# Gestion des erreurs et données manquantes en data enrichment Google Sheets
> **Quick answer**: Les données manquantes et erreurs de formatage apparaissent dans presque toutes les bases de prospection B2B, provoquées par la décroissance naturelle des contacts, la saisie incomplète et les erreurs d'import. Google Sheets permet de les détecter via des formules natives comme ISBLANK ou COUNTIF, puis de les corriger méthodiquement par validation, déduplication et normalisation. Derrick automatise ce processus en comblant directement les champs manquants (emails, téléphones, données entreprise) sans quitter la feuille, éliminant la correction manuelle ligne par ligne.
> **Summary** Vous lancez une campagne de prospection. Votre séquence de cold email est prête, vos 500 leads sont dans Google Sheets — et là, vous réalisez que 30% des emails sont manquants, 15% des noms de société sont mal formatés, et quelques dizaines de lignes affichent des erreurs cryptiques comme #N/A ou #VALUE!. Ce scénario, chaque […]
*Published: 2026-03-03 · Updated: 2026-03-05 · Canonical: https://derrick-app.com/donnees-manquantes-enrichissement/*
---
Vous lancez une campagne de prospection. Votre séquence de cold email est prête, vos 500 leads sont dans Google Sheets — et là, vous réalisez que 30% des emails sont manquants, 15% des noms de société sont mal formatés, et quelques dizaines de lignes affichent des erreurs cryptiques comme `#N/A` ou `#VALUE!`.
Ce scénario, chaque SDR ou Growth Marketer qui travaille avec des données B2B le connaît. La bonne nouvelle : avec les bonnes méthodes, gérer les erreurs et les données manquantes lors de l’enrichissement dans Google Sheets devient un processus systématique, pas une corvée chronophage.
Ce guide vous explique comment identifier, traiter et prévenir ces problèmes pour maintenir une base de données propre et actionnable.
> **TL;DR** 70% des bases CRM contiennent des données incomplètes ou obsolètes (Gartner). Les erreurs les plus courantes lors de l'enrichissement dans Google Sheets sont les valeurs manquantes, les doublons, les formats incohérents et les erreurs de formule. Ce guide vous montre comment les détecter avec des formules natives, les corriger méthodiquement, et automatiser la prévention avec Derrick App.
## Pourquoi vos données B2B sont-elles toujours incomplètes ?
Avant de savoir comment corriger les données manquantes, il faut comprendre pourquoi elles apparaissent en premier lieu.
La réalité est brutale : 70% des bases CRM contiennent des informations obsolètes, incomplètes ou inexactes. Ce n’est pas un problème d’outil ou de mauvaise volonté — c’est la nature même des données B2B.
Trois mécanismes expliquent cette dégradation constante :
**La décroissance naturelle des données.** Les données de contact B2B se dégradent à un rythme d’environ 2,1% par mois, soit plus de 22% par an. Concrètement, une base “propre” en janvier est déjà compromise en mars. Les professionnels changent d’entreprise, les numéros de téléphone sont modifiés, les adresses email deviennent invalides.
**L’incomplétude à la saisie.** Quand un SDR renseigne un lead manuellement, il n’a souvent pas toutes les informations sous la main. Résultat : des champs vides, des formats approximatifs, des valeurs “à compléter plus tard” qui ne le seront jamais.
**Les erreurs de processus.** Un import depuis LinkedIn Sales Navigator, un copier-coller depuis un site web, une fusion de deux fichiers CSV — chaque manipulation introduit des incohérences : espaces superflus, formats de date différents, majuscules inconsistantes.
Selon ZoomInfo, les mauvaises données font perdre plus de 27% du temps d’un commercial B2B. Sur une semaine de 5 jours, c’est plus d’une journée entière gaspillée à valider, corriger et contourner des données erronées.
Ces bases posées, voyons maintenant comment identifier concrètement les problèmes dans votre feuille Google Sheets.
## Les 4 types d’erreurs et données manquantes en enrichissement B2B
Lors d’un enrichissement de données dans Google Sheets, vous rencontrerez systématiquement quatre catégories de problèmes. Les identifier clairement est la première étape pour les traiter efficacement.
