Le registre avait raison. La colonne, non.

Notre liste de prénoms féminins finlandais commençait ainsi :

Maria · Helena · Johanna · Anneli · Kaarina · Marjatta · Anna · Liisa · Sofia · Tuula

Chacun de ces prénoms est un véritable prénom finlandais. Chacun est correctement orthographié, dans la bonne écriture, avec les bons diacritiques. Chacun figure dans le registre national de la population. Les poids qui les accompagnaient n'étaient ni des estimations ni des constantes ajustées à la main — ils provenaient de décomptes officiels publiés, d'un instantané pris cette année, sous licence ouverte.

Cette liste est aussi presque entièrement fausse. Les dix prénoms par lesquels les Finlandaises sont réellement appelées sont ceux-ci :

Anne · Päivi · Tuula · Anna · Minna · Sari · Pirjo · Leena · Tiina · Ritva

Deux prénoms en commun sur dix. Mesurée correctement, la distance entre la distribution que nous avons livrée et la vraie atteignait 28,50 % en distance de variation totale pour les femmes et 20,96 % pour les hommes — autrement dit, sur un tirage aléatoire, environ un quart à un tiers de la masse de probabilité reposait sur les mauvais prénoms.

Rien n'était faux dans la source. Le pays était le bon, le registre était le bon, l'instantané était récent, la licence était irréprochable, les prénoms étaient réels. Nous avons pris la mauvaise colonne.

Cet article porte sur cette forme de défaillance, car c'est la plus coûteuse que nous ayons rencontrée : elle produit des données à la fois réellement authentiques et systématiquement trompeuses, et elle passe tous les contrôles automatiques qui existent pour attraper de mauvaises données. Elle nous est désormais arrivée deux fois, dans deux pays différents, sur deux registres différents, à trois ans d'écart dans les données et à quelques mois d'écart dans la découverte. Et il existe un troisième pays où nous l'avons cherchée, où nous nous attendions à la trouver, et où elle n'était pas — c'est la partie de cet article que nous jugeons la plus utile.

Ce que publie réellement le registre finlandais

L'Agence finlandaise des services numériques et des données démographiques (DVV) publie une statistique des prénoms dérivée du système d'information sur la population. Elle arrive sous la forme d'un classeur unique. Ce classeur ne contient pas un tableau de prénoms. Il en contient six, et sa propre feuille de garde les énumère :

Nous avons lu kaikki.

La distinction compte en Finlande parce que les Finlandais portent couramment plus d'un prénom et sont appelés par exactement l'un d'entre eux. Une femme enregistrée sous Anne Kaarina est Anne ; Kaarina figure sur son passeport et nulle part ailleurs dans sa vie quotidienne. La feuille ens compte le premier prénom, celui que vous emploieriez pour la saluer. La feuille kaikki compte chaque prénom enregistré que porte une personne : elle compte donc Anne une fois et Kaarina une fois, sur la ligne de la même personne.

Les deux feuilles décrivent donc des choses différentes. kaikki n'est un sur-ensemble de ens en aucun sens utile ; c'est une autre mesure, dominée par des prénoms que les gens possèdent mais par lesquels on ne les appelle pas. Sur l'ensemble du registre, les deux tranches totalisent 5 409 122 (ens) contre 11 756 781 (kaikki) — un facteur de 2,174. Ce seul nombre contient toute l'histoire : en moyenne un Finlandais porte un peu plus de deux prénoms, si bien qu'une tranche qui les compte tous compte environ 2,17 prénoms portés par personne, alors qu'une tranche qui compte les premiers prénoms compte des personnes.

Une seule des deux peut être un décompte de personnes. Si vos poids sont censés répondre à la question « quelle est la probabilité qu'une Finlandaise soit appelée ainsi », le dénominateur doit être un nombre de femmes.

L'ampleur de notre écart

Avant la correction, nos corpus finlandais contenaient 295 prénoms masculins et 290 prénoms féminins. Nous les avons mesurés par rapport aux deux tranches du registre :

Lisez les deux colonnes Spearman. Notre ordre des rangs s'accordait mieux avec la tranche que nous n'aurions pas dû utiliser qu'avec celle que nous aurions dû utiliser. Cette inversion est le signal le plus net de toute l'enquête, et elle est traitée à part plus bas, car c'est un diagnostic que n'importe qui peut exécuter en dix minutes.

