Base entreprises France — personnes morales, à jour du jour
Étude de faisabilité + prototype fonctionnel · données au 27/08/2026 (état quotidien) et 01/08/2026 (stock INSEE) · généré le 12/11/2026 08:34 (heure FR)
Verdict. Identité, SIRET, adresse, CP, ville, activité NAF : 100 % public, gratuit, rafraîchi chaque jour — c'est fait, la base tourne (6,9 M d'établissements de personnes morales). Téléphone et email : aucune source publique ne les contient pour l'ensemble des entreprises — ni Sirene, ni le RNE, ni l'API Recherche d'entreprises. Les sources ouvertes qui en ont (OSM, FINESS, RGE, Annuaire Santé) couvrent 200 593 établissements PM (3.0 %). Le plafond réaliste du marché est de 3 à 4,5 M de numéros fixes (Solocal, Easyfichiers, Zecible, Altares) : viser 100 % des 6,9 M est illusoire, personne ne l'a. La voie « données publiques » qui monte réellement en volume est le crawl des mentions légales des sites des sociétés (téléphone + RCS obligatoires par la LCEN) : PoC validé aujourd'hui (44 % des sites donnent un couple SIREN ↔ téléphone), crawl lancé en production (§ 3.2). Au-delà, seule une licence de fichier commercial dépasse ~50 %.
6 744 786établissements actifs de personnes morales (sociétés + autres PM au RCS + PM étrangères)
6 042 486entreprises (SIREN) dont 1 857 649 SCI et 147 775 holdings — 4 044 237 hors SCI/holdings
1 821 494établissements employeurs (au moins un salarié) — le cœur de cible « économiquement actif »
200 593téléphones trouvés en open data, joints par SIRET (3.0 %)
J-1fraîcheur : dump quotidien de l'Annuaire des Entreprises (publié ~19h UTC) + stock INSEE mensuel
113départements/collectivités couverts (96 métropole + 5 DOM + 975/977/978 + 986/987/988 partiels)
1. Ce qui est public — et comment rester à jour du jour
Sources utilisées (toutes en licence ouverte)
- Stock INSEE Sirene (data.gouv, mensuel, parquet 2,2 Go + 0,7 Go) : 54 variables établissement + 35 unité légale — nom, enseigne, adresse décomposée, CP, commune, NAF, effectifs, employeur, date de création, catégorie juridique.
- Dump quotidien « Annuaire des Entreprises » (data.gouv, ~19h UTC) : état actif/fermé et statut de diffusion du jour pour les 44 M d'établissements → c'est lui qui rend la base « à jour du jour ».
- API Sirene INSEE 3.11 (portail-api.insee.fr, compte gratuit, 30 req/min) : flux intra-journée si besoin (filtre
dateDernierTraitement).
- API Recherche d'entreprises (7 req/s, sans clé) : dirigeants, finances, RGE/FINESS/UAI liés — pour l'enrichissement à l'unité.
- Nomenclature NAF rév. 2 (732 codes, libellés INSEE) jointe sur chaque établissement.
Ce qu'il n'y a PAS dans les données publiques
- Sirene : aucun champ téléphone / email / site web (dessins de fichiers 311 vérifiés).
- RNE (INPI, compte gratuit) : téléphone et courriel du déclarant collectés par le Guichet unique mais non diffusés ; seul le
nomDomaine du site est ouvert.
- API Recherche d'entreprises / export bulk : idem, zéro contact.
Périmètre retenu (personnes morales uniquement)
| Catégorie juridique | Établissements | Entreprises |
| Sociétés commerciales (5xxx : SAS, SARL, SA…) | 4 133 765 | 3 363 368 |
| Autres PM au RCS (6xxx : SCI, SCM, coopératives, GIE…) | 2 537 468 | 2 463 368 |
| PM de droit étranger (3xxx) | 242 922 | 214 270 |
| PM publiques à activité commerciale (4xxx : EPIC…) | 4 029 | 1 480 |
| Total retenu | 6 744 786 | 6 042 486 |
Exclus : entrepreneurs individuels / micro-entrepreneurs (cat. 1000 : 7 644 260 établissements — personnes physiques au sens de la loi, dont 2,35 M en diffusion partielle interdite en prospection), associations/fondations (1,5 M), administrations (253 k), groupements sans personnalité morale (225 k). Réintégrables en une ligne de filtre si besoin. Les SCI (1,86 M) sont conservées mais isolables par cat_juridique = 6540.
Diffusion partielle
Seules 11 376 unités du périmètre sont en statut « P » (adresse masquée, commune conservée) contre 2,35 M chez les personnes physiques : le choix « PM seulement » évacue quasi entièrement ce problème juridique.
