# Précision ou couverture en mapping ? Ce que signifie vraiment 99,99 %

> URL: https://hotelmapping.org/fr/guide/precision-ou-couverture-du-mapping/ · Langue: Français · Dernière mise à jour: 2026-11-15

**En mapping hôtelier, la précision indique la part des correspondances automatiques qui sont exactes ; la couverture, la part des fiches à rapprocher qui l'ont été. Relever le seuil réduit les fausses correspondances, mais fait baisser la couverture et allonge la revue humaine. Une annonce de « 99,99 % de précision » n'a de sens qu'avec le jeu de test et le dénominateur.**

## Réponse courte

Parmi les chiffres les plus fréquents dans les textes de présentation des fournisseurs de mapping hôtelier, on trouve « 99,99 % de précision ». Ce chiffre est impressionnant, mais à lui seul il ne dit pas à quel point un service de mapping sera utile. La qualité d'un mapping ne se décrit pas par un seul nombre, mais par trois nombres liés entre eux :

- **Précision :** quelle part des correspondances attribuées automatiquement est exacte ? Son contraire est le taux de fausses correspondances.
- **Couverture :** quelle part des fiches qui appartiennent réellement au même hôtel a effectivement été rapprochée ?
- **Taux de revue humaine :** quelle part des fiches n'a pas pu être tranchée automatiquement et est passée entre les mains d'un expert ?

Ces trois nombres évoluent ensemble. Le réglage qui améliore l'un dégrade le plus souvent l'un des deux autres. Dans cet article, nous expliquons cet équilibre, la façon dont le choix du seuil modifie les trois nombres et les questions à poser pour évaluer les annonces de haute précision. Pour le fonctionnement général du mapping hôtelier, consultez d'abord le [guide du mapping hôtelier](https://hotelmapping.org/fr/guide/qu-est-ce-que-le-mapping-hotelier/).

## Précision, couverture et revue humaine : trois questions distinctes

Pour chaque fiche fournisseur, un moteur de mapping prend l'une de trois décisions : rattacher la fiche à un hôtel existant, la soumettre à un expert, ou ouvrir un nouvel identifiant d'hôtel. Chaque décision peut être juste ou fausse, et le coût des erreurs n'est pas le même.

| Résultat | Que s'est-il passé ? | Quelle métrique est touchée ? | Effet pour l'agence |
| --- | --- | --- | --- |
| Correspondance correcte | Deux fiches du même hôtel ont été reliées | Précision et couverture | Les prix sont comparés sur le bon hôtel |
| Fausse correspondance | Deux hôtels différents ont été reliés au même identifiant | Fait baisser la précision | Un hôtel est vendu au client, la réservation part vers un autre |
| Correspondance manquée | La fiche d'un même hôtel a reçu un nouvel identifiant | Fait baisser la couverture | Le même hôtel apparaît deux fois dans la liste (doublon) |
| Revue humaine | Le score est resté dans la zone d'incertitude, la fiche est allée à un expert | Augmente le taux de revue humaine | La bonne décision est prise, mais cela demande du temps et du travail |

La fausse correspondance est généralement l'erreur la plus coûteuse. Le client paie pour un hôtel, la réservation est transmise à un autre établissement et le problème se révèle le plus souvent à la réception de l'hôtel. La correspondance manquée est plus discrète : le même hôtel apparaît dans la liste sous deux noms différents, avec deux prix différents. Cela fait baisser la conversion et fausse la comparaison des prix. Nous expliquons comment les doublons sont nettoyés dans l'entrée [déduplication](https://hotelmapping.org/fr/glossaire/dedoublonnage/) et leur coût pour l'agence dans l'article sur le [coût du doublon d'hôtel](https://hotelmapping.org/fr/guide/cout-des-hotels-en-double-pour-l-agence/).

La revue humaine, en revanche, n'est pas une erreur, c'est un coût. Montrer les fiches incertaines à un expert réduit les deux types d'erreurs, mais chaque fiche demande du temps et le rapprochement d'un nouveau fichier fournisseur prend du retard.

