Le registre qui n'existe pas

Pendant des années, nos notes sur l'Italie ont dit la même chose : il n'existe aucun registre de noms. Aucune table de fréquence des noms de famille italiens, aucune table de fréquence des prénoms italiens, rien d'exploitable. L'Italie a été rangée dans la colonne « modélisé », aux côtés d'une poignée de pays qui, eux, ne publient réellement rien.

La moitié de cette note était exacte, rigoureusement et de façon démontrable. L'autre moitié était fausse, et l'avait été depuis le début. Les données existaient, étaient publiées par l'institut national de statistique, étaient gratuites, couvraient 1999 à 2024 et 10,6 millions de naissances — et elles restaient invisibles pour toutes les recherches menées jusque-là, parce qu'elles ne se trouvent pas dans un catalogue de données. Elles se trouvent derrière un widget interactif sur une page web, et elles portent un nom de produit plutôt qu'un nom descriptif.

Cet article traite de ce mode de défaillance, car ce n'est pas un problème italien. « Il n'existe pas de source pour le pays X » se décompose presque toujours en l'une de trois affirmations très différentes, et une seule d'entre elles est un fait.

D'abord, établir proprement le constat négatif

Avant d'affirmer qu'une source n'existe pas, vous devez avoir cherché au seul endroit où son absence a un sens. Pour un institut national de statistique, cet endroit est le catalogue lisible par machine, pas un moteur de recherche.

L'ISTAT publie ses fonds statistiques au format SDMX. La liste complète des dataflows tient en une seule requête HTTP :

https://esploradati.istat.it/SDMXWS/rest/dataflow/IT1

Cela renvoie 13,6 Mo de XML qui listent 4 887 dataflows — l'inventaire complet publié de ce que l'ISTAT diffuse sous forme de données structurées. Retéléchargé le 21 juillet 2026, puis passé au crible :

C'est un véritable constat négatif, et il vaut bien davantage que « je n'ai pas réussi à le trouver ». Il dit ceci : dans toute la production structurée de l'institut national de statistique italien, la fréquence des noms de famille n'est pas un produit publié. Ni soumise à un seuil, ni restreinte, ni derrière une authentification — absente.

La raison est documentée et structurelle. Les microdonnées de recensement portant sur les noms de famille sont traitées comme des dati sensibili : un nom de famille rare identifie à lui seul une personne, aussi l'ISTAT ne diffuse-t-il pas la distribution. La recherche onomastique italienne a historiquement contourné l'obstacle en exploitant l'annuaire téléphonique SEAT, qui est un échantillon d'abonnés, pas un registre.

Pour les noms de famille, la note d'origine avait donc raison, et elle a désormais raison pour un motif que nous pouvons montrer plutôt qu'affirmer. La formulation correcte est plus étroite que la nôtre : il n'existe pas de registre national des noms de famille. Des registres communaux existent, et nous y viendrons.

Ensuite, remarquer ce que le constat négatif ne couvrait pas

La même requête de catalogue qui prouve l'absence des noms de famille ne prouve absolument rien au sujet des prénoms — et c'est là que la note a dérapé. « Aucune table de noms de famille dans le catalogue SDMX » est resté en mémoire sous la forme « aucune donnée italienne sur les noms », ce qui est une autre phrase.

Les données sur les prénoms, elles, sont publiées. Elles s'appellent Contanomi — littéralement « compte-noms » — et sont présentées comme un jouet interactif sur le site de l'ISTAT : vous choisissez un prénom, vous voyez sa courbe. En dessous se trouve un point d'accès JSONP qui renvoie des effectifs de naissances absolus. Il accepte deux types de requête — l'une qui indique quelles années sont disponibles, l'autre qui renvoie une liste pour une année donnée jusqu'à une limite de lignes — et répond par un callback enveloppant un objet JSON par prénom : l'année, le prénom, l'effectif, le sexe et la part en pourcentage du prénom pour cette année-là. Aucune URL n'est reproduite ici ; c'est la forme qui compte, et c'est la forme de tout backend de widget.

Contrôlé de nouveau le 21 juillet 2026 : toujours actif, il renvoie toujours les années 1999 à 2024.

Ce qui revient n'est ni un indice, ni un pourcentage, ni un modèle. C'est le nombre d'enfants enregistrés sous ce prénom cette année-là, par sexe, issu de l'enquête Iscritti in anagrafe per nascita — alimentée depuis 2020 par l'ANPR, le registre national de la population résidente.

Extraction sur les 26 années et agrégation :

Dix millions et demi de naissances, prénom par prénom, année par année, avec le sexe, pour un pays que les notes avaient classé sous « pas de données ».