2. Le téléphone — la vérité chiffrée
2.1 Sources ouvertes avec téléphone, jointes par SIRET sur les 6 744 786 établissements PM (chiffres « SIRET PM actifs » = comptés sur la base, les autres = sur le fichier brut)
| Source | Licence | Fraîcheur | Lignes avec tél. | SIRET PM actifs avec tél. | Email | Secteurs |
OpenStreetMap France (tags phone/contact:phone + ref:FR:SIRET) | ODbL (share-alike : la base dérivée doit rester ouverte si redistribuée) | quotidienne (Geofabrik) | 461 440 | 105 830 | 172 k | commerces, restaurants, banques, garages, coiffeurs… + 260 k tél. sans SIRET (à rapprocher par nom/géoloc) |
| RGE — ADEME (data.ademe.fr) | Licence ouverte | quotidienne | ~150 000 | 48 542 | 56 k | bâtiment / rénovation énergétique |
| FINESS (établissements sanitaires et sociaux) | Licence ouverte | mensuelle | 103 022 | 27 205 | non | hôpitaux, EHPAD, pharmacies, labos, crèches… |
| Annuaire Santé — extraction RPPS (ANS) | Licence ouverte | quotidienne | 156 346 structures | 14 411 | 9 k | cabinets médicaux, structures de soins |
| FINESS+ « Structures » (nouveau flux ANS, remplace FINESS gelé au 04/05/2026) | Licence ouverte | quotidienne | 84 410 EGE ouverts avec tél.+SIRET | 65 304 | rare | sanitaire et médico-social |
| Annuaire de l'éducation (MENJ) | Licence ouverte | quotidienne | ~60 000 | 60 835 | oui | écoles, collèges, lycées (privés = PM ; publics hors périmètre) |
| Annuaire des avocats (CNB) | Licence ouverte | mensuelle | 75 192 | 31 540 | oui | cabinets d'avocats (SELARL, AARPI…) |
| Centres de contrôle technique (DGCCRF) | Licence ouverte | quotidienne | 5 431 | 4 994 | non | contrôle technique auto |
| DATAtourisme (CSV data.gouv) | Licence ouverte | quotidienne | 33 (!) | 0 | 581 | l'export CSV plat a perdu les téléphones ; le flux JSON complet (compte gratuit diffuseur.datatourisme.fr, ~980 k POI) les contient — à brancher |
| Liste publique des organismes de formation | Licence ouverte | quotidienne | 0 | 0 | non | SIRET + NDA seulement |
| Union (dédoublonnée) | | | | 200 593 (3.0 %) | 93 318 | |
Méthode : fichiers réellement téléchargés et joints sous DuckDB le 28/08/2026 (pas des chiffres de plaquette). Toutes les sources ci-dessus sont branchées dans daily_update.sh.
2.2 Couverture par secteur (open data seul)
| Section | Libellé NAF | Établissements PM | avec tél. | % |
|---|
| L | Activités Immobilières | 2 369 526 | 5 587 | 0.2 % |
| G | Commerce ; Réparation D'Automobiles Et De Motocycles | 920 551 | 55 211 | 6.0 % |
| M | Activités Spécialisées, Scientifiques Et Techniques | 758 413 | 7 725 | 1.0 % |
| F | Construction | 528 089 | 43 192 | 8.2 % |
| K | Activités Financières Et D'Assurance | 404 564 | 6 246 | 1.5 % |
| I | Hébergement Et Restauration | 340 391 | 24 712 | 7.3 % |
| N | Activités De Services Administratifs Et De Soutien | 306 110 | 4 182 | 1.4 % |
| A | Agriculture, Sylviculture Et Pêche | 230 269 | 314 | 0.1 % |
| C | Industrie Manufacturière | 210 781 | 7 058 | 3.3 % |
| J | Information Et Communication | 195 783 | 661 | 0.3 % |
| H | Transports Et Entreposage | 156 353 | 1 445 | 0.9 % |
| D | Production Et Distribution D'Électricité, De Gaz, De Vapeur Et D'Air Conditionné | 136 205 | 142 | 0.1 % |
| S | Autres Activités De Services | 127 847 | 7 265 | 5.7 % |
| Q | Santé Humaine Et Action Sociale | 93 079 | 15 035 | 16.2 % |
| P | Enseignement | 66 523 | 1 173 | 1.8 % |
| R | Arts, Spectacles Et Activités Récréatives | 51 278 | 912 | 1.8 % |
| E | Production Et Distribution D'Eau ; Assainissement, Gestion Des Déchets Et Dépollution | 16 682 | 126 | 0.8 % |
| B | Industries Extractives | 4 225 | 11 | 0.3 % |
| U | Activités Extra-Territoriales | 896 | 2 | 0.2 % |