### 1. Les cellules vides (données manquantes)
C’est le problème le plus visible : un champ critique — email, téléphone, nom de l’entreprise, poste — est tout simplement absent. Ces trous dans votre base vous empêchent de segmenter, de personnaliser, ou simplement d’envoyer un message.
**Exemple :** Thomas, SDR dans une startup SaaS, importe 300 profils depuis Sales Navigator. Il retrouve 40% des emails manquants, car LinkedIn ne les expose pas nativement. Sans enrichissement complémentaire, il ne peut contacter que 180 prospects sur 300.
### 2. Les erreurs de formule Google Sheets
Lors de l’enrichissement, vous utilisez des formules pour croiser des sources, réaliser des VLOOKUP, ou calculer des champs dérivés. Ces formules génèrent des erreurs quand les données sources sont incohérentes :
| Erreur | Cause fréquente en enrichissement | Solution rapide |
| --- | --- | --- |
| #N/A | Valeur non trouvée dans la table de référence | IFERROR() ou nettoyer les clés de jointure |
| #VALUE! | Données texte là où une valeur numérique est attendue | Vérifier les types avec ISNUMBER() |
| #REF! | Colonne ou ligne supprimée dans une plage référencée | Reconstruire la référence |
| #DIV/0! | Division par une cellule vide ou zéro | IF() avant la division |
| #NAME? | Nom de formule mal orthographié | Corriger l’orthographe de la fonction |
### 3. Les données mal formatées (incohérences)
Les données existent, mais elles ne sont pas utilisables en l’état. C’est le cas le plus insidieux car aucune erreur n’est affichée.
Exemples typiques en enrichissement de données B2B :
- Noms de société : “Apple Inc.”, “Apple”, “apple inc”, “APPLE INC” — 4 valeurs pour la même entité
- Numéros de téléphone : “+33 6 12 34 56 78”, “0612345678”, “+33612345678”, “06 12 34 56 78”
- Titres de poste : “CEO”, “Directeur général”, “DG”, “Co-fondateur et CEO”
Ces incohérences bloquent la déduplication, faussent les segments, et génèrent des erreurs dans les campagnes de personnalisation.
### 4. Les doublons
Selon Dun & Bradstreet, les données dupliquées constituent un problème majeur pour 91% des entreprises B2B. Un même prospect avec deux emails légèrement différents, ou une société importée deux fois depuis deux sources — les doublons faussent vos analyses et créent des contacts en double dans votre séquence email.
Maintenant que vous connaissez les quatre types de problèmes, passons à leur détection dans Google Sheets.
## Comment détecter les données manquantes et erreurs dans Google Sheets
Avant de corriger, il faut mesurer. Voici les méthodes les plus efficaces pour auditer votre base d’enrichissement.
### Étape 1 : Identifier les cellules vides par colonne
La formule COUNTBLANK() vous donne immédiatement le nombre de valeurs manquantes dans une colonne :
```
=COUNTBLANK(B2:B500)
```
Pour obtenir un taux de complétude en pourcentage :
```
=1-(COUNTBLANK(B2:B500)/COUNTA(B2:B500))
```
**Résultat attendu :** Un pourcentage par colonne. En dessous de 80% de complétude sur un champ critique comme l’email ou le téléphone, votre base nécessite un enrichissement urgent avant toute campagne de prospection.
### Étape 2 : Mettre en surbrillance les lignes incomplètes
Utilisez la mise en forme conditionnelle pour visualiser immédiatement les lignes avec des champs critiques manquants :
1. Sélectionnez toute votre plage de données
2. Format → Mise en forme conditionnelle
3. Formule personnalisée : `=OU(ESTVIDE(B2);ESTVIDE(C2);ESTVIDE(D2))`
4. Choisissez une couleur d’alerte (rouge ou orange)
**Résultat attendu :** Toutes les lignes où l’email, le téléphone ou l’entreprise manquent s’affichent immédiatement en couleur. En un regard, vous savez quelle proportion de votre base nécessite un enrichissement complémentaire.