La liste masculine paraît moins abîmée dans la colonne du top-10 (7 en commun au lieu de 2), et c'est trompeur. Les seconds prénoms des hommes finlandais sont tirés d'un réservoir plus petit et plus stéréotypé — Juhani, Olavi, Tapani, Antero — qui recoupe moins le réservoir des prénoms usuels : les deux listes divergent donc plus bas dans la liste plutôt qu'en tout début de tête. Le chiffre de TVD, qui ne se soucie pas de l'endroit où se situe la divergence, place l'erreur masculine à 20,96 % et l'erreur féminine à 28,50 %. Les deux sont catastrophiques à l'aune de tout ce que nous mesurons par ailleurs.

Les entrées individuelles rendent la chose concrète. Voici notre ancien top-10 féminin, avec le vrai rang de chaque prénom dans chaque tranche :

Notre cinquième prénom féminin finlandais le plus fréquent était le 234e prénom le plus fréquent du pays parmi ceux par lesquels on appelle réellement quelqu'un. Du côté masculin, l'équivalent est plus frappant encore : notre prénom numéro un, Juhani, est le 100e prénom usuel finlandais le plus fréquent — 7 135 hommes se font appeler ainsi, contre 43 107 prénommés Juha, le véritable meneur.

La composition était parfaite. Seuls les poids étaient faux.

C'est la partie qui rend ce défaut dangereux plutôt que simplement mauvais.

Chacun de nos 295 prénoms masculins et 290 prénoms féminins finlandais est présent dans le registre. Tous. 295 sur 295 et 290 sur 290, un taux de correspondance de 100 %, zéro fantôme, zéro faute d'orthographe, zéro entrée introuvable. Les prénoms avaient été bien choisis. Quelqu'un avait fait un vrai travail sur cette liste et n'avait rien inventé.

L'erreur résidait entièrement dans les nombres placés à côté des prénoms.

C'est cette distinction qui met en échec tous les contrôles standard. La validation de format passe : un TSV à deux colonnes bien formé, aucune faute d'encodage, aucun doublon, aucun poids négatif. Les contrôles d'existence passent : chaque prénom se retrouve bien dans la source faisant autorité, il n'y a donc rien à signaler. Les contrôles de forme passent, car une distribution kaikki est elle aussi une décroissance propre de type Zipf — concentration en tête, longueur de queue et entropie se situent toutes dans les plages normales. Les contrôles de provenance passent : la source est un registre national, correctement nommé, daté et sous licence. Les contrôles de couverture passent : les 295 prénoms couvrent 78,69 % de la masse ens du registre et les 290 en couvrent 71,39 %, ce qui représente de bons chiffres pour une liste de tête constituée à la main.

À tout ce qu'une machine peut demander, le fichier répond correctement. Ce à quoi le fichier ne peut pas répondre, c'est « un Finlandais reconnaît-il là une liste de Finlandais » — et cette question est la seule qui échoue. Nous avons déjà écrit sur les contrôles qui se taisent précisément là où ils comptent ; voici le jumeau, côté données, de cette défaillance. Rien n'était cassé. Tout mesurait la mauvaise chose.

Les prénoms qui trahissent le défaut

Si vous disposez des trois feuilles, le défaut se quantifie prénom par prénom. Pour chaque prénom, la part de ses porteurs qui ne le portent pas comme premier prénom vaut muut ÷ kaikki :

La population se scinde en deux familles nettes. Les prénoms usuels se situent autour de 10–17 % : une petite minorité de leurs porteurs les portent en deuxième position. Les prénoms secondaires dépassent 95 % : personne ou presque n'est appelé par eux. Il n'y a pas de continuum entre les deux ; l'écart entre Maria à 89,9 % et Matti à 49,7 % ne contient presque rien.

