> soundex | phonétique | fuzzy <
// Soundex – algorithme phonétique pour indexer les noms par leur son
Basé sur le son
Encode les noms selon la prononciation plutôt que l’orthographe.
Correspondance approximative
Retrouve des noms qui sonnent de façon similaire même s’ils sont écrits différemment.
Généalogie
Outil essentiel pour la généalogie et les archives historiques.
>> informations techniques
Comment fonctionne Soundex:
Soundex conserve la première lettre et remplace les consonnes par des chiffres regroupés par similarité phonétique. Les consonnes qui se prononcent de façon proche partagent le même chiffre, les voyelles sont ignorées et le code est complété ou tronqué à 4 caractères (American) ou de longueur variable (Refined).
Règles de codage:
1 = B,F,P,V 2 = C,G,J,K,Q,S,X,Z 3 = D,T 4 = L 5 = M,N 6 = R Robert → R163 Rupert → R163 Rubin → R150
Pourquoi utiliser Soundex ?:
- >Déduplication dans les bases de données
- >Recherche généalogique
- >Analyse de recensements
- >Correspondance clients
- >Correction orthographique
>> questions fréquentes
Qu’est‑ce que Soundex ?
Soundex est un algorithme phonétique breveté en 1918 pour indexer les noms par leur son. Il a été conçu pour le recensement américain afin de retrouver des noms de famille avec des prononciations similaires malgré des orthographes différentes.
American vs Refined Soundex ?
American Soundex produit des codes à 4 caractères (une lettre + 3 chiffres). Refined Soundex (utilisé par exemple dans SQL Server) utilise plus de groupes et des codes de longueur variable pour une meilleure précision.
Pourquoi des orthographes différentes partagent‑elles le même code ?
C’est précisément le but ! Soundex regroupe les noms qui se prononcent de manière similaire. Smith et Schmidt sonnent presque pareil, ils obtiennent donc des codes proches pour faciliter la recherche de variantes.
Quelles sont les limites de Soundex ?
Soundex fonctionne surtout bien avec des noms anglais. Il peut être moins adapté aux autres langues et certaines variantes orthographiques très éloignées peuvent donner des codes différents pour le même nom.
// Aide-mémoire
| Digit | Letters |
|---|---|
| 1 | B F P V |
| 2 | C G J K Q S X Z |
| 3 | D T |
| 4 | L |
| 5 | M N |
| 6 | R |
| — | A E I O U Y H W (skipped) |
// Exemples de code
1. Keep the first letter. 2. Replace the other letters with digits (table above). 3. Drop vowels and Y; H and W are skipped (letters on both sides of H/W with the same code collapse into one digit). 4. Collapse adjacent identical digits. 5. Pad with 0 or truncate to letter + 3 digits. Robert -> R163 Rupert -> R163 Rubin -> R150 Ashcraft -> A261 Tymczak -> T522 Pfister -> P236
>> Autres questions
Q : Pourquoi Robert et Rupert ont-ils le même code Soundex ?
R : Tous deux commencent par R et sont codés par groupes de consonnes : B/P → 1, R → 6, T → 3 donne R163. Soundex regroupe les consonnes de sonorité proche, donc les variantes d’un même nom correspondent souvent.
Q : Comment Soundex traite-t-il H et W ?
R : H et W sont ignorés et ne séparent pas : si les consonnes de part et d’autre ont le même code, elles comptent pour un seul son. Ashcraft donne ainsi A261 et non A226. Les voyelles, elles, séparent.
Q : Quelles sont les limites de Soundex ?
R : Il a été conçu pour les noms anglais (brevets de 1918/1922 de Russell et Odell) et ignore la sonorité après la première lettre. Des noms à initiale différente, comme Catherine et Katherine, ne correspondent donc pas.