### Étape 3 : Détecter les doublons sur un champ clé
Pour identifier les doublons sur la colonne email, créez une colonne auxiliaire avec cette formule :
```
=SI(NB.SI($B$2:$B$500,B2)>1;"Doublon";"OK")
```
Filtrez ensuite sur “Doublon” pour isoler et traiter tous les enregistrements dupliqués avant de lancer votre enrichissement.
**Résultat attendu :** Une liste claire des emails qui apparaissent plus d’une fois, que vous pouvez fusionner ou supprimer avant d’enrichir — et ainsi éviter de payer deux fois pour le même contact.
Ces trois étapes d’audit suffisent à dresser un état précis de votre base. Passons maintenant aux corrections.
## Comment corriger les erreurs et données manquantes : 4 étapes
### Étape 1 : Gérer les erreurs de formule avec IFERROR
La fonction IFERROR() évite que des erreurs de formule ne paralysent vos colonnes calculées lors de l’enrichissement :
```
=IFERROR(VLOOKUP(A2,FeuilleCible!A:C,2,FALSE),"Non trouvé")
```
Au lieu d’afficher #N/A quand la valeur n’est pas trouvée, la cellule affiche “Non trouvé” — ce qui vous permet de filtrer facilement les lignes à traiter.
**Conseil avancé :** Utilisez IFNA() plutôt que IFERROR() quand vous n’attendez que des erreurs #N/A. Les autres types d’erreurs restent ainsi visibles et vous alertent sur des problèmes inattendus dans votre base de données.
**Résultat attendu :** Plus d’erreurs visibles qui bloquent vos filtres ou faussent vos totaux. Les valeurs manquantes sont maintenant clairement séparées des erreurs de formule, et vous pouvez traiter chaque cas séparément.
### Étape 2 : Normaliser les formats incohérents
Pour les données mal formatées, Google Sheets propose plusieurs fonctions de nettoyage efficaces.
Supprimer les espaces superflus :
```
=SUPPRESPACE(A2)
```
Uniformiser la casse des noms de société :
```
=NOMPROPRE(A2)
```
Extraire le domaine depuis un email (pour retrouver l’entreprise) :
```
=STXT(B2,TROUVE("@",B2)+1,NBCAR(B2))
```
Cette dernière formule est particulièrement utile en enrichissement B2B : si vous avez l’email mais pas le nom de domaine, vous pouvez l’extraire automatiquement — ce qui vous donne une donnée exploitable pour l’enrichissement d’entreprise.
**Résultat attendu :** Des valeurs cohérentes dans vos colonnes clés, qui permettent des jointures fiables entre sources et une déduplication précise.
### Étape 3 : Dédupliquer proprement avant d’enrichir
Google Sheets propose une fonction native : Données → Nettoyage des données → Supprimer les doublons.
**Attention :** Avant de supprimer, créez toujours une copie de votre feuille. La déduplication automatique garde la première occurrence — ce qui peut vous faire perdre des données si c’est la première ligne qui est la moins complète.
Méthode plus sûre en deux temps :
1. Ajoutez une colonne “Score de complétude” qui compte les champs remplis : `=NB.SI.ENS(B2;"<>")+NB.SI.ENS(C2;"<>")+NB.SI.ENS(D2;"<>")`
2. Triez par email (colonne de déduplication) puis par score décroissant, puis supprimez les doublons. Google Sheets conserve la première ligne, qui sera désormais la plus complète.
**Résultat attendu :** Une base sans doublons où la ligne conservée est la plus riche en données — base idéale pour lancer l’enrichissement B2B sans gaspiller de crédits.
### Étape 4 : Combler les données manquantes par enrichissement automatique
C’est l’étape centrale. Vous avez identifié les champs manquants, nettoyé les incohérences, supprimé les doublons. Il reste maintenant à combler les trous.
La méthode manuelle — chercher chaque email sur LinkedIn, vérifier les sites web un par un — est impossible à partir de 50 lignes. La méthode efficace, c’est l’enrichissement automatique directement depuis Google Sheets.
Sarah, Growth Marketer dans une agence de lead generation, travaille sur une liste de 800 prospects. Après son audit, elle identifie 340 emails manquants et 120 numéros de téléphone absents. Avec un outil d’enrichissement connecté à Google Sheets, elle comble ces trous en moins de 30 minutes — sans quitter son tableur, sans export CSV.