Matti et Anna sont les habitants intéressants de cet écart, et ils sont vraiment les deux à la fois : Matti est le 4e prénom usuel le plus fréquent et un second prénom courant, et Anna est 4e comme prénom usuel alors que 38,5 % de ses porteuses le portent en deuxième position. Un prénom peut être populaire dans les deux rôles. Ce qu'un prénom ne peut pas être, c'est ce à quoi Kaarina ressemblait dans notre fichier — un prénom usuel du top cinq, porté par 88 967 femmes dont 2 380 y répondent.

Pour être complet, les trois feuilles sont cohérentes entre elles. kaikki dépasse ens + muut sur 5 126 des 10 903 lignes masculines et sur 6 319 des 14 166 lignes féminines, jamais l'inverse, et jamais de plus de 8 sur un seul prénom. C'est exactement ce que prédit la règle de confidentialité propre à la DVV : les prénoms comptant moins de cinq porteurs ne sont pas publiés, si bien qu'un prénom dont les composantes ens et muut tombent chacune sous cinq perd au plus 4 + 4 dans la somme, tandis que le chiffre combiné kaikki survit. Le déficit total est de 17 050 (0,29 %) pour les hommes et de 19 983 (0,34 %) pour les femmes. Rien n'est cassé dans le registre. Nous avons simplement lu une autre feuille que celle que nous croyions avoir. La manière dont des seuils de suppression comme celui-ci façonnent un corpus est un sujet à part entière, traité dans les seuils de confidentialité dans les registres de noms.

L'inversion des rangs, et pourquoi c'est elle le test

Voici le diagnostic, formulé aussi généralement que nous le pouvons.

Si votre jeu de données corrèle mieux avec une tranche de la source que vous croyez ne pas avoir utilisée qu'avec la tranche que vous croyez avoir utilisée, c'est l'autre que vous avez utilisée.

Cela semble circulaire et ne l'est pas. La corrélation des rangs contre une tranche de la source mesure « est-ce que cela vient d'ici ». Notre liste masculine finlandaise obtenait ρ = +0,430 contre ens et ρ = +0,789 contre kaikki ; notre liste féminine obtenait +0,618 contre ens et +0,714 contre kaikki. Les deux fichiers revendiquaient une filiation ens. Les deux fichiers étaient, statistiquement, des enfants de kaikki.

Le test coûte une jointure et une corrélation par tranche candidate, et trois propriétés justifient de l'intégrer à une chaîne de traitement. Il ne demande aucune connaissance du domaine — vous n'avez pas besoin de savoir ce que signifie ens ni de parler un mot de finnois, seulement de tenir deux colonnes candidates. Il ne se laisse pas tromper par un ensemble de lignes correct, car les contrôles de composition comparent quels prénoms sont présents tandis que celui-ci compare combien ; notre ensemble de lignes était impeccable et le test s'est quand même déclenché. Et il parle d'autant plus fort que le défaut est grave : plus l'écart sémantique entre deux tranches est large, plus l'écart de ρ est large, ce qui est l'inverse de la défaillance habituelle, où un contrôle se tait à l'extrême.

La limite évidente est qu'il lui faut plus d'une tranche. Là où l'organisme diffuseur ne propose qu'un seul tableau, vous n'avez rien à quoi comparer, et vous vous rabattez sur le test des sommes décrit plus bas.

La Suède : le même piège, découvert plus tôt

Statistics Sweden publie les prénoms sous deux formes, et la distinction est inscrite dans le droit suédois plutôt que dans une convention de tableur. förnamn désigne chaque prénom que porte une personne. tilltalsnamn désigne celui qui est légalement marqué comme prénom d'appel — celui par lequel un Suédois est appelé.

Nous avons mesuré les deux :

Le rapport entre les deux sommes est de 2,121 — la même empreinte que le 2,174 finlandais, obtenue indépendamment, dans un autre pays, à partir des fichiers d'une autre agence. Environ deux prénoms par personne dans les deux cas.

La tête des deux listes suédoises :

Quatre prénoms en commun. La même signature prénom par prénom apparaît : MARGARETA est porté par 211 967 Suédoises et il est le prénom d'appel de 20 856 d'entre elles — un rapport de ×10,16. ELISABET atteint ×12,42. En face, MALIN est à ×1,24 et LINDA à ×1,37, et voilà à quoi ressemble un prénom par lequel les gens sont réellement appelés.

