Base de données B2B : scraper, acheter ou exporter les données des entreprises ?

Qu’est-ce qu’une base de données B2B, et que doit-elle contenir ?

Une base de données B2B (de l’anglais business to business) est une liste d’entreprises, et non de particuliers, assez riche pour choisir celles à démarcher et pour les joindre. On l’appelle aussi fichier de prospection. Sa valeur tient moins à sa taille qu’à trois qualités : être juste (une entreprise radiée ou un mauvais secteur font perdre un appel), être à jour (des milliers d’entreprises se créent, déménagent ou ferment chaque semaine) et être filtrable (par activité, territoire, taille, ancienneté).

Une fiche utile réunit, pour chaque entreprise :

• son identité : SIREN, dénomination, forme juridique, adresse du siège, date de création, statut (active ou radiée) ;
• son activité et sa taille : code NAF, effectif, capital, nombre d’établissements ;
• ses dirigeants, pour savoir à qui s’adresser ;
• ses finances : chiffre d’affaires et résultat, quand les comptes sont publiés ;
• ses coordonnées : site internet, téléphone et e-mail de contact, réseaux sociaux ;
• les événements de sa vie : procédure collective, transfert de siège, changement de dirigeant — ce qui fait d’une entreprise un bon ou un mauvais prospect ce mois-ci.

entreprises actives

14 979 402

sur 27 830 499 immatriculées

sociétés commerciales actives

4 584 232

SAS, SARL, SA, SNC…

entreprises actives aux comptes publiés

1 014 507

et lisibles au registre

entreprises actives avec un site rattaché

752 869

soit 5 %

Ces quatre chiffres disent où est la difficulté. L’identité de quinze millions d’entreprises est connue ; les comptes ne sont lisibles que pour une petite partie d’entre elles, et un site internet sûr pour 5 % seulement — 12 % parmi les sociétés commerciales.

Peut-on scraper les données des entreprises, et est-ce légal ?

Scraper, c’est faire lire des pages web par un programme pour en extraire les données en série : les fiches d’un annuaire, les résultats d’un moteur, les profils d’un réseau social. Le procédé n’est pas interdit en soi, mais ce que l’on scrape, et ce que l’on en fait, l’est souvent.

• Les conditions d’utilisation du site. Les grands annuaires d’entreprises interdisent l’extraction automatisée : Pappers proscrit, dans ses conditions générales, la navigation par « un logiciel robot ou tout autre procédé ou outil automatisé équivalent », Societe.com l’emploi de « robots, programmes permettant l’extraction directe de données ». Passer outre expose à un blocage et à un litige.
• Le droit du producteur de base de données. Le code de la propriété intellectuelle protège celui qui a investi pour constituer une base : il peut interdire l’extraction de tout ou partie substantielle de son contenu (article L342-1), et même l’extraction répétée et systématique de petites parties (article L342-2). L’atteinte est un délit, puni de trois ans d’emprisonnement et de 300 000 € d’amende (article L343-4). Les données publiques ne sont à personne ; la base qui les assemble, si.
• Le RGPD. Le nom d’un dirigeant, son e-mail nominatif, son numéro de portable sont des données personnelles, même quand ils sont publics en ligne. En décembre 2024, la CNIL a infligé 240 000 € d’amende à Kaspr, une extension de navigateur qui récupérait les coordonnées des membres de LinkedIn : collecte sans base légale, durée de conservation excessive, personnes mal informées. La société a depuis effacé sa base.

Il y a plus simple : le répertoire Sirene de l’INSEE, qui recense toutes les entreprises, est publié en open data sous la Licence ouverte, qui en autorise la réutilisation, commerciale comprise, à condition d’en citer la source et la date. Scraper un annuaire pour récupérer ce que l’État publie gratuitement, c’est prendre le risque juridique sans le moindre gain de données.

Pourquoi scraper des données d’entreprises prend autant de temps

Prenons le cas le plus favorable : un programme qui lit une fiche d’annuaire par seconde, sans jamais être bloqué. Lire une fois les 27 830 499 entreprises du registre lui prendrait 322 jours, environ 11 mois — et une fiche complète en demande souvent plusieurs pages (dirigeants, comptes, annonces). Aller plus vite, c’est multiplier les adresses et les serveurs, et se faire repérer plus tôt : les sites protègent leurs pages contre les robots, et répondent alors par un refus ou une page de vérification.

Lire n’est pourtant que le début. Nous avons construit la base de Checkers à partir des registres publics : voici ce que cela a demandé, et que tout projet de collecte retrouve sous une forme ou une autre.