[Article connexe →
#### Data enrichment B2B : quels attributs enrichir en priorité ?
Découvrez quels champs ont le plus fort impact sur vos taux de conversion et comment les obtenir automatiquement.](https://derrick-app.com/blog/attributs-enrichissement-b2b)
## Les bonnes pratiques pour prévenir les erreurs d’enrichissement
Corriger les erreurs est nécessaire. Les prévenir est encore mieux. Voici les règles des équipes B2B qui maintiennent des bases de données propres durablement.
### 1. Définir un schéma de données avant l’import
Avant d’importer quoi que ce soit dans votre Google Sheets, définissez les colonnes obligatoires et leur format attendu :
| Colonne | Obligatoire | Format attendu | Exemple |
| --- | --- | --- | --- |
| Email | Oui | prenom.nom@domaine.com | sarah.martin@startup.fr |
| Prénom | Oui | Texte NOMPROPRE | Sarah |
| Nom | Oui | Texte | Martin |
| Entreprise | Oui | Texte exact | Startup SaaS |
| LinkedIn URL | Non | URL complète | https://linkedin.com/in/… |
| Téléphone | Non | Format E.164 | +33612345678 |
Ce schéma vous permet d’activer la validation de données de Google Sheets (Données → Validation des données) pour bloquer les saisies non conformes dès la saisie.
### 2. Toujours vérifier les emails enrichis avant envoi
Un email trouvé n’est pas forcément un email valide. Les bases enrichies depuis une seule source affichent des taux de rebond de 5 à 7%, contre moins de 1% pour les données validées en temps réel. Avant d’intégrer des emails dans une séquence de cold emailing, une étape de vérification SMTP s’impose.
La vérification d’email teste plusieurs éléments : l’existence du domaine (enregistrement MX), la validité syntaxique de l’adresse, et la réponse du serveur de messagerie. Elle détecte également les pièges courants : adresses catch-all, emails jetables (disposable emails), spam traps. La délivrabilité de vos campagnes en dépend directement.
### 3. Enrichir par batch, pas au fil de l’eau
Il est tentant d’enrichir chaque nouveau prospect dès son entrée dans la base. En pratique, cette approche fragmentée crée des incohérences de format et gaspille des crédits sur des doublons potentiels.
La bonne pratique : enrichissez par lot, une fois par semaine ou par quinzaine. Dédupliquez d’abord, enrichissez ensuite. Cette routine vous garantit une base cohérente et optimise votre coût par enrichissement.
### 4. Documenter les sources de données
Dans une colonne “Source”, notez l’origine de chaque donnée : import Sales Navigator, scraping site web, saisie manuelle, enrichissement automatique. Quand la qualité d’une source se dégrade, vous pouvez immédiatement cibler les enregistrements concernés pour les réenrichir — sans passer toute la base en revue.
### 5. Programmer des audits trimestriels
Créez un onglet “Qualité des données” dans votre Google Sheets avec vos formules COUNTBLANK et taux de complétude par colonne. Un audit de 30 minutes tous les trois mois vous évite de découvrir, le jour J d’une campagne, que 40% de votre base est inutilisable. Selon Gartner, les entreprises qui ne maintiennent pas leur qualité de données perdent en moyenne 12,9 millions d’euros par an.
## Comment Derrick automatise la gestion des données manquantes dans Google Sheets
Gérer les erreurs manuellement fonctionne jusqu’à quelques centaines de lignes. Au-delà, l’automatisation devient indispensable pour maintenir une base de données B2B propre et à jour.
Derrick App s’installe directement dans Google Sheets et prend en charge les étapes les plus chronophages de l’enrichissement de données.
**Pour les emails manquants :** Le Lead Email Finder trouve l’adresse professionnelle d’un contact à partir de son prénom, nom et domaine d’entreprise — avec validation en temps réel intégrée. Vous récupérez des emails vérifiés, pas juste des emails supposés. La délivrabilité est préservée.
**Pour les numéros manquants :** Le Phone Finder from LinkedIn extrait les numéros de téléphone directement depuis un profil LinkedIn. Idéal quand vous avez l’URL LinkedIn mais pas les coordonnées téléphoniques.