Le côté masculin est moins marqué — 7 sur 10 en commun, parce que les prénoms secondaires des hommes suédois recoupent davantage leurs prénoms usuels — mais la tête s'inverse tout de même : ERIK est le prénom masculin le plus fréquent de Suède et le neuvième prénom d'appel le plus fréquent, à 54 860 contre 81 754 pour LARS. Livrez des poids förnamn et chaque Suédois que produit votre générateur sera, de façon disproportionnée, un Erik, un Karl ou un Carl, c'est-à-dire qu'il sonnera comme un nom sur un acte de naissance plutôt que comme une personne dans une pièce.

Le cas suédois a été repéré en premier, et c'est la raison pour laquelle la Finlande a été contrôlée. C'est là la valeur pratique de la mise par écrit de ces choses : un défaut trouvé dans une locale est une requête que vous pouvez lancer contre toutes les autres locales que vous détenez.

La Suisse : le piège était là, et il ne s'est pas déclenché

Il serait commode de conclure que les registres nationaux publient systématiquement la mauvaise colonne et qu'il faut toujours supposer le pire. Cette conclusion est fausse, et nous pouvons montrer qu'elle est fausse, car nous avons cherché le même défaut dans les données suisses et il n'y était pas.

L'Office fédéral de la statistique suisse publie les prénoms selon plusieurs découpes. Deux d'entre elles permettent de trianguler : un stock de la population résidente ventilé par année de naissance, et une série des prénoms des nouveau-nés par région linguistique et par canton. Si ces deux jeux de données étaient des tranches de natures différentes — l'une « tous les prénoms », l'autre « premier prénom » —, la divergence ressemblerait à celle de la Finlande.

En restreignant les deux aux années de naissance 2000–2024 et en comparant sur les prénoms qu'ils partagent :

Neuf des dix prénoms de tête en commun, dans les deux sexes, avec seulement deux paires adjacentes interverties. Une distance de variation totale de trois à quatre pour cent — contre les vingt à vingt-neuf de la Finlande. Les deux jeux de données suisses enregistrent la même chose : le premier prénom, le prénom principal.

Les quelques pour cent résiduels s'expliquent entièrement sans invoquer la moindre différence de tranche. Les deux jeux de données ne mesurent pas la même population : l'un compte les personnes vivant en Suisse qui sont nées ces années-là, y compris tous ceux arrivés plus tard ; l'autre compte les naissances enregistrées en Suisse. Le stock dépasse les naissances d'un facteur 1,282 pour les hommes et 1,311 pour les femmes, ce qui correspond à la couche migratoire plus le seuil de publication propre à chaque jeu de données.

Une confusion de colonnes ne ressemble pas à cela. Pour calibrer : les deux tranches finlandaises elles-mêmes — ens contre kaikki, même registre, même instantané — partagent exactement un prénom dans le top dix masculin et aucun dans le top dix féminin. Voilà ce qu'une véritable différence de tranche fait à une tête de distribution. Neuf sur dix n'en est pas une version atténuée ; c'est un autre phénomène.

C'est le paragraphe le plus utile de l'article. La règle à adopter est « contrôlez quelle colonne », et non « supposez la mauvaise colonne ». Supposer que le défaut est universel vous coûte une reconstruction dont vous n'aviez pas besoin, alors que le contrôle coûte un après-midi de jointures. La Suisse a son propre problème difficile dans nos données — le pays publie par région linguistique, et traiter un jeu de données suisse comme national est une erreur distincte et bien réelle, traitée dans votre jeu de données national est-il en fait régional — mais la colonne n'a jamais été le problème.

Pourquoi cette classe de défaut survit

Chacune des raisons ci-dessous est une bonne pratique ordinaire qui se trouve être aveugle ici.