| O | Administration Publique | 613 | 6 | 1.0 % |
| T | Activités Des Ménages En Tant Qu'Employeurs ; Activités Indifférenciées Des Ménages En Tant Que Producteurs De Biens Et Services Pour Usage Propre | 4 | 0 | 0.0 % |
2.3 Les cinq voies pour obtenir le reste — comparées
| Voie | Volume atteignable | Coût | Légalité | Verdict |
| A. Open data (fait ci-dessus) | ~180 k PM, jusqu'à ~300 k avec rapprochement nom/géoloc des POI OSM sans SIRET et flux DATAtourisme | 0 € | OK (ODbL pour la part OSM) | Acquis, mais 2-4 % du périmètre |
| B. Crawl des mentions légales (sites → SIREN + tél. + email, obligation légale LCEN d'afficher tél. et RCS) | plafond = entreprises avec site : ~3-4 M ; amorçage gratuit via Common Crawl (846 k domaines .fr crawlés) + AFNIC (4,2 M de .fr, sans SIREN) + nomDomaine du RNE | serveur + temps machine (~0 € de données) | Données publiées par l'entreprise elle-même ; B2B opt-out | Meilleur rapport volume/coût gratuit — PoC ci-dessous |
| C. Licence fichier national (Easyfichiers 3,2 M fixes + 0,9 M mobiles ; Zecible ; mList/Altares 3 M ; Societe.com 4 M ; Solocal) | 3 à 4,5 M de fixes | catalogue 0,05-0,15 €/ligne (≈ 300-600 k€ pour tout) — licence base entière à négocier (devis) | OK (fichiers B2B, opposition gérée par le vendeur) | Seule voie pour dépasser ~50 % ; à négocier sur le périmètre employeurs (1,8 M) |
D. API à l'unité (Pappers telephone = 3 crédits ≈ 0,03-0,06 € ; SocieteInfo 1 crédit ≈ 0,05-0,25 €) | à la demande | ~0,05 €/entreprise | OK | Pour le rafraîchissement et les listes ciblées, pas pour 6,9 M |
| E. Annuaire universel opérateurs (art. L.34 CPCE, listes d'abonnés Orange & co) | ~35 M d'abonnés pros + particuliers | non public | Réservé aux éditeurs d'annuaires ; revente interdite ; listes d'opposition | Fermé pour une PME |
| Scraping PagesJaunes / 118 712 / 118 000 / societe.com | 4-4,5 M | — | Interdit par CGU + droit sui generis des bases de données ; DataDome | À exclure |
2.4 Cadre légal (vérifié sur Légifrance / CNIL, août 2026)
- Loi n° 2025-594 du 30 juin 2025, art. 13 → nouvel art. L.223-1 code conso, en vigueur depuis le 11 août 2026 : interdiction de démarcher par téléphone un consommateur sans consentement préalable (décret 2026-662 : consentement 1 an, preuve 3 ans). Ne s'applique pas aux personnes morales — un « consommateur » est une personne physique agissant hors de son activité professionnelle. Bloctel a été supprimé le même jour.
- Prospection B2B (CNIL, fiche téléphone mise à jour 10/06/2026 ; L.34-5 CPCE pour l'email) : opt-out — intérêt légitime si l'offre est en lien avec l'activité, information sur l'origine des données au 1er contact (art. 14 RGPD), droit d'opposition simple, conservation ~3 ans après le dernier contact.
- Horaires 10-13 h / 14-20 h et 4 tentatives / 30 jours (D.223-9) : B2C uniquement (FAQ DGCCRF). Les garder en bonne pratique n'a aucun coût.
- Le choix « personnes morales seulement » supprime la zone grise : les EI / micro-entrepreneurs joints sur un numéro personnel ou pour une offre sans lien avec leur activité redeviennent des consommateurs (opt-in). Le standard d'une société n'est pas une donnée personnelle.
- Crawl des mentions légales : licite sur l'intérêt légitime (CNIL 2020 + recommandations du 12/06/2024 « réutilisation de données publiquement accessibles ») aux conditions : coordonnées professionnelles publiées pour être contactées (c'est exactement l'objet d'une mention légale, obligatoire par la LCEN), respect des CGU/robots.txt, minimisation, information au 1er contact, opposition effective, durée limitée, AIPD si grande échelle. Contre-exemple sanctionné : Kaspr (240 k€, 2024) pour des données que les personnes avaient masquées.