### Pourquoi les deux ne peuvent-elles pas être maximales en même temps ?

Pour chaque paire candidate, le moteur de mapping produit un [score de correspondance](https://hotelmapping.org/fr/glossaire/score-de-correspondance/) : une valeur entre 0 et 1 qui indique la probabilité que les deux fiches désignent le même hôtel. La décision dépend du seuil au-dessus duquel se situe ce score.

Si vous relevez le seuil, seules les fiches dont on est très sûr sont rapprochées automatiquement. Les fausses correspondances diminuent, la précision augmente. Mais les correspondances justes dont le score est un peu plus bas sortent aussi de la décision automatique : elles vont dans la file de revue, ou reçoivent un nouvel identifiant et deviennent des doublons. Si vous abaissez le seuil, l'inverse se produit : la couverture augmente, mais des fausses correspondances se glissent parmi les autres.

C'est pourquoi la phrase « notre précision est de 99,99 % » reste incomplète tant que la question « quelle est votre couverture ? » n'a pas reçu de réponse. Un système qui ne rapproche aucune fiche ne fait aucune fausse correspondance ; il est techniquement sans erreur, mais ne sert à rien.

## Comment le choix du seuil modifie-t-il les trois nombres ?

La règle de décision prévue chez hotelmapping.org repose sur deux seuils : correspondance automatique si le score est de 0,97 ou plus, revue humaine entre 0,80 et 0,97, nouvel HM ID en dessous de 0,80. Les seuils sont ajustés sur un jeu de test étiqueté à la main. Il est possible d'illustrer l'effet de ces deux seuils et de réglages alternatifs par un exemple de calcul.

### Exemple de calcul (entièrement hypothétique)

**Les chiffres ci-dessous sont un exemple.** Ils ne proviennent d'aucune mesure réelle, d'aucun fournisseur ni d'aucun client ; ils ont été construits uniquement pour montrer l'effet du choix du seuil.

Supposons 10 000 fiches fournisseurs étiquetées. Parmi elles, 9 000 ont une correspondance réelle dans la base, et 1 000 sont de nouveaux hôtels qui n'existent encore dans aucune source. Pour les fiches envoyées en revue humaine, on suppose que l'expert prend la bonne décision. Traitées avec quatre réglages différents, les mêmes fiches peuvent donner le tableau suivant :

| Scénario | Réglage | Précision automatique | Couverture automatique | Couverture après revue | Taux de revue humaine | Fausses correspondances | Correspondances manquées (doublons) |
| --- | --- | --- | --- | --- | --- | --- | --- |
| A | Seuil unique 0,90, pas de revue humaine | 99,50 % | 97,3 % | 97,3 % | 0 % | 44 | 214 |
| B | 0,97 / 0,80 | 99,90 % | 89,9 % | 97,6 % | 7,5 % | 8 | 210 |
| C | 0,99 / 0,80 | 99,99 % | 77,8 % | 97,7 % | 18,5 % | 1 | 210 |
| D | Seuil unique 0,99, pas de revue humaine | 99,99 % | 77,8 % | 77,8 % | 0 % | 1 | 2 000 |

Le tableau permet de tirer quatre conclusions :

1. **Dans les scénarios C et D, la précision est identique : 99,99 %.** Mais dans le scénario D, 2 000 hôtels restent en doublon ; environ un cinquième des hôtels ayant une correspondance apparaît deux fois dans la liste. Le même chiffre de précision peut décrire deux services très différents.
2. **Le scénario C achète 99,99 % de précision avec du travail humain.** 18,5 % des fiches vont à un expert. Sur un fichier de 10 000 fiches, cela représente 1 850 fiches. À l'ajout d'un nouveau fournisseur, le rapprochement complet du fichier peut prendre des jours.
3. **Le scénario A est rapide et large, mais laisse 44 fausses correspondances.** Chacune représente le risque qu'un client soit envoyé dans un autre hôtel.
4. **Le seuil bas (0,80) détermine les correspondances manquées.** Dans les scénarios B et C, même si le seuil haut change, le nombre de fiches restées en doublon est le même (210). Pour réduire les doublons, il faut abaisser le seuil bas ; cela agrandit encore la file de revue.