1. Les données sont réellement authentiques. Ni moissonnées, ni agrégées, ni issues d'une ferme de contenu. Chaque chiffre est traçable jusqu'à une agence nationale et redérivable à partir du fichier publié.
2. La défaillance est dans la sémantique, pas dans les valeurs. Aucun octet corrompu, aucune ligne tronquée, aucun mojibake, aucun en-tête mal analysé. Chaque nombre de notre fichier était un nombre publié par un statisticien.
3. La forme de la distribution est juste. Les deux tranches ont une tête lourde et une longue queue : tout contrôle portant sur la forme de la courbe, l'entropie ou la concentration en tête compare donc une courbe plausible à une autre.
4. La couverture paraît saine. Une tête de 295 prénoms constituée à la main et couvrant 78,69 % de la masse du registre est un bon corpus selon toutes les métriques que nous employons. C'était un bon corpus, pondéré depuis la mauvaise page.
5. Personne ne lit la liste des feuilles. Le classeur de la DVV indique, sur sa propre feuille de garde, en finnois clair, exactement ce que contient chacun de ses six onglets. Rien n'était caché.

Le dernier point mérite d'être souligné. Ce défaut n'exige aucun bogue subtil ni aucun cas limite exotique. Il exige seulement que le fichier soit ouvert plutôt que lu.

Quatre tests, le moins cher d'abord

1. Le test des sommes. Une tranche qui compte une chose par personne ne peut pas totaliser plus qu'il n'y a de personnes. Divisez une tranche candidate par l'autre, ou par la population si vous en disposez : les deux tranches finlandaises diffèrent d'un facteur ×2,174 et les suédoises de ×2,121, et dans chaque paire seul le plus petit total est possible comme décompte de personnes. C'est une seule division, elle ne demande aucune connaissance linguistique, et elle aurait attrapé les deux incidents.

2. Énumérez les tranches avant d'en choisir une. Dressez la liste de chaque feuille, colonne et variante de tableau que propose l'organisme diffuseur, avec sa propre description, avant d'en lire une seule. La Finlande en offre trois par sexe et les nomme ; la Suède en offre deux et les nomme ; on n'atteint la mauvaise qu'en ne regardant pas.

3. Corrélez les rangs contre chaque tranche candidate. La corrélation avec la mauvaise tranche ressort plus élevée — c'est là tout le signal. Si vous avez déjà construit le jeu de données et que vous ne pouvez pas reconstituer quelle colonne a servi, cela récupère la réponse à partir de l'artefact.

4. Faites lire le top dix à voix haute par un locuteur. C'est le test le moins cher et le seul qui ait attrapé le défaut en pratique. Quelqu'un qui a côtoyé des Finlandais regarde Maria Helena Johanna Anneli Kaarina et dit « personne ne s'appelle comme ça ». Aucune métrique que nous possédons ne dit cela, et il a fallu quatre secondes.

Le quatrième test n'est pas une solution de repli pour les trois premiers ; c'est le test principal, et les trois autres existent pour le rendre reproductible après coup. Il en existe une version générale dans comment auditer un jeu de données de fréquence des noms, et la défaillance voisine — des données correctement sourcées mais mal jointes — dans l'autorité n'est pas une propriété des lignes.

Où poser encore la question

La distinction entre « un prénom qu'une personne porte » et « le prénom par lequel une personne est appelée » n'est pas universelle. Là où elle existe, un registre publie généralement les deux et vous prévient rarement. Le finnois découpe explicitement ens / kaikki / muut, sur des feuilles distinctes d'un même classeur. Le suédois marque tilltalsnamn comme un champ légalement désigné, distinct de förnamn. Le norvégien, le danois, l'islandais et l'allemand partagent, à des degrés divers, la coutume sous-jacente de plusieurs prénoms dont un seul est en usage — mais savoir si l'agence statistique expose la distinction est une question à poser pays par pays, non à présumer. Chez nous, elle n'est pas tranchée pour tous.

La forme générale mérite d'être emportée bien au-delà des noms : chaque fois qu'une source propose un tableau « tous les X » et un tableau « X principal », il s'agit de deux mesures différentes, les deux paraîtront plausibles, et celle que vous voulez est presque toujours la plus petite. Le motif se répète dans les statistiques de noms de famille qui comptent des composants de nom plutôt que des porteurs, dans les données d'adresses qui comptent des entrées plutôt que des bâtiments, et partout où une entité peut détenir plus d'un exemplaire de la chose comptée.