**Pour les doublons :** La fonctionnalité Remove Duplicates nettoie votre feuille en un clic, sur les champs que vous définissez comme clé de déduplication.
**Pour la normalisation :** Data Normalization corrige automatiquement les formats incohérents — extraction prénom/nom depuis un nom complet, détection des incohérences, nettoyage des données brutes.
**Pour valider les emails existants :** Email Verifier passe en revue une colonne d’emails pour identifier ceux qui sont invalides avant d’envoyer quoi que ce soit. Indispensable pour protéger votre réputation d’expéditeur et maintenir un taux de rebond bas.
Toutes ces fonctions opèrent directement dans votre feuille Google Sheets — sans export CSV, sans synchronisation manuelle, sans outil séparé à apprendre.
## À retenir
- **70% des bases CRM contiennent des données incomplètes ou obsolètes** — ce n’est pas une exception, c’est la norme en B2B
- **4 types d’erreurs à surveiller en enrichissement :** cellules vides, erreurs de formule, formats incohérents, doublons
- **COUNTBLANK() et IFERROR()** sont les deux formules essentielles pour détecter et gérer les erreurs dans Google Sheets
- **Dédupliquez avant d’enrichir** pour ne pas consommer des crédits sur des doublons
- **Vérifiez toujours les emails après enrichissement** — un email trouvé n’est pas forcément un email valide
- **L’enrichissement par batch** maintient une base plus cohérente que l’enrichissement au fil de l’eau
## Conclusion : des données propres pour une prospection efficace
Les données manquantes et les erreurs d’enrichissement ne sont pas une fatalité. Elles sont le symptôme d’un processus qui manque de structure — et qui peut être corrigé avec quelques formules bien placées, une routine d’audit régulière, et les bons outils.
Le vrai coût n’est pas dans le temps passé à nettoyer : il est dans les opportunités manquées quand un prospect reste hors de portée parce que son email n’a jamais été trouvé, ou quand une campagne échoue parce que la base était trop dégradée pour être utilisée.
Commencez par l’audit : lancez vos COUNTBLANK par colonne aujourd’hui. Vous aurez une vue précise de l’état de votre base d’enrichissement en 5 minutes — et vous saurez exactement où concentrer votre prochain effort.
## FAQ
**Pourquoi mes données B2B se dégradent-elles si vite ?** Les données de contact B2B décroissent à environ 2,1% par mois, soit plus de 22% par an. Les professionnels changent d’entreprise, de poste, de numéro. Une base enrichie en janvier aura perdu une partie de sa valeur dès le printemps. Un enrichissement régulier, trimestriel au minimum, est indispensable pour maintenir la qualité.
**Quelle est la différence entre IFERROR et IFNA dans Google Sheets ?** IFERROR capture tous les types d’erreurs (#N/A, #VALUE!, #REF!, etc.), tandis qu’IFNA ne capture que les erreurs #N/A. En enrichissement de données, préférez IFNA pour les VLOOKUP — les autres types d’erreurs restent visibles et vous alertent sur des problèmes inattendus dans votre base.
**Comment savoir si un email enrichi est réellement valide ?** La vérification SMTP confirme que l’adresse existe sur le serveur de messagerie, sans envoyer d’email. Des outils comme Derrick Email Verifier intègrent cette vérification directement dans Google Sheets, avec détection des adresses catch-all et des emails jetables (disposable emails) qui faussent les taux de délivrabilité.
**Faut-il enrichir avant ou après la déduplication ?** Toujours dédupliquer avant d’enrichir. Vous évitez de consommer des crédits deux fois pour le même contact, et vous travaillez sur une base propre qui facilite les jointures entre sources de données.
**Combien de temps faut-il pour auditer une base de 500 prospects dans Google Sheets ?** Avec les formules natives (COUNTBLANK, mise en forme conditionnelle, détection des doublons), l’audit prend 15 à 30 minutes. La correction des données manquantes par enrichissement automatisé se ramène ensuite à quelques minutes pour 500 lignes — contre plusieurs heures en recherche manuelle.