• Des volumes que l’on ne lit pas en un week-end. 39,3 millions d’actes et 7,1 millions de bilans déposés au registre national des entreprises, 50,4 millions d’annonces publiées au BODACC depuis 2008. D’après nos mesures, l’API de l’INPI coupe chaque compte au-delà de 10 000 requêtes ou de 10 Go par jour : un rattrapage ne se fait pas d’une traite, il s’étale sur des jours et reprend chaque nuit là où il s’est arrêté.
• Des données à nettoyer. Le registre contient des dates impossibles (en l’an 6, en 9999), des bouche-trous (des centaines de milliers d’établissements « créés » le 1er janvier 1900), un même arrondissement de Paris écrit de dix façons (« PARIS 8 », « PARIS 08 », « Paris 8e Arrondissement »…), des codes d’activité de nomenclatures abandonnées depuis 2008. Sans ce travail, un filtre par ville ou par activité oublie une partie des entreprises.
• Des sources à rapprocher. L’identité vient d’un fichier, les comptes d’un autre, les annonces légales d’un troisième, les sites internet d’aucun : il faut tout relier par le SIREN, et regrouper les annonces d’une même procédure collective pour savoir si elle est encore en cours.
• Des contacts qu’aucun registre ne donne. Pour trouver les sites des entreprises, nous visitons un par un les 4 590 553 noms de domaine en .fr encore actifs — l’AFNIC en liste 10,1 millions, retirés compris — et lisons le SIREN publié dans leurs mentions légales, quand il y en a un. Encore faut-il ne pas confondre l’éditeur du site avec son hébergeur, que la loi oblige aussi à nommer, ni avec l’agence qui l’a réalisé. Résultat : 752 869 entreprises actives avec un site rattaché.
• Une base qui vieillit chaque jour. Environ 10 500 annonces paraissent au BODACC chaque jour, des milliers de formalités modifient le registre : une base scrapée une fois est fausse au bout de quelques semaines. Il faut la rejouer chaque nuit.

Où trouver les données d’entreprises gratuitement ?

Les données d’identité sont publiques et gratuites, à la source :

• Le répertoire Sirene de l’INSEE, téléchargeable en entier sur data.gouv.fr et mis à jour chaque mois : toutes les entreprises et tous leurs établissements, avec leur activité, leur adresse et leur tranche d’effectif — mais pas leurs dirigeants, que l’INSEE ne diffuse pas en open data.
• L’API Recherche d’entreprises de l’État, interrogeable sans compte, entreprise par entreprise ou par critères, dirigeants compris. Elle est faite pour chercher, pas pour extraire : sept requêtes par seconde au plus, vingt-cinq résultats par page, et jamais plus de 10 000 résultats pour une même recherche.
• Le registre national des entreprises de l’INPI : formalités, dirigeants, actes et comptes annuels non confidentiels, accessibles avec un compte gratuit, sous une licence propre qui encadre leur réutilisation, et dans la limite de quotas quotidiens.
• Le BODACC, dont les annonces (créations, ventes, procédures collectives, radiations) sont publiées en open data.

Ces sources suffisent pour vérifier une entreprise ou pour un projet de données mené par une équipe technique. Pour prospecter, il leur manque ce qui prend du temps : le rapprochement de tout cela en une ligne par entreprise, les coordonnées, la mise à jour quotidienne, et un outil pour filtrer et exporter. C’est ce travail que l’on paie quand on achète un fichier — ou que l’on fait soi-même quand on le scrape.

Combien coûte une base de données B2B ?

Trois manières de payer une base de données B2B, et trois coûts très différents :

• Scraper : pas de facture, mais des semaines de développement, des serveurs, souvent des adresses de proxys, et une maintenance sans fin — chaque changement de page du site source casse le programme.
• Acheter ou louer un fichier auprès d’un courtier en données : le prix dépend du volume, des champs fournis (une adresse e-mail nominative coûte plus cher qu’une adresse postale) et de la durée d’usage, une location limitant souvent le nombre d’envois.
• Exporter une liste depuis un annuaire qui tient déjà la base à jour : on paie à la ligne ou par abonnement, et le fichier est à soi.

Sur Checkers, l’export se paie à la ligne, une seule fois, avec un prix dégressif : chaque tranche de lignes est facturée à son propre tarif, si bien que le prix n’augmente jamais plus vite que le fichier. Commande minimale : 5,00 € HT.

Le prix ne dépend pas des colonnes choisies : dirigeants, finances, établissements et contacts sont compris. Avant de payer, un aperçu gratuit de 10 lignes montre exactement ce que contiendra le fichier.

Les autres annuaires d’entreprises vendent aussi des exports, avec d’autres modèles : abonnement mensuel, crédits, prix calculé à la commande. Voici ce que publient leurs pages de tarifs, quand elles en publient.

Une ligne ne contient pas les mêmes champs d’un service à l’autre, et les offres changent : la comparaison se fait sur l’aperçu, avant la commande. Pappers ne figure pas dans ce tableau : nous n’avons pas pu lire de grille publique de ses exports.

