Télécharger la base Sirene complète en open data : mode d’emploi (et limites)

Où télécharger la base Sirene complète

La base Sirene est diffusée gratuitement par l’INSEE depuis le 1er janvier 2017, en application de la loi pour une République numérique du 7 octobre 2016. Elle est placée sous Licence Ouverte 2.0 : vous pouvez la télécharger, la copier, la croiser et la réutiliser, y compris dans un cadre commercial, à condition d’en mentionner la source. Le point d’entrée officiel est le jeu de données Base Sirene des entreprises et de leurs établissements sur data.gouv.fr, la plateforme opérée par la DINUM. Vous y trouvez les fichiers « stock » au format CSV compressé (ZIP), régénérés chaque mois.

Trois autres canaux donnent accès aux mêmes données, sans téléchargement complet : l’API Sirene de l’INSEE (api.insee.fr), limitée à 30 requêtes par minute sur son offre gratuite, l’API Recherche d’entreprises de la DINUM (recherche-entreprises.api.gouv.fr), plafonnée à 7 requêtes par seconde, et le site annuaire-entreprises.data.gouv.fr pour la consultation unitaire. Un service comme Trouve-ton-siret.com s’appuie sur cette API officielle pour vérifier et enrichir un fichier entier de SIRET, SIREN ou numéros de TVA sans que l’utilisateur ait à manipuler les fichiers bruts.

Ce que contiennent réellement les fichiers stock

Le mot « base Sirene » recouvre en réalité plusieurs fichiers, à ne pas confondre. Chaque fichier stock est une photographie complète du répertoire à la date de génération, indiquée dans son nom. Voici ce que vous téléchargez concrètement (volumes constatés en 2026, arrondis, l’INSEE ne garantissant pas une taille fixe) :

Les variables que vous utiliserez vraiment

• Dans StockUniteLegale : denominationUniteLegale (ou nom et prénom pour un entrepreneur individuel), categorieJuridiqueUniteLegale, activitePrincipaleUniteLegale (code NAF), trancheEffectifsUniteLegale, etatAdministratifUniteLegale (A pour active, C pour cessée), nicSiegeUniteLegale et statutDiffusionUniteLegale.
• Dans StockEtablissement : siren, nic, siret, etablissementSiege (true ou false), etatAdministratifEtablissement (A pour actif, F pour fermé), les champs d’adresse (numeroVoie, typeVoie, libelleVoie, codePostal, libelleCommune, codeCommune), activitePrincipaleEtablissement, dateCreationEtablissement et dateDernierTraitementEtablissement.

Ce qui ne s’y trouve pas

Sirene est un répertoire d’identification, pas un registre juridique ni fiscal. Vous n’y trouverez ni le numéro de TVA intracommunautaire (attribué par la DGFiP, jamais publié par l’INSEE), ni les dirigeants d’une société, ni le capital, ni les comptes annuels, ni le moindre numéro de téléphone ou e-mail. Depuis 2022, les personnes physiques qui ont demandé la non-diffusion apparaissent avec le statut « P » (partiellement diffusible) : leur nom et leur adresse précise sont masqués. Le numéro de TVA se déduit certes du SIREN par une formule, mais ce calcul ne prouve pas l’assujettissement, que seul VIES ou l’espace professionnel de la DGFiP confirme.

Des dizaines de millions de lignes : ce que cela implique

D’après l’INSEE, le répertoire Sirene recense de l’ordre de 40 millions d’établissements et près de 30 millions d’unités légales, fermés et cessés compris. Les seules structures actives représentent une fraction de ce total, mais les fichiers stock livrent tout, sans filtre. Deux conséquences immédiates pour qui compte « ouvrir le fichier » :

• Excel est hors jeu. Un classeur plafonne à 1 048 576 lignes par feuille. StockEtablissement en compte près de quarante fois plus. Le tableur tronque silencieusement ou refuse d’ouvrir le fichier.
• La mémoire vive devient la contrainte. Charger le CSV établissements dans pandas demande couramment plus de 20 Go de RAM, car chaque colonne texte est stockée sous forme d’objets Python. Il faut soit lire par blocs, soit passer par un moteur qui travaille sur disque : DuckDB, Polars en mode lazy, SQLite ou PostgreSQL.

Prévoyez aussi de l’espace disque : les deux stocks principaux décompressés, plus les historiques, dépassent facilement 30 Go, hors index. Sur un ordinateur portable standard avec 8 Go de RAM, le traitement reste possible avec DuckDB, mais au prix de requêtes lentes et d’un disque bien rempli.