- Interdit : extraction de PagesJaunes / 118 712 / 118 000 / societe.com (CGU + droit sui generis du producteur de base, L.342-1 CPI) ; stockage des téléphones Google Places / Bing / HERE / Foursquare (CGU : cache 30 jours max, place_id seulement).
- Annuaire universel (L.34 CPCE, R.10 à R.10-11) : listes d'abonnés réservées aux éditeurs d'annuaires, usage exclusif annuaire/renseignements, revente interdite, liste anti-prospection opposable → voie fermée ; seuls des éditeurs déclarés (Amabis, Solocal) vendent de l'enrichissement dérivé.
- Unités Sirene en diffusion partielle « P » : interdites en prospection (A.123-96 code de commerce) — 11 376 dans le périmètre PM, exclues par défaut.
- OSM (ODbL) : usage interne OK avec attribution ; share-alike seulement si la base dérivée est publiée/revendue.
2.5 « Il y a des logiciels qui scrapent — comment font-ils ? »
Ils ne partent pas de Sirene : ils aspirent Google Maps (fiches Google Business Profile), accessoirement PagesJaunes et LinkedIn. Chaque fiche Google a un téléphone, souvent un site et une adresse — c'est de très loin la plus grosse réserve de numéros d'entreprises en France (ordre de grandeur 3-5 M de fiches avec téléphone, surtout les activités avec vitrine : commerces, restaurants, artisans, santé, services de proximité).
- Technique : navigateur sans tête (Chromium/Playwright) qui déroule les résultats Maps par requête « métier + ville » ou par carreaux géographiques, derrière des proxies résidentiels tournants et des délais aléatoires pour contourner les blocages et CAPTCHAs ; parsing du HTML/JSON interne de Maps ; puis visite du site web de la fiche pour récupérer emails, réseaux sociaux, CMS. Ils n'utilisent pas l'API Places officielle (0,017-0,032 $/requête et interdiction contractuelle de stocker).
- Acteurs et prix : Scrap.io (société française) — 35 €/mois pour 10 000 crédits (≈ 0,0035 €/fiche), jusqu'à 100 000 crédits/mois, export CSV avec téléphone, email, site, avis ; Apify (acteurs « Google Maps Scraper ») — 0,50 à 5 $/1 000 fiches selon l'acteur et le plan ; Phantombuster, Octoparse, Outscraper, Lemlist… même principe.
- Ce qu'ils ne donnent pas : le SIRET. Le rapprochement fiche Google ↔ Sirene se fait par nom + adresse (c'est faisable ici avec la base maître : 70-85 % de match attendu, à valider).
Le vrai statut juridique
- Données : le standard téléphonique d'une société n'est pas une donnée personnelle ; publié par l'entreprise elle-même pour être appelée → intérêt légitime B2B, comme pour les mentions légales (CNIL 2024). Pour des EI, ça redevient du RGPD.
- Contrat : les CGU Google Maps interdisent le scraping et le stockage ; c'est un manquement contractuel entre Google et celui qui scrape — pas une infraction pénale, et ça ne lie pas l'acheteur d'un export. Risque pratique = blocage d'IP/comptes ; Google n'attaque quasiment jamais les petits acteurs européens.
- Droit des bases de données (sui generis, L.342-1 CPI) : c'est l'arme de Solocal contre les scrapers de PagesJaunes (jurisprudence + DataDome). Google pourrait l'invoquer pour Maps mais ne le fait pas en pratique.
- Bilan : le scraping Google Maps est une zone grise tolérée massivement utilisée par les agences de génération de leads françaises ; ce n'est pas de l'« open data » et je ne le présente pas comme tel. Si tu veux y aller, la voie propre est d'acheter des exports à un prestataire (Scrap.io : ~35-500 €/mois) plutôt que de scraper Google depuis tes serveurs (ceux-ci hébergent tes prods et tes IP seraient grillées), puis de faire le rapprochement Sirene ici.