Et parce que ces données sont ventilées par année plutôt que cumulées en un total global, elles montrent ce qu'une table de fréquence unique ne peut pas montrer. Le prénom de tête change complètement d'un bout à l'autre de la fenêtre :

Agrégés sur toute la fenêtre 1999–2024, les prénoms en tête sont Francesco (217 368) et Giulia (196 243) — dont aucun n'occupe la première place dans l'une ou l'autre des années extrêmes. Une liste de fréquence aveugle aux générations aurait rapporté ces deux prénoms et n'aurait décrit personne.

Pourquoi personne ne l'avait trouvé

Six raisons, et chacune d'elles se généralise à d'autres pays :

1. Ce n'est pas dans le catalogue. L'inventaire SDMX est l'endroit où regarde un professionnel de la donnée, et Contanomi ne s'y trouve pas. C'est une fonctionnalité de site web, entretenue par celui qui entretient le site web.

2. Il porte un nom de marque, pas un nom descriptif. Chercher nomi, anagrafe, frequenza nomi sur le site d'une administration ne fait pas remonter une page intitulée « Contanomi » avec la même fiabilité qu'une recherche de cognomi ne fait rien remonter du tout. Les administrations nomment leurs outils interactifs comme les services marketing nomment les choses.

3. Le mot est générique. Filtrer un catalogue sur nome en italien, ou sur voornaam en néerlandais, renvoie des dizaines de faux positifs — nome est contenu dans denominazione, et dans le catalogue statistique néerlandais voornaam signifie aussi « principal », comme dans voornaamste bron van inkomen, « principale source de revenu ». Une recherche de sous-chaîne sur un mot courant n'est pas une recherche ; c'est une production de bruit.

4. Le point d'accès n'est pas documenté. Il n'y a ni dictionnaire de données, ni fichier de licence à l'URL, ni versionnement. Vous en découvrez la forme en lisant le JavaScript de la page.

5. Il est instable d'une manière qui masque sa propre profondeur. Demandez-lui trop de lignes et il renvoie un callback vide plutôt qu'une erreur. Notre extraction a obtenu 2 000 lignes pour la plupart des années — et 600 pour 1999, 400 pour 2018 et 2019, et 240 pour 2021. La profondeur par année est une propriété de ce que le point d'accès a toléré ce jour-là, pas des données. C'est normal pour un backend d'interface et rédhibitoire pour tout ce qui doit être reproductible.

6. Le constat négatif a été mémorisé plus largement qu'il n'avait été établi. Celui-là coûte cher, et il est nôtre, pas italien. Quelqu'un a contrôlé les noms de famille, n'a rien trouvé, et la note qui a survécu disait « Italie ». Les constats négatifs exigent la même précision que les constats positifs : ce qui a été contrôlé exactement, et ce que l'absence couvrait exactement.

Une liste de contrôle pour traquer un registre national

Classés selon la fréquence à laquelle chaque point a réellement fonctionné :

1. Interrogez le catalogue lisible par machine de l'administration, pas son site web. SDMX (/rest/dataflow/), OData ou un point d'accès CKAN package_search. C'est la seule recherche dont le résultat négatif signifie quelque chose, parce qu'elle énumère tout au lieu de le classer.
2. Cherchez dans le catalogue en langue locale, et contrôlez ce que votre sous-chaîne capture par ailleurs. Puis cherchez aussi le terme anglais — les administrations traduisent de manière incohérente.
3. Ouvrez les pages interactives de l'administration et lisez leur trafic réseau. Explorateurs de prénoms, pyramides des âges, gadgets « quelle est la popularité de votre prénom ». Chacun d'eux est une API publique dont on a retiré la documentation. Contanomi a été trouvé exactement ainsi.
4. Interrogez séparément le portail national de données ouvertes. Il agrège des ministères, des régions et des communes qui n'apparaissent jamais dans le propre catalogue de l'institut de statistique.
5. Puis descendez d'un niveau : les communes. Dans plusieurs pays, un registre national est juridiquement impossible alors que les registres communaux sont monnaie courante — voyez plus bas ce à quoi ils servent et ce à quoi ils ne servent pas.
6. Contrôlez si le constat négatif est structurel ou circonstanciel. « Aucun dataflow ne contient ce mot » assorti d'un motif juridique documenté (dati sensibili) est un constat négatif durable, que vous pouvez cesser de revérifier. « Le site était hors service » ne l'est pas.
7. Consignez le constat négatif en y attachant sa portée. Quelle requête, quel catalogue, quelle date et — c'est décisif — quelle entité il couvrait. Les noms de famille, pas les noms. Toute notre erreur italienne tient dans cette distinction manquante.