Comment créer un fichier de prospection B2B en quelques minutes ?

1. Poser les critères dans la recherche avancée : activité (code NAF ou grand secteur), commune, département ou région, forme juridique, date de création, effectif, chiffre d’affaires, présence d’un site internet, procédure collective. Le nombre d’entreprises correspondantes s’affiche à chaque filtre.
2. Affiner jusqu’à une liste à sa mesure : les 90 652 entreprises de conseil actives à Paris deviennent 7 869 si l’on ne garde que celles qui ont un site internet.
3. Choisir les colonnes (entreprise, finances, site et contacts, dirigeants, établissements), le format — Excel ou CSV — et télécharger l’aperçu gratuit.
4. Payer puis exporter : le fichier est généré en quelques minutes et reste téléchargeable 30 jours. Un CSV s’ouvre directement dans Excel (séparateur point-virgule, accents conservés, formules neutralisées).

Avant de démarcher une entreprise de la liste, sa fiche dit en un coup d’œil si elle est en procédure collective, qui la dirige et ce que disent ses derniers comptes — voir notre guide pour vérifier la solvabilité d’une entreprise.

Quelles coordonnées peut-on utiliser pour prospecter (RGPD) ?

Prospecter des professionnels par e-mail n’exige pas leur accord préalable : selon la CNIL, la démarche peut reposer sur l’intérêt légitime de l’entreprise qui prospecte, à condition que le message soit en rapport avec la profession de la personne — un logiciel présenté à un directeur informatique —, que celle-ci soit informée et qu’elle puisse s’opposer simplement et gratuitement aux envois suivants. Les adresses génériques (contact@, info@), qui désignent une entreprise et non une personne, échappent à ces règles.

Une donnée publique reste une donnée personnelle. Qui réutilise des coordonnées trouvées en ligne doit en informer la personne au plus tard au premier contact, en lui disant d’où viennent ses données.

Les coordonnées d’un export Checkers sont celles que l’entreprise publie elle-même sur son site — le site qui porte son SIREN, ou dont le domaine est exactement son nom. Aucune n’est déduite, achetée ou reconstituée à partir d’un nom de dirigeant. Les dirigeants, eux, sont des personnes physiques : leur nom et leur fonction viennent du registre public, mais les démarcher reste soumis aux règles de la prospection, droit d’opposition compris.

Questions fréquentes

Méthodologie et sources

Entreprise active. Entreprise immatriculée et non radiée du registre national des entreprises au 2 novembre 2026. Société commerciale. Catégorie juridique 5 de l’INSEE : SAS (dont SASU), SARL (dont EURL), SA, SNC, sociétés en commandite. Comptes publiés et lisibles. Au moins un exercice déposé sans déclaration de confidentialité, quelle que soit sa date.

Site rattaché. Un site dont les pages publient le SIREN de l’entreprise dans un contexte d’éditeur — pas d’hébergeur ni de prestataire —, ou dont le nom de domaine reproduit exactement sa dénomination, quand une seule entreprise active la porte. Un même site peut avoir été écarté faute de preuve : le chiffre est un minimum. Les grands secteurs suivent la nomenclature NAF rév. 2 ; les entreprises qui portent encore un code d’une nomenclature antérieure sont rangées d’après les deux premiers chiffres de ce code.

Durée de lecture. Le calcul d’une page par seconde est un ordre de grandeur : il suppose une seule page par entreprise et aucun blocage. Construction de la base. Volumes relevés dans la documentation du pipeline de Checkers à la date de l’article. Prix. Grille de Checkers à la même date, hors taxes.

Les chiffres du registre se refont dans la recherche avancée avec les filtres « Statut », « Forme juridique », « Activité », « Lieu », « Date de création » et « Site internet » ; le prix de chaque fichier s’y affiche avant la commande.

Chiffres extraits le 2 novembre 2026.

• Base Sirene des entreprises et de leurs établissements (INSEE, data.gouv.fr)
• API Recherche d’entreprises (DINUM), documentation
• Registre national des entreprises (INPI)
• BODACC, annonces commerciales en open data (DILA)
• Licence Ouverte 2.0 (Etalab)
• Code de la propriété intellectuelle, article L342-1 (Légifrance)
• Code de la propriété intellectuelle, articles L342-2 à L343-7 (Légifrance)
• CNIL, sanction de 240 000 euros à l’encontre de la société Kaspr (19 décembre 2024)
• CNIL, la prospection commerciale par courrier électronique
• CNIL, la réutilisation des données publiquement accessibles en ligne à des fins de démarchage commercial
• Pappers, mentions légales et conditions générales
• Societe.com, conditions générales
• Societe.com, comparatif des offres
• SocieteInfo, tarifs