| Voie | Numéros atteignables | Coût |
| Crawl mentions légales (en cours) | ≈ 600 k (.fr) + .com | 0 € |
| Export Google Maps via prestataire + match Sirene | ≈ 3-5 M fiches → 2-3 M PM après match | ~0,004-0,05 €/fiche |
| Licence fichier B2B (Easyfichiers, Zecible…) | 3-4,5 M | 0,05-0,15 €/ligne |
3. Solution proposée — architecture et avancement
Pipeline (tout sur ce serveur, DuckDB, zéro GPU)
- Socle quotidien — 06h00 : téléchargement du dump Annuaire (J-1) + stock INSEE si nouveau mois → reconstruction de
base_entreprises_pm.parquet (6 s). Fait
- Couche contacts open data — OSM (hebdo), RGE, FINESS, Annuaire Santé (quotidien) →
contacts_opendata.parquet, jointure SIRET. Fait ; rapprochement des 260 k téléphones OSM sans SIRET par nom + géolocalisation INSEE (parquet mensuel 809 Mo) et flux DATAtourisme JSON : à faire
- Crawler mentions légales — liste de domaines (AFNIC 4,2 M .fr + Common Crawl +
nomDomaine RNE) → pages /mentions-legales, /contact → extraction SIREN (clé Luhn) + téléphone + email → validation SIREN ∈ base. PoC en cours
- Licence fichier national (option C) — appel d'offres sur le périmètre « employeurs hors SCI/holdings » (1,8 M) auprès d'Easyfichiers / Zecible / Altares-mList / Societe.com ; import et jointure SIRET. Décision Dan
- Hygiène appels — normalisation E.164, dédoublonnage, exclusion des unités « P », marquage fixe/mobile, horaires (10-13 h / 14-20 h, lun-ven), journal d'opposition (droit d'opposition B2B). à faire
- Export vers le dialer / CRM — vue par département × NAF × effectif, CSV ou table SQL. à faire
Avancement
Base identité/adresse/NAF quotidienne
100 %
Périmètre PM + Corse + DOM-COM
100 %
Téléphones open data (jointure SIRET)
100 %
Rapprochement OSM sans SIRET + DATAtourisme
0 %
Crawler mentions légales
25 %
Automatisation quotidienne (cron)
70 %
Hygiène appels + export dialer
0 %
Couverture téléphone attendue (établissements PM employeurs, 1,8 M)
| Étape | Couverture estimée |
| Open data seul | ≈ 5-8 % |
| + crawl mentions légales (sites .fr et .com) | ≈ 30-45 % |
| + licence fichier national | ≈ 70-85 % |
Les deux dernières lignes sont des estimations (taux d'équipement web INSEE : 69 % des ≥ 10 salariés, 37 % des micro ; stocks vendeurs 3-4,5 M) à confirmer par le PoC et par les devis.
3.1 PoC crawl des mentions légales (Common Crawl, réalisé aujourd'hui)
| Indicateur (1 000 sites .fr tirés au hasard) | Résultat |
| Pages « mentions légales » .fr dans le dernier crawl (CC-MAIN-2026-34) | 134 561 pages / 116 576 domaines |
| Temps de traitement | 1 000 pages en 7,1 s (32 threads), 0 erreur |
| Pages avec SIREN valide (clé Luhn + mot-clé) | 61,8 % |
| Pages avec téléphone / avec email | 70,6 % / 70,5 % |
| SIREN trouvés présents dans la base active | 95 % |
| Couple SIREN actif ↔ téléphone (hors hébergeurs/agences) | 43,6 % |
| Couple SIREN actif ↔ email | 42,4 % |
Code : /scratch/entreprises-fr/cc_poc/ (index columnar Common Crawl lu par DuckDB, fetch WARC par HTTP Range, extraction selectolax + regex, jointure base). Piège traité : les SIREN/téléphones d'OVH, o2switch et des agences web apparaissent sur des dizaines de sites → filtre « vu sur ≥ 3 domaines » + 1er SIREN cité = éditeur.
Ce que ça donne à l'échelle
- Common Crawl seul (.fr, 1 crawl) : ≈ 50 800 couples SIREN ↔ tél. + ≈ 49 400 emails, 3,7 Go à lire. Limite : CC ne voit que ~20 % des .fr et CloudFront bloque au-delà de quelques req/s (403 constaté) → passer par S3 us-east-1 ou lisser à 5 req/s (~6 h).
- + ~100 000 domaines non-.fr en français (.com 66 %, .net 14 %) repérables via
content_languages = 'fra'.
- Crawler direct des 4,2 M de .fr (liste AFNIC, licence ouverte) : à ~30-40 % de sites avec mentions légales joignables × 44 % → ordre de grandeur 500 k à 700 k couples SIREN ↔ téléphone, gratuits, réactualisables en continu. C'est le vrai levier « données publiques » : les entreprises publient elles-mêmes tél. et RCS (obligation LCEN).
- Coût : bande passante + quelques jours de crawl poli (1 page/domaine, robots.txt respecté) sur ce serveur ; aucune donnée à acheter.
