La table ingredient_name_map de 55 426 lignes consigne comment chaque token brut d’étiquette a été résolu en nom INCI canonique — colonnes method et confidence sur chaque ligne — sous la forme d’un artefact hors ligne et auditable, destiné aux équipes ML/NLP et aux analystes conformité. Aucune source gratuite ni API en direct ne le fournit. En dessous : 18 583 produits, 46 973 noms INCI canoniques, 318 758 liens de composition ordonnés, enrichis depuis CosIng (UE) ; lorsqu’une source n’a pas de valeur, la colonne est NULL.
$79 en paiement unique · CSV + Parquet · snapshot 2026.09 — pour les équipes ML/NLP qui construisent des modèles de normalisation d’ingrédients et les analystes conformité qui mènent des audits d’annexes à grande échelle
Ces deux vues des mêmes données diffèrent d’un ordre de grandeur. Ne publier que la plus flatteuse serait un mensonge par omission : les deux figurent donc ici — et un test du dépôt fait échouer le build si cette page et le corpus venaient à diverger.
| Colonne | Part des 46 973 noms distincts | Part des 318 758 occurrences sur les étiquettes |
|---|---|---|
| Correspondance CosIng (toutes) | 11,0% | 82,5% |
functions (vocabulaire CosIng) | 10,9% | 81,5% |
cas_number | 8,3% | 76,4% |
chemical_description | 8,5% · 3 965 valeurs distinctes | — |
Un corpus d’étiquettes cosmétiques contient bien plus de chaînes distinctes — variantes botaniques, graphies multilingues, tokens marketing, mélanges ponctuels — qu’aucun inventaire réglementaire n’en répertorie. C’est cette longue traîne qui explique la faiblesse de la colonne de gauche. Les emplacements d’une étiquette réelle sont très majoritairement occupés par les ingrédients que CosIng couvre effectivement, d’où le niveau élevé de la colonne de droite. Si vous construisez un scanner ou un modèle de formulation, c’est la colonne de droite qui détermine ce que voient vos utilisateurs ; si vous avez besoin d’une référence chimique, la colonne de gauche est le plafond honnête.
Issus de la liste des allergènes parfumants de l’annexe III de l’UE (règlement (CE) 1223/2009 modifié par le règlement (UE) 2023/1545), appariés sur le nom canonique exact. La FDA américaine n’a pas encore publié sa liste d’allergènes parfumants au titre du MoCRA ; il n’existe donc ici aucun indicateur américain.
Ingrédients notés 0–5, retranscrits de Fulton JE Jr., J Soc Cosmet Chem 1989;40:321–333 (tableau I). NULL partout où l’article ne s’applique pas — l’absence signifie « non couvert », jamais « sans risque ».
Une heuristique dérivée d’une règle, pas une propriété mesurée : acides gras C11–C24 et leurs esters, et polysorbates 20/40/60/80, appliquée uniquement aux ingrédients appariés à CosIng. Fondement : DOI 10.3389/fcimb.2020.00112 et DOI 10.1093/femsyr/foaf043.
SELECT
i.inci_name,
i.functions,
i.cas_number,
i.is_common_allergen,
pi.position_index
FROM 'product_ingredients.parquet' pi
JOIN 'ingredients.parquet' i ON pi.ingredient_id = i.ingredient_id
WHERE pi.product_id = 68597
ORDER BY pi.position_index ASC;
-- Real rows from the snapshot; long values elided with … for display.
-- NULL means CosIng has no value — it is never a placeholder.
-- +---------------------+-----------------------------------+------------+--------------------+----------------+
-- | inci_name | functions | cas_number | is_common_allergen | position_index |
-- +---------------------+-----------------------------------+------------+--------------------+----------------+
-- | AQUA | SOLVENT | 7732-18-5 | 0 | 1 |
-- | GLYCERIN | DENATURANT;HAIR CONDITIONING;… | 56-81-5 | 0 | 4 |
-- | ALUMINUM STEARATES | ANTICAKING;SKIN CONDITIONING - … | NULL | 0 | 11 |
-- | LIMONENE | DEODORANT;SOLVENT;PERFUMING | 138-86-3 | 1 | 14 |
-- | GERANIOL | TONIC;PERFUMING | 106-24-1 | 1 | 15 |
-- +---------------------+-----------------------------------+------------+--------------------+----------------+Aucun miroir tiers, aucun enrichissement obtenu par scraping, aucune donnée chimique saisie à la main. L’URL, l’horodatage de téléchargement et le SHA-256 de chaque fichier source sont consignés dans le build_report.json livré avec les données.
Le corpus de produits : codes-barres, marques, tags de catégorie propres à la source et listes d’ingrédients brutes figurant sur l’emballage, dont tout le reste est dérivé. Sous licence ODbL ; le texte brut des étiquettes est livré avec le résultat de l’analyse pour que vous puissiez la refaire.