Le scénario B de l'exemple correspond aux seuils prévus par hotelmapping.org. Dans cet exemple, le taux de revue humaine ressort à 7,5 %, soit au-dessus de l'objectif prévu de 5 %. Cela montre aussi que le réglage du seuil ne suffit pas à lui seul. Le vrai moyen de réduire la file de revue est de réduire le nombre de fiches qui tombent dans la zone d'incertitude du modèle : meilleure normalisation, coordonnées plus propres, signaux supplémentaires comme le téléphone et l'adresse web. Le seuil choisit où vous vous placez sur la même courbe ; un meilleur modèle améliore la courbe elle-même.

### À quoi doit ressembler un rapport de mesure ?

Une mesure de qualité doit montrer non seulement le pourcentage obtenu, mais aussi les nombres à partir desquels il est calculé. Le JSON ci-dessous montre comment le scénario B ci-dessus pourrait figurer dans un rapport de mesure. Les noms de champs et les valeurs sont un exemple ; il ne s'agit pas d'un format de rapport arrêté par hotelmapping.org.

```json
{
  "example": true,
  "test_set": {
    "name": "exemple-mediterranee-2026",
    "records": 10000,
    "records_with_counterpart": 9000,
    "labeling": "deux experts, un troisième en cas de désaccord",
    "markets": ["antalya", "mugla", "istanbul"]
  },
  "thresholds": { "auto_match": 0.97, "review": 0.80 },
  "decisions": {
    "auto_match": { "count": 8100, "correct": 8092, "wrong": 8 },
    "review": { "count": 750, "matched_after_review": 690, "new_id_after_review": 60 },
    "new_id": { "count": 1150, "missed_counterpart": 210 }
  },
  "metrics": {
    "precision_auto": 0.9990,
    "coverage_auto": 0.8991,
    "coverage_after_review": 0.9758,
    "review_share": 0.075
  },
  "by_market": [
    { "market": "antalya", "auto_match": 3400, "wrong": 6, "precision_auto": 0.9982 },
    { "market": "other", "auto_match": 4700, "wrong": 2, "precision_auto": 0.9996 }
  ]
}
```

Prêtez attention à la section `by_market`. La précision, de 99,90 % au total, tombe à 99,82 % sur les fiches d'Antalya ; 6 des 8 fausses correspondances se situent sur ce marché. De nombreux resorts portant le même nom, des emplacements proches les uns des autres et des noms multilingues rendent une région plus difficile que les autres. Le chiffre moyen masque cet écart.

## Comment interroger l'annonce « 99,99 % de précision » ?

Lorsque vous voyez un chiffre de précision élevé, poser les questions suivantes révèle ce qu'il dit réellement. Ces questions valent pour tous les fournisseurs, hotelmapping.org compris.

### 1. Avec quel jeu de test a-t-il été mesuré ?

Derrière le chiffre, il doit y avoir un jeu de test étiqueté à la main. Combien de fiches ou de paires ont été étiquetées ? Les fiches ont-elles été choisies au hasard, ou les hôtels de chaînes, faciles à rapprocher, dominent-ils ? Le jeu de test a-t-il été tenu séparé des données d'entraînement du modèle ? L'étiquetage a-t-il été fait par combien de personnes et selon quelle règle ?

La taille du jeu de test compte aussi. Même si aucune erreur n'apparaît dans un jeu de test, cela ne prouve pas ce taux de façon certaine. Selon la « règle de trois », souvent utilisée en statistique, lorsqu'aucune erreur n'est observée sur n fiches, la borne supérieure du taux d'erreur réel est d'environ 3/n (à un niveau de confiance de 95 %). Zéro erreur sur 5 000 correspondances automatiques indique un taux d'erreur inférieur à environ 0,06 % ; on peut donc dire au mieux « 99,94 % et plus ». Pour démontrer 99,99 % par cette méthode, il faudrait environ 30 000 correspondances automatiques sans aucune erreur.