3.2 Crawl en production — suivi en direct
A. Pages mentions légales Common Crawl (.fr)
100.0 % 116 480 / 116 480 · maj 2026-08-28 21:40:00
B. Crawl direct des domaines .fr (AFNIC, titulaires personnes morales)
0.2 % 10 000 / 4 583 423 · maj 2026-08-28 13:34:22
248 682couples SIREN actif ↔ téléphone obtenus par crawl (hors prestataires)
231 458couples SIREN actif ↔ email
334 311établissements PM avec téléphone (open data + crawl, dédoublonné)
La page se régénère à chaque passage du cron (06:30 UTC) et à chaque consolidation du crawl (crawl/consolidate.py).
4. Corse et Outre-mer
| Code | Territoire | Étab. PM actifs | Entreprises | tél. open data | Note |
| 2A | Corse-du-Sud | 26 235 | 23 328 | 315 | Couvert par Sirene comme la métropole |
| 2B | Haute-Corse | 25 302 | 22 121 | 367 | Couvert par Sirene comme la métropole |
| 971 | Guadeloupe | 57 616 | 53 504 | 307 | Couvert par Sirene comme la métropole |
| 972 | Martinique | 66 769 | 63 023 | 287 | Couvert par Sirene comme la métropole |
| 973 | Guyane | 22 284 | 20 603 | 104 | Couvert par Sirene comme la métropole |
| 974 | La Réunion | 71 834 | 62 637 | 661 | Couvert par Sirene comme la métropole |
| 975 | Saint-Pierre-et-Miquelon | 667 | 627 | 2 | Couvert par Sirene |
| 976 | Mayotte | 9 725 | 8 834 | 54 | Couvert par Sirene comme la métropole |
| 977 | Saint-Barthélemy | 5 657 | 5 499 | 10 | Couvert par Sirene (COG 97701) |
| 978 | Saint-Martin | 7 393 | 6 986 | 23 | Couvert par Sirene (COG 97801) |
| 986 | Wallis-et-Futuna | 107 | 104 | 0 | Sirene = secteur public + SIREN dérogatoires seulement |
| 987 | Polynésie française | 987 | 753 | 0 | Registre local RTE/ISPF : export quotidien sur data.gouv (193 k lignes, sans tél.) |
| 988 | Nouvelle-Calédonie | 1 273 | 1 152 | 0 | Registre local RIDET/ISEE : 43 019 étab. (data.gouv.nc, trimestriel, sans tél.) |
Nouvelle-Calédonie et Polynésie ne sont pas dans Sirene (registres RIDET et RTE, intégrés dans le pipeline comme sources annexes). Téléphones locaux : annuaires OPT (1012.nc, annuaire.pf) non ouverts.
5. Détail par département
Afficher les 108 départements et collectivités
| Code | Département | Étab. PM actifs | Entreprises | tél. open data | % |
|---|
| 01 | Ain | 52 763 | 48 728 | 1 222 | 2.3 % |
| 02 | Aisne | 32 852 | 29 912 | 1 152 | 3.5 % |
| 03 | Allier | 27 289 | 23 126 | 951 | 3.5 % |
| 04 | Alpes-de-Haute-Provence | 17 787 | 15 950 | 677 | 3.8 % |
| 05 | Hautes-Alpes | 18 413 | 16 330 | 676 | 3.7 % |
| 06 | Alpes-Maritimes | 179 200 | 166 652 | 3 844 | 2.1 % |
| 07 | Ardèche | 25 696 | 23 594 | 1 180 | 4.6 % |
| 08 | Ardennes | 18 429 | 16 644 | 629 | 3.4 % |
| 09 | Ariège | 13 914 | 12 618 | 431 | 3.1 % |
| 10 | Aube | 26 088 | 23 761 | 685 | 2.6 % |
| 11 | Aude | 39 710 | 36 259 | 994 | 2.5 % |
| 12 | Aveyron | 30 407 | 25 782 | 1 137 | 3.7 % |
| 13 | Bouches-du-Rhône | 239 013 | 219 985 | 5 171 | 2.2 % |
