Choisir un seuil de confiance pour vos résultats de géocodage

Chaque géocodeur renvoie un score, et beaucoup d’équipes acceptent simplement tout ce qui dépasse un nombre vu dans un tutoriel. Ce nombre ne signifie quelque chose que si l’on sait ce que le score mesure et ce que coûte une mauvaise réponse. Ce guide montre comment lire les champs de confiance d’Addrova et fixer un seuil à partir de vos données.

L’URL de base https://api.addrova.eu n’est pas encore en ligne. Les champs suivent la spécification de l’API. [À VÉRIFIER : service ouvert, URL de base définitive.]

Trois champs, trois rôles

confidence (de 0 à 1) est la probabilité estimée que le résultat soit correct à la precision indiquée.
confidence_calibrated dit si ce nombre est une probabilité mesurée pour ce pays et cette précision (true) ou une heuristique non calibrée (false). Quand c’est false, n’affichez pas le nombre comme un pourcentage.
confidence_level vaut high, medium ou low. high n’existe que si la confiance est calibrée et au moins égale au seuil du pays (0,985 par défaut pour la France). Là où rien n’est calibré, le meilleur niveau que vous verrez est medium.

high est donc une affirmation qu’Addrova assume ; un nombre brut d’un pays non calibré est un signal de classement, pas une probabilité.

Ce que le seuil arbitre

Relever le seuil retire des mauvaises réponses et aussi des bonnes. Deux chiffres comptent :

la part d’adresses que vous acceptez (la couverture) ;
parmi les adresses acceptées, la part qui sont fausses avec certitude (un faux positif confiant).

Il n’y a pas de réglage gratuit. Le bon seuil dépend du coût d’un mauvais point face au coût d’une relecture manuelle.

Un exemple honnête tiré de nos propres tests

Sur la page banc d’essai, le même seuil brut de 0,76 a donné deux résultats différents sur deux jeux de test français. Sur le premier, mesuré le 2026-10-19, il a produit 13 faux positifs confiants sur 871 réponses acceptées, soit 1,49 %, au-dessus de l’objectif de 1 % que nous nous étions fixé, et le verdict était PIVOT. Sur un second jeu neuf, mesuré le 2026-10-20, il en a produit 2 sur 905, soit 0,22 %. Les deux chiffres sont publiés avec leur date et leurs limites, parce qu’un seuil est une propriété des données sur lesquelles on le teste. Vos données ne sont pas notre jeu de test : mesurez les vôtres.

Régler le seuil sur un échantillon

Prenez 200 à 500 adresses de vos vraies données, pas des exemples propres.
Géocodez-les et contrôlez les acceptées face à une source de confiance (une visite, un scan de livraison, un sous-ensemble relu).
Pour chaque seuil candidat, comptez combien de réponses acceptées sont fausses.
Choisissez le seuil le plus bas dont vous acceptez le taux d’erreur, et envoyez tout ce qui est en dessous en relecture.

Aiguiller les résultats dans le code

import os
import requests

resp = requests.post(
    "https://api.addrova.eu/v1/geocode",
    headers={"X-API-Key": os.environ["ADDROVA_API_KEY"]},
    json={"q": "4 place d'Armes, Belfort", "country": "FR", "limit": 1},
    timeout=10,
)
resp.raise_for_status()
best = resp.json()["results"][0]

if best["confidence_level"] == "high":
    action = "accepter"
elif best["confidence_level"] == "medium":
    action = "relire"
else:
    action = "rejeter"

affiche = f"{best['confidence']:.0%}" if best.get("confidence_calibrated") else "n/d"
print(action, best["precision"], affiche, best["label"])

La dernière ligne n’affiche le pourcentage que si la confiance est calibrée, comme l’exige la spécification.