3. ingredients
Une ligne par nom INCI canonique distinct — 46 973 au total. Chaque colonne issue de CosIng n’est renseignée que si le nom canonique correspond exactement à un nom de l’inventaire CosIng de la Commission européenne, et vaut NULL sinon.
| Champ | Type | Source | Description |
|---|
ingredient_id | INTEGER | — | Clé primaire |
inci_name | STRING | canonicalisation | Le nom canonique vers lequel chaque token brut d’étiquette a été résolu |
cosing_matched | INTEGER | CosIng | 1 lorsque le nom canonique correspond à l’inventaire. Conditionne toutes les colonnes CosIng ci-dessous |
cosing_ref_no | STRING | CosIng | Numéro de référence CosIng |
cas_number | STRING | CosIng | Numéro CAS — uniquement issu de CosIng, jamais déduit |
ec_number | STRING | CosIng | Numéro CE |
functions | STRING | CosIng | Catégories fonctionnelles CosIng, multivaluées, séparées par ; |
chemical_description | STRING | CosIng | Texte de description chimique / IUPAC issu de CosIng |
cosing_restriction | STRING | CosIng | Référence de la restriction, par ex. une entrée de l’annexe V |
cosing_update_date | STRING | CosIng | Toujours NULL dans ce snapshot — l’export ne comporte aucune date de mise à jour |
annex_ii … annex_vi | FLOAT | CosIng | Appartenance aux annexes II (substances interdites), III (soumises à restrictions), IV (colorants), V (conservateurs), VI (filtres UV) |
is_common_allergen | INTEGER | Annexe III (UE) | Indicateur d’allergène parfumant (UE) — voir la note de méthode ci-dessous |
allergen_source | STRING | Annexe III (UE) | La liste dont provient un indicateur |
comedogenic_rating | FLOAT | authored | Note 0–5 pour les ingrédients couverts par l’article cité ; NULL sinon |
is_fungal_acne_trigger | FLOAT | rule | Indicateur dérivé d’une règle — une heuristique, pas une propriété mesurée |
rating_source | STRING | authored / rule | La citation ou le texte de règle, ligne par ligne, à l’origine des deux colonnes ci-dessus |
Couverture mesurée des colonnes CosIng
| Colonne | Part des 46 973 noms distincts | Part des 318 758 occurrences sur les étiquettes |
|---|
| Correspondance CosIng (toutes) | 11,0% | 82,5% |
functions | 10,9% | 81,5% |
cas_number | 8,3% | 76,4% |
chemical_description | 8,5% · 3 965 valeurs distinctes | — |
La colonne de gauche compte les noms distincts ; celle de droite, les occurrences d’ingrédients sur les étiquettes de produits. Elles diffèrent d’un ordre de grandeur, car un corpus d’étiquettes contient bien plus de chaînes distinctes — variantes botaniques, graphies multilingues, tokens marketing — qu’aucun inventaire réglementaire n’en répertorie, tandis que les emplacements d’une étiquette réelle sont très majoritairement occupés par des ingrédients que CosIng couvre effectivement. Aucun des deux chiffres ne décrit à lui seul les données. ec_number, cosing_restriction et les indicateurs d’annexe ne sont renseignés que sur le sous-ensemble apparié à CosIng, chacun à son propre taux — voir le build_report.json livré avec l’archive.
Méthode — indicateurs d’allergènes. Une seule liste : les allergènes parfumants de l’annexe III du règlement cosmétique de l’UE (règlement (CE) 1223/2009 modifié par le règlement (UE) 2023/1545), appariés sur le nom canonique exact. 99 noms sont signalés. 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.
Méthode — indices de comédogénicité. 145 ingrédients ont une note sur l’échelle 0–5, retranscrite du tableau I (p. 324–326) de Fulton JE Jr., Comedogenicity and irritancy of commonly used ingredients in skin care products, J Soc Cosmet Chem 1989;40:321–333. Lorsque l’article indique une plage plutôt qu’une note unique, la note est laissée à NULL. L’absence de note signifie « non couvert par la source citée », jamais « sans risque ».
Méthode — indicateur d’acné fongique. Une heuristique dérivée d’une règle, pas une propriété mesurée : il n’existe aucun test de Malassezia par ingrédient à retranscrire. La règle signale les acides gras C11–C24 et leurs esters, ainsi que les polysorbates 20/40/60/80, et ne s’applique qu’aux ingrédients appariés à CosIng, ce qui donne 270 indicateurs. Fondement : Saunte et al., Front Cell Infect Microbiol 2020 (DOI 10.3389/fcimb.2020.00112), avec la fenêtre de longueur de chaîne de Liebregts et al., FEMS Yeast Res 2025 (DOI 10.1093/femsyr/foaf043). Les huiles, beurres et cires spécifiques ne sont pas signalés — la littérature ne permet pas de se prononcer à leur sujet au niveau de l’ingrédient.
5. ingredient_name_map
55 426 lignes : les preuves de la canonicalisation, livrées avec les données pour que chaque décision du pipeline puisse être auditée ou corrigée.
| Champ | Type | Description | Exemple |
|---|
raw_name | STRING | Le token tel qu’il apparaissait dans products.raw_ingredient_text | AQUA (WATER) |
canonical_name | STRING | Le nom INCI canonique vers lequel il a été résolu | AQUA |
method | STRING | Mode de résolution — voir ci-dessous | paren_stripped |
confidence | FLOAT | Niveau de confiance associé à la méthode | 0.9 |
ingredient_id | INTEGER | FK → ingredients.ingredient_id | 162 |
| method | Signification |
|---|
exact | Le token nettoyé est déjà un nom de l’inventaire CosIng |
cleaned | Résolu après décodage des entités, suppression de caractères et réduction des espaces |
typo_map | Résolu via une petite table de fautes de frappe explicite et sourcée |
percent_stripped | Un pourcentage déclaré a été supprimé |
paren_stripped | Un contenu entre parenthèses a été supprimé |
synonym_map | Résolu via une table de synonymes explicite |
slash_variant | Une variante multilingue séparée par une barre oblique |
split | Un token accolé scindé en deux noms, tous deux présents dans l’inventaire |
unresolved | Aucune correspondance canonique — conservé tel quel et signalé, jamais deviné |
unresolved est la catégorie la plus importante en tokens distincts et une petite catégorie en occurrences sur les étiquettes — le même effet de longue traîne qui produit les deux colonnes de couverture ci-dessus.