### 2. Sur quel marché a-t-il été mesuré ?

Une moyenne globale peut ne pas refléter la situation dans les régions que vous vendez. Les hôtels urbains et les grandes chaînes se rapprochent en général plus facilement ; les régions de resorts méditerranéens, les appart-hôtels et les hôtels boutique sont plus difficiles. Demandez des chiffres distincts pour des régions comme Antalya, Muğla, Dubaï ou l'Égypte. Le chiffre a-t-il été mesuré seulement avec les noms d'une seule langue, ou les noms russes et arabes figurent-ils aussi dans le jeu de test ?

### 3. Sur quel dénominateur a-t-il été calculé ?

C'est la question la plus souvent négligée. La précision peut se calculer de trois façons, qui donnent toutes des chiffres très différents :

- **Sur les correspondances automatiques :** nombre de correspondances correctes / toutes les correspondances automatiques. C'est la définition de cet article.
- **Sur toutes les fiches :** décisions correctes / toutes les fiches. Les décisions « nouvel hôtel » correctement prises s'ajoutent aussi au numérateur, ce qui fait monter le chiffre.
- **Sur toutes les paires candidates :** décisions correctes / toutes les paires comparées. Presque toutes les paires comparées sont de toute façon des hôtels différents. Si sur 1 000 000 de paires candidates seules 9 000 sont de vraies correspondances, même un système qui ne rapproche rien atteint 99,1 % de « décisions correctes ».

Si le dénominateur n'est pas précisé, il est impossible de comparer le chiffre.

### 4. Seulement les correspondances automatiques, ou toutes les correspondances ?

Certains chiffres incluent aussi les correspondances passées par la revue humaine. Dans ce cas, la haute précision est le succès de l'équipe d'experts, non du modèle. Ce n'est pas mauvais, mais c'est autre chose : la revue humaine prend du temps et détermine en combien de temps les nouveaux fichiers fournisseurs seront rapprochés. Demandez séparément la précision des correspondances automatiques et le taux de revue humaine.

### 5. Quelles sont la couverture et le taux de revue au même seuil ?

Le chiffre de précision doit être donné avec la couverture et le taux de revue humaine mesurés au même seuil. Le scénario D de l'exemple de calcul montre que 99,99 % de précision peut s'accompagner de 77,8 % de couverture. Si un fournisseur ne partage que la précision, demandez séparément les deux autres chiffres.

### 6. A-t-il été testé avec vos propres données ?

La mesure la plus fiable est un essai réalisé avec un échantillon tiré de vos propres données fournisseurs. Étiquetez vous-même quelques centaines de fiches des régions que vous vendez et comparez le résultat du fournisseur à ces étiquettes. Cette méthode en dit bien plus que le chiffre général annoncé. Pour d'autres questions à poser lors du choix d'un fournisseur, consultez l'article [12 questions pour choisir une API de mapping hôtelier](https://hotelmapping.org/fr/guide/12-questions-choisir-api-mapping-hotelier/).

## Quelle métrique privilégier ?

Le bon équilibre dépend de l'usage que vous faites des données mappées :

- Pour les **agences et tour-opérateurs qui prennent des réservations**, la fausse correspondance est l'erreur la plus coûteuse. Il est logique de privilégier la précision et d'envoyer les fiches incertaines en revue humaine.
- Pour les **sites qui comparent des prix**, la précision et la couverture comptent toutes deux. Une fausse correspondance conduit à une comparaison de prix erronée, une correspondance manquée à une liste de prix incomplète.
- Pour le **reporting et l'analyse**, la couverture peut être plus importante ; quelques fausses correspondances isolées ne changent pas beaucoup la statistique globale.

Quel que soit votre choix, la décision doit être visible pour chaque correspondance. Dans les réponses de l'API v1 (version préliminaire) de hotelmapping.org, le score de confiance de chaque correspondance est renvoyé dans le champ `confidence` et la décision prise dans le champ `decision`. Vous pouvez ainsi appliquer un seuil plus strict avec votre propre règle métier. Pour les détails, consultez la page de l'[API de correspondance](https://hotelmapping.org/fr/produits/solutions-find-match-api/).