| 14 | Calvados | 66 669 | 60 715 | 5 155 | 7.7 % |
| 15 | Cantal | 14 253 | 11 422 | 321 | 2.3 % |
| 16 | Charente | 29 314 | 25 938 | 1 242 | 4.2 % |
| 17 | Charente-Maritime | 70 159 | 62 898 | 3 340 | 4.8 % |
| 18 | Cher | 22 410 | 19 949 | 723 | 3.2 % |
| 19 | Corrèze | 23 148 | 20 343 | 591 | 2.6 % |
| 21 | Côte-d'Or | 52 969 | 48 427 | 2 036 | 3.8 % |
| 22 | Côtes-d'Armor | 56 624 | 51 912 | 1 649 | 2.9 % |
| 23 | Creuse | 10 481 | 8 461 | 258 | 2.5 % |
| 24 | Dordogne | 37 620 | 33 415 | 779 | 2.1 % |
| 25 | Doubs | 43 817 | 40 263 | 2 342 | 5.3 % |
| 26 | Drôme | 56 625 | 51 773 | 2 158 | 3.8 % |
| 27 | Eure | 46 193 | 42 961 | 1 846 | 4.0 % |
| 28 | Eure-et-Loir | 35 639 | 32 804 | 1 266 | 3.6 % |
| 29 | Finistère | 75 794 | 67 770 | 3 354 | 4.4 % |
| 2A | Corse-du-Sud | 26 235 | 23 328 | 315 | 1.2 % |
| 2B | Haute-Corse | 25 302 | 22 121 | 367 | 1.5 % |
| 30 | Gard | 77 704 | 72 408 | 1 802 | 2.3 % |
| 31 | Haute-Garonne | 130 781 | 119 286 | 5 134 | 3.9 % |
| 32 | Gers | 22 339 | 19 732 | 527 | 2.4 % |
| 33 | Gironde | 179 071 | 162 604 | 5 178 | 2.9 % |
| 34 | Hérault | 148 588 | 137 158 | 3 206 | 2.2 % |
| 35 | Ille-et-Vilaine | 106 665 | 96 848 | 5 078 | 4.8 % |
| 36 | Indre | 17 027 | 14 891 | 1 032 | 6.1 % |
| 37 | Indre-et-Loire | 51 461 | 46 373 | 2 938 | 5.7 % |
| 38 | Isère | 115 836 | 106 447 | 4 391 | 3.8 % |
| 39 | Jura | 22 649 | 20 656 | 1 330 | 5.9 % |
| 40 | Landes | 43 975 | 38 908 | 1 253 | 2.8 % |
| 41 | Loir-et-Cher | 28 132 | 25 587 | 686 | 2.4 % |
| 42 | Loire | 63 883 | 58 570 | 2 871 | 4.5 % |
| 43 | Haute-Loire | 19 015 | 17 068 | 546 | 2.9 % |
| 44 | Loire-Atlantique | 131 596 | 118 643 | 6 426 | 4.9 % |
| 45 | Loiret | 50 338 | 45 691 | 2 200 | 4.4 % |
| 46 | Lot | 16 997 | 14 797 | 382 | 2.2 % |
| 47 | Lot-et-Garonne | 33 568 | 29 915 | 909 | 2.7 % |
| 48 | Lozère | 7 928 | 7 127 | 215 | 2.7 % |
| 49 | Maine-et-Loire | 68 949 | 62 368 | 2 393 | 3.5 % |
| 50 | Manche | 36 912 | 32 984 | 1 830 | 5.0 % |
| 51 | Marne | 54 308 | 49 127 | 1 500 | 2.8 % |
| 52 | Haute-Marne | 12 654 | 11 292 | 383 | 3.0 % |
| 53 | Mayenne | 25 812 | 23 352 | 774 | 3.0 % |
| 54 | Meurthe-et-Moselle | 49 899 | 45 446 | 2 469 | 4.9 % |
| 55 | Meuse | 13 318 | 12 101 | 478 | 3.6 % |
| 56 | Morbihan | 73 428 | 66 850 | 2 228 | 3.0 % |
| 57 | Moselle | 81 492 | 74 646 | 3 602 | 4.4 % |
| 58 | Nièvre | 15 500 | 13 544 | 476 | 3.1 % |
| 59 | Nord | 192 632 | 174 535 | 6 423 | 3.3 % |
| 60 | Oise | 60 981 | 56 300 | 2 050 | 3.4 % |
| 61 | Orne | 20 754 | 18 910 | 1 090 | 5.3 % |
| 62 | Pas-de-Calais | 92 710 | 83 546 | 2 475 | 2.7 % |
| 63 | Puy-de-Dôme | 52 015 | 46 513 | 1 455 | 2.8 % |
| 64 | Pyrénées-Atlantiques | 75 440 | 67 637 | 3 506 | 4.6 % |
| 65 | Hautes-Pyrénées | 19 355 | 17 234 | 636 | 3.3 % |
| 66 | Pyrénées-Orientales | 55 349 | 49 603 | 1 586 | 2.9 % |