Ce que nous avons changé

Les corpus de prénoms finlandais ont été repondérés directement à partir de la tranche ens. L'ensemble de lignes n'a pas changé : aucun prénom ajouté, aucun retiré, aucun renommé. Seuls les nombres ont bougé.

Un TVD de zéro sur l'ensemble commun n'est pas un triomphe ; c'est une tautologie. Dès lors que les poids sont les décomptes du registre pour les prénoms que nous détenons, la seule distance restante est la couverture — les 21,3 % de la masse masculine et les 28,6 % de la masse féminine du registre portés par des prénoms situés hors de nos 295 et 290. C'est une limite distincte, et une limite honnête.

Deux choses méritent d'être dites clairement. L'ancien fichier souffrait en même temps d'un second défaut, sans rapport avec le premier : des poids quantifiés sur une échelle 2..100, ce qui aplatissait la majeure partie de la liste — 271 des 295 entrées masculines et 270 des 290 entrées féminines se trouvaient sur un poids partagé avec au moins un autre prénom, et à l'intérieur d'un même poids les vrais décomptes s'étendaient jusqu'à ×236,6. C'est le sujet de la moitié de votre liste pondérée n'est pas pondérée, et la repondération l'a corrigé comme effet de bord ; deux défauts indépendants dans un même fichier, c'est normal, et en trouver un ne prouve pas que vous les avez tous trouvés. Et notre entrée masculine finlandaise la plus mince est désormais Väinämö, à exactement 5 porteurs — le plancher de ce que publie la DVV, et un rappel que le bas d'un corpus pondéré par un registre est borné par une règle de confidentialité plutôt que par la réalité.

La liste de contrôle

1. Listez chaque tranche qu'une source publie avant d'en lire une. Noms de feuilles, en-têtes de colonnes, variantes de tableaux. L'organisme diffuseur les documente généralement ; celui de la Finlande le fait, sur sa propre feuille de garde.
2. Exécutez le test des sommes. Une tranche divisée par l'autre, ou par la population si vous en disposez. Un rapport proche de 2 signifie que l'une d'elles compte des choses que les gens portent, pas des personnes.
3. Corrélez contre chaque tranche candidate, pas contre celle que vous comptiez utiliser. Une corrélation plus élevée avec la mauvaise est le diagnostic ; il récupère la vérité à partir d'un fichier déjà construit.
4. N'acceptez pas un contrôle de composition parfait comme une preuve au sujet des poids. 100 % de nos prénoms existaient dans le registre. L'erreur était entièrement dans les nombres.
5. N'acceptez pas une courbe plausible comme une preuve. Les deux tranches sont de forme zipfienne. Les contrôles de forme comparent une courbe crédible à une autre.
6. Faites lire le top dix à voix haute par un locuteur natif. Quatre secondes, et c'est le seul contrôle qui ait jamais attrapé cela.
7. Contrôlez le piège plutôt que de le présumer. La Suisse avait la même occasion de présenter le défaut et ne l'avait pas ; une reconstruction dont nous n'avions pas besoin aurait coûté plus cher que le contrôle.
8. Pour toute langue qui distingue le prénom du prénom usuel, demandez quelle colonne, et non si un registre existe. Le finnois, le suédois et leurs voisins soulèvent tous la question.
9. Quand vous trouvez cela dans une locale, lancez la requête sur toutes les autres. La Suède a trouvé la Finlande. Rien n'indique que cette chaîne se soit arrêtée là.

Le registre n'a jamais eu tort. L'instantané était à jour, la licence était ouverte, les décomptes étaient exacts, les prénoms étaient réels, et un Finlandais vous aurait dit en quatre secondes que la liste n'était pas une liste de Finlandais. Données authentiques et données correctes sont deux propriétés différentes, et une seule des deux peut être vérifiée par une machine qui ne sait pas ce que la colonne signifie.

Données arrêtées au 2026-07-22

Chaque chiffre de cet article a été mesuré le 22 juillet 2026 à partir des fichiers sur disque — les corpus livrés et les extraits bruts du registre — et non repris de notes de travail. Les corpus finlandais ont été remesurés après la correction, et les chiffres d'avant la correction sont les valeurs consignées lors de l'audit qui l'a déclenchée.

