude et longitude). Si une adresse peut être géocodée avec succès, elle est probablement valide. Si le géocodage échoue, l’adresse peut être incorrecte ou inexistante.
Services de validation d’adresses
Les services automatiques de validation d’adresses vérifient les adresses par rapport à des bases de données faisant autorité et retournent des versions standardisées et corrigées. Ils sont particulièrement utiles pour les grands jeux de données contenant de nombreuses adresses.
Découvrez les techniques plus larges de Standardisation des données.