Le détour communal, et le chiffre qui y met fin

Le portail national italien de données ouvertes, dati.gov.it, répond à une requête CKAN sur cognomi par 95 jeux de données — revérifiés le 21 juillet 2026. Ce sont de véritables tables de fréquence de noms de famille issues de registres communaux de population, plusieurs d'entre elles sous CC0, une licence plus propre que celle qu'offrent la plupart des registres nationaux.

Elles sont aussi, en tant que distribution nationale, inutilisables. Voici la preuve, mesurée plutôt qu'affirmée.

Trois villes italiennes. Trois pays complètement différents, pour ce qui est de la distribution des noms de famille. Les noms de tête de Bergamo (ROTA, LOCATELLI, CATTANEO, MAZZOLENI) sont bergamasques et se raréfient en moins de cent kilomètres. Ceux de Pescara (DI GIOVANNI, CAMPLONE, RENZETTI) sont abruzzais. Le nom de famille numéro un de Brescia est SINGH et son numéro trois est KAUR, parce que Brescia compte une importante communauté pendjabie — un fait au sujet d'une seule province, qui ne dit strictement rien de l'Italie.

Voici maintenant le chiffre qui tranche. Prenez les 200 premiers noms de famille de chacune des trois villes et faites-en l'intersection :

Sept. ROSSI, ROMANO, MARTINELLI, CONTI, RUSSO, ESPOSITO, PELLEGRINI. Bergamo et Brescia sont distantes de 50 km dans la même région et partagent un quart de leur top 200. Ajoutez une troisième ville située 600 km plus au sud et le noyau commun s'effondre à sept noms de famille.

Une liste nationale ne peut donc pas s'assembler en empilant des listes communales, sauf à les avoir toutes, pondérées par la population, sur les vingt régions. La couverture disponible est un semis de volontaires biaisé vers le nord. Ces fichiers sont excellents pour valider un corpus dont vous disposez déjà, et disqualifiés pour en construire un.

Un bonus se cache dans le fichier de Brescia, et c'est la colonne la plus intéressante de tout cet article. Brescia répartit chaque effectif entre italiani et stranieri — citoyens et non-citoyens :

Cette colonne mesure, depuis un tableur communal, exactement ce que mesure un registre bien plus célèbre par un mécanisme complètement différent — depuis combien de temps un nom de famille est présent dans le pays. Le registre espagnol le fait avec la colonne du second nom de famille ; Brescia le fait avec un indicateur de citoyenneté. Ni l'une ni l'autre des administrations n'a créé cette colonne dans ce but. Nous examinons la version espagnole en détail dans Enraciné ou importé ?.

Trouver une source n'est pas la même chose que pouvoir l'utiliser

Deux choses empêchent que tout cela se termine bien, et toutes deux méritent d'être dites, parce qu'elles sont la forme habituelle du problème.

La licence. Les données ouvertes de l'ISTAT sont en CC BY — réutilisation commerciale explicitement autorisée, attribution obligatoire. C'est une licence généreuse et c'est aussi une contrainte : l'attribution n'est pas optionnelle, et elle doit être satisfaite là où une personne raisonnable irait regarder. C'est ici qu'un nombre surprenant de projets de données s'enlisent. L'attribution est une décision éditoriale, pas une décision technique, et elle entre en collision avec des habitudes produit qui n'ont rien à voir avec les licences — une charte maison qui tient les sources hors de la surface visible par l'utilisateur, une maquette sans place pour une ligne de crédits, la crainte que nommer un institut national de statistique implique son approbation. Aucun de ces motifs n'est reconnu par la licence. Là où la production d'un projet n'a véritablement nulle part où loger une mention de source, la contrainte doit être résolue avant que le fichier ne soit utilisé, pas après. Trouver des données ne crée pas le droit de les utiliser en silence.

La cohorte. Contanomi, ce sont les naissances de 1999 à 2024. Tous ceux qui y figurent ont moins de 27 ans. L'Italie a l'une des populations les plus âgées d'Europe : une liste de prénoms bâtie sur cette fenêtre décrit donc une tranche réduite et non représentative des Italiens vivants. Leonardo et Mattia dominent les années récentes ; les hommes qui ont aujourd'hui la cinquantaine et la soixantaine s'appellent Giuseppe, Giovanni et Antonio, et Contanomi les voit à peine. Échanger une liste portant sur toute la population contre une liste de cohorte de naissance parce que cette dernière est plus grande et mieux sourcée serait une régression pure et simple.

Le bon usage est celui que suggère la forme des données : les données annuelles deviennent des cohortes décennales, et l'agrégat devient une source pour les prénoms qui manquent à la liste existante, non un remplacement de celle-ci. Une table de fréquence sans date est une photographie sans légende, et c'est la légende qui vous dit qui s'y trouve.