| 67 | Bas-Rhin | 113 924 | 105 556 | 3 487 | 3.1 % |
| 68 | Haut-Rhin | 67 822 | 62 577 | 1 557 | 2.3 % |
| 69 | Rhône | 217 797 | 201 113 | 7 211 | 3.3 % |
| 70 | Haute-Saône | 17 662 | 16 344 | 514 | 2.9 % |
| 71 | Saône-et-Loire | 45 657 | 40 473 | 1 382 | 3.0 % |
| 72 | Sarthe | 37 433 | 33 403 | 1 988 | 5.3 % |
| 73 | Savoie | 54 056 | 47 714 | 1 418 | 2.6 % |
| 74 | Haute-Savoie | 93 655 | 84 832 | 2 616 | 2.8 % |
| 75 | Paris | 662 823 | 627 475 | 11 431 | 1.7 % |
| 76 | Seine-Maritime | 84 420 | 75 003 | 4 237 | 5.0 % |
| 77 | Seine-et-Marne | 110 861 | 103 044 | 2 223 | 2.0 % |
| 78 | Yvelines | 126 112 | 117 282 | 3 792 | 3.0 % |
| 79 | Deux-Sèvres | 28 651 | 25 807 | 1 381 | 4.8 % |
| 80 | Somme | 40 266 | 36 451 | 1 346 | 3.3 % |
| 81 | Tarn | 34 294 | 30 344 | 1 053 | 3.1 % |
| 82 | Tarn-et-Garonne | 22 871 | 20 719 | 577 | 2.5 % |
| 83 | Var | 133 470 | 122 699 | 2 847 | 2.1 % |
| 84 | Vaucluse | 62 696 | 57 705 | 1 673 | 2.7 % |
| 85 | Vendée | 66 460 | 58 038 | 2 653 | 4.0 % |
| 86 | Vienne | 34 339 | 30 371 | 1 045 | 3.0 % |
| 87 | Haute-Vienne | 28 685 | 25 746 | 1 186 | 4.1 % |
| 88 | Vosges | 32 017 | 28 966 | 1 812 | 5.7 % |
| 89 | Yonne | 28 439 | 25 598 | 991 | 3.5 % |
| 90 | Territoire de Belfort | 10 033 | 9 453 | 436 | 4.3 % |
| 91 | Essonne | 99 326 | 93 560 | 2 544 | 2.6 % |
| 92 | Hauts-de-Seine | 188 508 | 177 654 | 3 641 | 1.9 % |
| 93 | Seine-Saint-Denis | 145 843 | 139 417 | 1 749 | 1.2 % |
| 94 | Val-de-Marne | 121 220 | 115 644 | 2 479 | 2.0 % |
| 95 | Val-d'Oise | 107 259 | 102 244 | 1 927 | 1.8 % |
| 971 | Guadeloupe | 57 616 | 53 504 | 307 | 0.5 % |
| 972 | Martinique | 66 769 | 63 023 | 287 | 0.4 % |
| 973 | Guyane | 22 284 | 20 603 | 104 | 0.5 % |
| 974 | La Réunion | 71 834 | 62 637 | 661 | 0.9 % |
| 975 | Saint-Pierre-et-Miquelon | 667 | 627 | 2 | 0.3 % |
| 976 | Mayotte | 9 725 | 8 834 | 54 | 0.6 % |
| 977 | Saint-Barthélemy | 5 657 | 5 499 | 10 | 0.2 % |
| 978 | Saint-Martin | 7 393 | 6 986 | 23 | 0.3 % |
| 984 | TAAF | 1 | 1 | 0 | 0.0 % |
| 986 | Wallis-et-Futuna | 107 | 104 | 0 | 0.0 % |
| 987 | Polynésie française | 987 | 753 | 0 | 0.0 % |
| 988 | Nouvelle-Calédonie | 1 273 | 1 152 | 0 | 0.0 % |
6. Livrables et fichiers
- Base maître parquet :
/scratch/entreprises-fr/data/base_entreprises_pm.parquet (6 744 786 lignes, 29 colonnes : siret, siren, nom, enseigne, cat. juridique, NAF + libellé, voie, CP, ville, code commune, département, effectifs, employeur, dates, tél./email open data via contacts_opendata.parquet).
- Échantillon téléchargeable : Corse-du-Sud, sièges, 22 094 lignes (CSV ;).
- Scripts :
build_base.py (reconstruction 6 s), union.py (sources tél.), scope_pm.py, osm_extract.py, rge_fetch.py, daily_update.sh (cron quotidien à poser).
- Rappel infra : /scratch est reformatable — le code est à recopier sur /root avant mise en production (cf. règle stop/start GPU).