Les pièges qui coûtent des heures

1. La fraîcheur. Le stock est une photo mensuelle, publiée dans les premiers jours du mois. Une entreprise fermée le 5 apparaîtra active dans votre copie jusqu’à la publication suivante, soit jusqu’à quatre semaines de décalage. Pour capter les mouvements intermédiaires, il faut interroger l’API Sirene avec un filtre sur la date de dernier traitement, ce qui suppose de coder un pipeline de mise à jour incrémentale.
2. La jointure SIREN / SIRET. L’état administratif d’un établissement ne dit rien de l’unité légale, et inversement. Un SIRET peut être actif alors que l’unité légale est cessée (cas rare mais réel de mises à jour asynchrones), et une unité légale active peut n’avoir plus qu’un siège fermé en attente de transfert. La règle prudente consiste à joindre les deux fichiers sur siren et à exiger A des deux côtés.
3. Le NIC et les zéros. Le NIC compte toujours 5 caractères, avec des zéros de tête (00011, 00029). Certains SIREN anciens commencent aussi par 0. Si votre outil lit ces colonnes comme des nombres, la reconstitution du SIRET échoue et les jointures tombent à zéro. Lisez tout en texte, ou apprenez à réparer un fichier dont les zéros de tête ont sauté.
4. Les non-diffusibles. Les lignes en statut P conservent leur SIRET, leur commune et leur état, mais sans dénomination ni adresse exacte. Un contrôle qui compare le nom de votre fournisseur à celui de Sirene renverra un faux négatif sur ces lignes.
5. Les doublons d’adresse. Une même adresse peut porter des dizaines d’établissements (centres d’affaires, domiciliations). Chercher « qui est à cette adresse » ne renvoie donc jamais une réponse unique.
6. L’encodage et le séparateur. Les fichiers sont en UTF-8, virgule comme séparateur, et certaines dénominations contiennent des virgules ou des guillemets. Un parseur CSV maison écrit à la hâte casse au bout de quelques millions de lignes.

Mode d’emploi en six étapes

Voici la procédure la plus courte pour vérifier une liste de SIRET contre le stock complet, avec DuckDB, un moteur SQL gratuit qui lit le CSV directement, sans base à installer.

1. Téléchargez StockUniteLegale_utf8.zip et StockEtablissement_utf8.zip depuis data.gouv.fr, puis décompressez-les dans un dossier de travail disposant d’au moins 20 Go libres.
2. Installez DuckDB (binaire unique, disponible sur Windows, macOS et Linux) et ouvrez une session dans ce dossier.
3. Placez vos SIRET à contrôler dans un fichier ma_liste.csv, une colonne nommée siret, valeurs entre guillemets pour préserver les zéros.
4. Exécutez la requête ci-dessous : elle reconstitue l’état de chaque établissement et de son unité légale.
5. Exportez le résultat (COPY … TO 'resultat.csv') et filtrez les lignes absentes (SIRET inconnu) ou dont l’un des deux états n’est pas A.
6. Notez la date du stock utilisé dans votre fichier de résultats : sans cette mention, personne ne saura dans un mois à quoi correspond la vérification.

SELECT l.siret, e.etatAdministratifEtablissement AS etat_etab, u.etatAdministratifUniteLegale AS etat_ul, u.denominationUniteLegale, e.codePostalEtablissement, e.libelleCommuneEtablissement FROM read_csv_auto('ma_liste.csv', all_varchar=true) l LEFT JOIN read_csv_auto('StockEtablissement_utf8.csv', all_varchar=true) e ON e.siret = l.siret LEFT JOIN read_csv_auto('StockUniteLegale_utf8.csv', all_varchar=true) u ON u.siren = e.siren;

Pour un SIRET d’exemple comme 123 456 782 00010, la requête renvoie l’état de l’établissement, celui de l’unité légale, la dénomination et la commune. Comptez plusieurs minutes d’exécution la première fois sur un portable, le temps que DuckDB parcoure les 10 Go du fichier établissements. Si vous répétez l’opération, convertissez les deux stocks au format Parquet une fois pour toutes : les requêtes suivantes passent sous la dizaine de secondes.

Le calcul honnête : open data brut ou outil ?

L’open data Sirene est gratuit en euros, jamais en heures. Le tableau ci-dessous donne des ordres de grandeur réalistes pour une personne à l’aise avec SQL, sur un poste correct, la première fois puis en régime de croisière.

L’open data brut gagne quand vous avez besoin de la base entière : statistiques par territoire, prospection sur des millions d’établissements, cartographie, recherche par adresse ou par code NAF sur toute la France, ou encore analyses historiques. Aucune API ne rend ces usages confortables, et l’investissement initial d’une journée s’amortit dès la deuxième requête sur l’ensemble du répertoire.

L’outil gagne quand votre besoin tient dans un fichier : contrôler des SIRET clients ou fournisseurs, compléter des adresses et des codes NAF, repérer les établissements fermés, retrouver un numéro de TVA à partir d’un SIREN. Dès lors que vous faites cela moins d’une fois par semaine, ou que personne dans l’équipe n’a envie d’entretenir un pipeline mensuel, le coût de l’open data brut dépasse celui d’un import sur Trouve-ton-siret.com, qui interroge la base Sirene à jour au moment de la demande et rend le fichier enrichi en quelques minutes. Vous pouvez confier votre fichier de SIRET à la recherche en masse sans compte payant ni carte bancaire. Et si vos volumes sont trop importants pour les quotas des API mais trop modestes pour justifier un entrepôt local, la voie intermédiaire consiste à contourner les limites de l’API Sirene sans écrire de code.

En résumé

La base Sirene complète se télécharge en quelques clics sur data.gouv.fr, sous une licence qui autorise tous les usages. Elle pèse plusieurs dizaines de millions de lignes, exige un moteur SQL plutôt qu’un tableur, et ne vaut que si vous respectez sa date de génération et la logique de jointure entre unités légales et établissements. Pour analyser tout le tissu économique français, c’est la meilleure ressource qui existe. Pour vérifier une liste, c’est une usine à gaz : un outil qui interroge l’API officielle fait le même travail avec les données du jour, et vous rend votre après-midi.

Questions fréquentes