Sources et attribution :

• Finlande — DVV (Digi- ja väestötietovirasto). Etunimitilasto et Sukunimitilasto, instantané daté du 3 février 2026, publié via avoindata.suomi.fi sous CC BY 4.0. La feuille de garde du classeur précise que les décomptes couvrent les noms valides des citoyens finlandais vivants, résidant en Finlande ou à l'étranger, et que les prénoms comptant moins de cinq porteurs ne sont pas publiés pour des raisons de protection des données. Inventaire des feuilles, nombres de lignes et sommes tels que tabulés ci-dessus ; les six feuilles et leurs descriptions reprennent la formulation propre de la DVV.
• Suède — Statistics Sweden (SCB). Décomptes de prénoms, variantes tilltalsnamn et förnamn, instantané du 31 décembre 2022. Les chiffres traités sont notre propre calcul. Les rapports, les pourcentages et tout nombre dérivé de la section suédoise sont les nôtres et non ceux du SCB ; seuls les décomptes sous-jacents sont attribuables à l'agence. Nombres de lignes et sommes tels que tabulés : tilltalsnamn 49 400 ♂ / 57 781 ♀ totalisant 10 294 993 ; förnamn 79 124 ♂ / 91 243 ♀ totalisant 21 835 457.
• Suisse — Office fédéral de la statistique (BFS/OFS), via opendata.swiss. Jeux de données Männliche Vornamen der Neugeborenen nach Sprachregion und Kanton et Weibliche Vornamen der Neugeborenen nach Sprachregion und Kanton (slugs mannliche-vornamen-der-neugeborenen-nach-sprachregion-und-kanton, weibliche-…), ainsi que Männliche / Weibliche Vornamen der Bevölkerung nach Jahrgang, Schweiz 2024 (slugs mannliche-vornamen-der-bevolkerung-nach-jahrgang-schweiz-2024, weibliche-…). Les conditions d'utilisation des jeux de données disent textuellement : « Open use. Must provide the source. … You must provide the source (author, title and link to the dataset). » Auteur : Bundesamt für Statistik (BFS). Jeux de données à l'adresse https://opendata.swiss/en/dataset/<slug>.
• La distance de variation totale est calculée sur l'ensemble des prénoms partagés par les deux distributions comparées, les deux étant renormalisées sur cet ensemble commun, et rapportée en pourcentage. C'est la demi-somme standard des différences absolues de masse de probabilité.
• Le ρ de Spearman est calculé sur les rangs de l'ensemble commun de prénoms, les nôtres contre la tranche du registre.
• Chiffres finlandais d'avant la correction — 295 ♂ / 290 ♀ lignes sur une échelle de poids 2..100 ; 295 sur 295 et 290 sur 290 appariés dans le registre, zéro non apparié ; TVD 20,96 % ♂ et 28,50 % ♀ contre ens ; 271 lignes sur 295 ♂ et 270 sur 290 ♀ partageant un poids avec au moins un autre prénom ; pire amplitude de vrais décomptes à l'intérieur d'un même poids stocké ×236,6 ♂ et ×173,9 ♀.
• Chiffres finlandais d'après la correction — mêmes ensembles de lignes, poids 5..43 107 ♂ et 49..29 816 ♀, sommes 2 079 707 ♂ et 1 974 668 ♀, couverture de la tranche ens 78,69 % ♂ et 71,39 % ♀, TVD 0,00 % sur l'ensemble commun, top-10 identique au registre dans les deux sexes.
• Cohérence des feuilles — kaikki dépasse ens + muut sur 5 126 des 10 903 lignes masculines et 6 319 des 14 166 lignes féminines, jamais l'inverse, d'au plus 8 sur un seul prénom ; déficit total 17 050 (0,2925 %) ♂ et 19 983 (0,3371 %) ♀, cohérent avec le seuil de publication de cinq porteurs.
• Contrôle suisse — années de naissance 2000–2024 dans les deux jeux de données, agrégat national, comparés sur les 2 647 prénoms qu'ils partagent ; TVD 4,23 % ♂ et 3,56 % ♀ ; rapport des sommes stock/naissances 1,282 ♂ et 1,311 ♀.