## Comment hotelmapping.org mesurera-t-il ces chiffres ?

La qualité du produit de [mapping hôtelier](https://hotelmapping.org/fr/produits/solutions-mapping-hotelier/) sera mesurée à chaque version sur un jeu de test d'au moins 5 000 paires d'hôtels étiquetées à la main. Le jeu de test comprendra en particulier des fiches d'Antalya, de Muğla, d'Istanbul, de Dubaï et d'Égypte. Les métriques rapportées seront les trois nombres décrits dans cet article : la précision (taux de fausses correspondances), la couverture (part des fiches rapprochées) et la part des fiches tombant en revue humaine.

Aucun résultat mesuré n'a encore été publié. Les valeurs mesurées seront publiées sur la page de [couverture](https://hotelmapping.org/fr/couverture/), avec le dénominateur et le marché sur lesquels elles ont été mesurées, une fois le jeu de test achevé. Nous ne publierons sur le site que des chiffres validés par cette mesure.

## En résumé

La précision, la couverture et le taux de revue humaine sont trois faces du même réglage de seuil. Relever le seuil réduit les fausses correspondances, mais agrandit soit les doublons, soit la file de revue. Un chiffre comme « 99,99 % de précision » n'a de sens que si l'on connaît le jeu de test, le marché, le dénominateur et la distinction entre correspondances automatiques et revues, et s'il est accompagné de la couverture au même seuil. Lorsque vous évaluez un fournisseur, demandez les trois chiffres ensemble et, si possible, testez avec vos propres données.

## Questions fréquentes

### La précision et la couverture sont-elles la même chose ?

Non. La précision mesure la part des correspondances données qui sont exactes ; la couverture mesure la part des fiches à rapprocher qui l'ont été. Un système qui ne propose aucune correspondance ne fait aucune erreur, mais sa couverture est nulle. Les deux chiffres doivent donc toujours être donnés ensemble, pour le même seuil.

### Une annonce de 99,99 % de précision est-elle fausse ?

Elle n'est pas forcément fausse, mais elle est incomplète à elle seule. Sans savoir sur quel jeu de test, sur quel marché, sur quel dénominateur et sur les seules correspondances automatiques ou non, on ne peut pas comprendre ce que le chiffre dit. Il faut aussi demander la couverture et le taux de revue humaine au même seuil.

### Puis-je modifier moi-même les valeurs de seuil ?

Dans les réponses de l'API v1 (version préliminaire), le score de confiance de chaque correspondance est renvoyé dans le champ confidence. Vous pouvez l'utiliser pour appliquer dans votre propre système une règle plus stricte, par exemple n'accepter automatiquement que les scores supérieurs à 0,99. Il n'est pas encore tranché si un réglage de seuil par client sera proposé côté service.

### Quels sont la précision et la couverture mesurées de hotelmapping.org ?

Aucune mesure n'a encore été publiée. Le plan est de mesurer sur au moins 5 000 paires d'hôtels étiquetées à la main et de publier le résultat sur la page de couverture.

## Produits associés

- [Solutions de mapping hôtelier](https://hotelmapping.org/fr/produits/solutions-mapping-hotelier/)
- [Solutions Find Match API](https://hotelmapping.org/fr/produits/solutions-find-match-api/)

## Articles associés

- [Qu'est-ce que le mapping hôtelier (hotel mapping) ? Fonctionnement et guide complet](https://hotelmapping.org/fr/guide/qu-est-ce-que-le-mapping-hotelier/)
- [12 questions à poser pour choisir une API de mapping hôtelier](https://hotelmapping.org/fr/guide/12-questions-choisir-api-mapping-hotelier/)

## Termes associés

- [Score de correspondance](https://hotelmapping.org/fr/glossaire/score-de-correspondance/)
- [Dédoublonnage](https://hotelmapping.org/fr/glossaire/dedoublonnage/)