Ce que la note aurait dû dire

L'entrée d'origine disait : « aucun registre de noms pour l'Italie. »

Ce qu'elle aurait dû dire, et dit désormais :

Noms de famille. Aucun registre national n'existe. Vérifié sur le catalogue complet des dataflows SDMX de l'ISTAT (4 887 flux, zéro correspondance pour cognom/surname), avec un motif juridique documenté. Des registres communaux existent — 95 jeux de données sur dati.gov.it, plusieurs en CC0 — mais les trois villes échantillonnées ne partagent que 7 noms de famille dans leurs top 200 respectifs, si bien qu'ils ne peuvent pas être agrégés en une distribution nationale. Utiles pour la validation, pas pour la construction. Prénoms. Un registre existe. ISTAT Contanomi, 1999–2024, effectifs de naissances absolus par prénom, année et sexe ; 2 278 prénoms masculins et 2 051 prénoms féminins sur 10 612 982 naissances. Livré par un point d'accès JSONP non documenté derrière un widget interactif, pas par le catalogue de données. Sous licence CC BY (attribution obligatoire). Couvre une cohorte de naissance, pas la population vivante.

La seconde version est quatre fois plus longue et chacune de ses propositions est porteuse. C'est là la véritable leçon. « Il n'existe pas de source » n'est pas un constat. C'est le résumé d'un constat, et c'est au moment de résumer que l'information a été perdue.

Données arrêtées au 2026-07-21

Chaque chiffre de cet article a été mesuré le 21 juillet 2026 à partir des fichiers et des points d'accès nommés ci-dessous. Les deux contrôles en direct — le catalogue SDMX de l'ISTAT et le nombre de jeux de données de dati.gov.it — ont été relancés le jour de la rédaction plutôt que repris de notes antérieures.

Sources :

• Italie — ISTAT, catalogue des dataflows SDMX pour l'agence IT1. Téléchargé le 21 juillet 2026 : 13 597 821 caractères, 4 887 entrées de dataflow, zéro correspondance pour cognom ou surname. <esploradati.istat.it/SDMXWS/rest/dataflow/I…;
• Italie — ISTAT, Contanomi, fondé sur l'enquête Iscritti in anagrafe per nascita (alimentée via l'ANPR à partir de 2020). Années 1999–2024. Notre extraction : 2 278 prénoms masculins et 2 051 prénoms féminins distincts, 10 612 982 naissances au total ; le plus petit effectif présent dans les tranches récupérées est 8. Sous licence CC BY — la mention de la source est exigée par la licence et elle est donnée ici. <istat.it/it/dati/contenuti-inte…; · conditions de licence : <istat.it/note-legali/&gt; ⚠ La profondeur par année est inégale, parce que le point d'accès renvoie une réponse vide au-delà d'une limite de lignes dépendant de l'année : 2 000 lignes pour la plupart des années, 600 pour 1999, 400 pour 2018 et 2019, 240 pour 2021. Le chiffre de 10,6 millions est donc un plancher des naissances couvertes, pas un total de recensement.
• Italie — dati.gov.it, CKAN package_search?q=cognomi. Nouvelle requête le 21 juillet 2026 : 95 jeux de données. <dati.gov.it/&gt;
• Bergamo — Regione Lombardia, fréquences communales des noms de famille, série 1987–2021 (65 565 lignes au total ; 1 750 lignes et 59 652 porteurs pour 2021 ; plancher de suppression 11). CC0 1.0.
• Brescia — Regione Lombardia, graduatoria cognomi (545 lignes, 58 181 porteurs, plancher 50, réparties en citoyens 89,4 % / non-citoyens 10,6 %). CC0 1.0.
• Pescara — Comune di Pescara, cognomi più diffusi 2025 (2 077 lignes, 73 839 porteurs, plancher 11). CC BY 4.0.
• Treccani, Perché non possiamo contare i cognomi italiani — le compte rendu documenté du refus de l'ISTAT de diffuser les données de recensement sur les noms de famille au titre des dati sensibili. Cité comme source du motif juridique, pas d'un chiffre quelconque.

Au sujet des chiffres communaux. Les noms de famille en tête de liste sont cités comme des faits concernant trois jeux de données publiés précis, avec leurs éditeurs et leurs licences. Aucune partie substantielle d'un registre n'est reproduite ici, et la statistique de chevauchement a été calculée localement plutôt que recopiée.

Ce qui ne figure pas dans cet article. Aucune affirmation n'est faite sur ce qu'un projet quelconque devrait charger dans un corpus quelconque. La discussion sur les licences décrit une contrainte, pas une décision.