L’inventaire des ingrédients : catégories fonctionnelles, numéros CAS et CE, descriptions chimiques, restrictions et appartenance aux annexes II–VI. Jointure sur le nom canonique exact ; les noms sans correspondance reçoivent NULL, pas une supposition.
Règlement (CE) 1223/2009 modifié par le règlement (UE) 2023/1545 — la seule liste à l’origine de is_common_allergen, consignée ligne par ligne dans allergen_source.
Tokens bruts d’étiquette résolus par une méthode explicite et ordonnée — exact, nettoyé, table de fautes de frappe, pourcentage supprimé, parenthèses supprimées, table de synonymes, variante à barre oblique, découpage, ou unresolved. La méthode utilisée est livrée ligne par ligne.
Une couche volontairement réduite et sourcée : des indices de comédogénicité retranscrits d’un seul tableau publié, et un indicateur d’acné fongique dérivé d’une règle, dont le texte est stocké ligne par ligne dans rating_source.
Taux de remplissage par colonne, nombres de valeurs distinctes, taux de correspondance et empreintes des sources pour ce snapshot précis — livrés dans l’archive pour que vous puissiez vérifier les affirmations de cette page au lieu de les croire sur parole.
Les données sont ouvertes (ODbL). Ce que vous payez, c’est la normalisation, la canonicalisation, la jointure, la mesure — et la livraison immédiate.
ingredient_name_map de 55 426 lignesbuild_report.json, dictionnaire de données, licencePaiement sécurisé par carte via Stripe (carte / Apple Pay / Google Pay) avec téléchargement immédiat après paiement. L’achat couvre la livraison et le travail d’ingénierie, pas des droits exclusifs sur les données — elles restent sous ODbL. Besoin d’une facture d’entreprise, d’un extrait sur mesure, ou d’abord d’une réponse à une question ? Ouvrez le formulaire de contact.
Deux chiffres, tous deux publiés ci-dessus. CosIng apparie 11,0% des 46 973 noms canoniques distincts, mais 82,5% des 318 758 occurrences d’ingrédients sur les étiquettes ; fonctions 10,9% / 81,5% ; CAS 8,3% / 76,4%. La longue traîne des noms distincts se compose de variantes botaniques, de graphies multilingues et de tokens marketing qu’aucun inventaire ne répertorie.
Par une procédure explicite et ordonnée — décodage des entités, suppression de caractères, réduction des espaces, passage en majuscules, puis correspondance exacte, correspondance après nettoyage, table de fautes de frappe, suppression des pourcentages, suppression des parenthèses, table de synonymes, variante à barre oblique, et découpage des concaténations uniquement lorsque les deux moitiés correspondent. Tout ce qui échoue à toutes ces étapes est enregistré comme unresolved, jamais deviné. La méthode appliquée à chaque token est livrée sous forme de table ingredient_name_map.
Une seule liste : les allergènes parfumants de l’annexe III de l’UE (règlement (CE) 1223/2009 modifié par le règlement (UE) 2023/1545), appariés sur le nom canonique exact — 99 noms signalés, allergen_source indiquant la liste. La FDA américaine n’a pas encore publié sa liste d’allergènes parfumants au titre du MoCRA ; ce jeu de données ne comporte donc aucun indicateur américain.
145 ingrédients notés 0–5, retranscrits du tableau I de Fulton JE Jr., J Soc Cosmet Chem 1989;40:321–333 ; NULL ailleurs. L’indicateur d’acné fongique est une heuristique dérivée d’une règle, pas une propriété mesurée : acides gras C11–C24 et leurs esters, plus les polysorbates 20/40/60/80, appliquée uniquement aux ingrédients appariés à CosIng, soit 270 indicateurs. Utilisez-le comme un filtre, pas comme un constat.
Regroupées selon les valeurs functions effectivement enregistrées pour chaque ingrédient. Les ingrédients sans fonction CosIng, ou dont la fonction sort du vocabulaire des pages de catégorie, n’ont pas de monographie.
SKIN CONDITIONING, SKIN CONDITIONING - EMOLLIENT, HUMECTANT, SKIN PROTECTING, ANTISTATIC.
SURFACTANT - CLEANSING, SURFACTANT - EMULSIFYING, CLEANSING, EMULSION STABILISING, FOAMING.
PRESERVATIVE, ANTIMICROBIAL, ANTIOXIDANT, CHELATING.
SOLVENT, VISCOSITY CONTROLLING, FILM FORMING, BINDING, BULKING, OPACIFYING.
FRAGRANCE, PERFUMING, COLORANT, HAIR DYEING — là où se concentrent les indicateurs de l’annexe III.
UV FILTER, UV ABSORBER, EXFOLIATING, KERATOLYTIC, ASTRINGENT, DEODORANT.