Registres Européens d'Entreprises
Trouvez des données financières (chiffre d'affaires, actifs, bénéfices) et des métadonnées de registre pour des entreprises européennes.
Exécution des scripts
Node.js + Python pur, sans étape de build. Pointez REG vers le répertoire scripts/ de ce dépôt (fonctionne depuis n'importe quel répertoire de travail) :
REG="/chemin/vers/european-company-registers/scripts" # ou ./scripts depuis la racine du dépôt
Allemagne, le chemin principal (Unternehmensregister + Bundesanzeiger)
Les deux sources sont interrogées en parallèle ; la liste est sans CAPTCHA. Commandes :
node "$REG/de-combined.js" search "Pergolux" # rapport le plus récent seulement (~0,4 s, défaut)
node "$REG/de-combined.js" search "Pergolux" --all-ur # tous les rapports UR (~0,5 s)
node "$REG/de-combined.js" search "Pergolux" --all # + Bundesanzeiger (~1 s)
node "$REG/de-combined.js" report "Pergolux" # UNE recherche + extraire les chiffres de chaque année gratuite
node "$REG/de-combined.js" analyze "Pergolux" --year 2021 # chiffres d'une année
Choisissez la commande selon l'intention :
- "quelles années / combien de chiffre d'affaires / analyser sur toutes les années" →
report. Elle recherche une fois, puis extrait les chiffres des N années les plus récentes (défaut 5) en un seul processus, en routant chaque année vers sa source automatiquement. C'est le chemin efficace, ne bouclez pasanalyzepar année. - juste la liste →
search(ajoutez--all-urpour toutes les années,--allpour confirmer aussi via le Bundesanzeiger). - les chiffres d'une année spécifique →
analyze --year YYYY.
Options : --max-extract N (report : combien d'années les plus récentes extraire, défaut 5) · --years 2024,2023 (uniquement celles-ci) · --no-ur (ignorer l'étape lente du navigateur ; les GJ 2022+ sont alors seulement listés) · --deep (paginer l'UR, seulement pour une recherche floue/par nom de famille couvrant de nombreuses entreprises ; un nom précis est complet sur 1 page) · --index N (choisir la Nième entreprise) · -v (conserver les charges utiles brutes) · --text-dir <rép> / --inline-text / --no-save-text (le texte du rapport complet est sauvegardé dans ./register-texts/ par défaut, voir Texte complet du rapport ci-dessous).
Pourquoi deux sources (DiRUG)
La publication des Jahresabschlüsse pour les exercices commençant après le 31.12.2021 a été transférée du Bundesanzeiger vers l'Unternehmensregister. Ainsi, les GJ 2022+ ne se trouvent que dans l'Unternehmensregister ; un scraping uniquement du Bundesanzeiger serait obsolète d'environ 3 ans. La liste UR est un sur-ensemble (les deux sources, taguées sources), donc elle pilote la liste ; le Bundesanzeiger ajoute les URL des rapports dont l'extracteur CAPTCHA+LLM lit les chiffres gratuitement.
Extraction des chiffres, les deux sources, toutes les années (sans paywall)
- Liste (
search) ne touche jamais un CAPTCHA. - GJ ≤2021 (Bundesanzeiger), chemin HTTP ; le CAPTCHA image du rapport est lu par Claude Haiku (vision), le texte extrait par Claude Sonnet. Assez rapide (~20 s/an).
- GJ 2022+ (Unternehmensregister), le Jahresabschluss publié est gratuit mais derrière une case "Je suis un humain" (Friendly-Captcha, ni paiement ni connexion).
ur_fetch_document.pypilote un navigateur furtif pour résoudre la case et lire le texte, puis le LLM extrait les chiffres. Plus lent (~15-20 s/an + un lancement de navigateur) ;reporteffectue toutes les années UR en une seule session navigateur et les extrait simultanément. Utilisez--no-urpour l'ignorer. - Seuls les états déposés (
hinterlegte) des très petites entreprises sont payants, ceux-ci restent uniquement listés.
Nécessite une CLI claude connectée (détection automatique, ou définissez CLAUDE_BIN) et, pour les GJ 2022+, un navigateur furtif (voir Prérequis dans le README ; remplacez son emplacement avec COMPANY_REGISTERS_BROWSER et son Python avec UR_PYTHON). N'exporte jamais ANTHROPIC_API_KEY / ANTHROPIC_BASE_URL. Surcharges de modèle : BA_CAPTCHA_MODEL, BA_EXTRACT_MODEL.
status par année dans report : extracted · listed_only (au-delà de --max-extract) · gated_skipped (--no-ur) · extraction_failed.
Texte complet du rapport, récupéré ET sauvegardé par défaut
report/analyze ne se contentent pas de distiller les chiffres, ils conservent le texte complet du document (l'intégralité du Jahresabschluss / Lagebericht / Anhang récupéré de l'une ou l'autre source, le même texte que celui lu par l'extracteur) afin de ne rien avoir à récupérer ultérieurement. Par défaut, chaque année extraite est écrite dans un fichier UTF-8 .txt (avec un en-tête de provenance court) dans ./register-texts/ :
register-texts/<Tribunal>_<Registre>_GJ<Année>_<source>.txt
# ex. Bad-Oeynhausen_HRB-7371_GJ2024_unternehmensregister.txt
Chaque année extraite dans le JSON porte alors report_chars et report_text_file ; le niveau supérieur d'un résultat report ajoute text_dir et saved_text_count.
--text-dir <rép>, où écrire (défaut./register-texts; envREGISTER_TEXT_DIR).--inline-text, intègre également le texte complet dans le JSON sousreport_text(lourd ; désactivé par défaut).--no-save-text, chiffres uniquement, n'écrit pas de fichiers.
Le texte sauvegardé contient le contenu qualitatif que les chiffres ne peuvent pas donner : Lagebericht (stratégie, perspectives, risques, seules les grandes entreprises en déposent un), Anhang (participations/actionnariat, parties liées, un Gewinnabführungsvertrag, passifs éventuels). Pour les Kleinstkapitalgesellschaften, il s'agit essentiellement du simple bilan. search ne récupère jamais de documents, donc il n'écrit rien.
Sortie
search → entreprises avec euid, register/register_number (HRB), court, state, et reports[] de {fiscal_year, report_name, date, sources, free_extract} (les charges utiles chiffrées sont supprimées sauf si -v). report/analyze → par année financial_data : revenue, total_assets, earnings, equity, liabilities, inventory, receivables, cash, fixed_assets, gross_profit, material_expenses, personnel_expenses, operating_result, employees, fiscal_year, is_group_report, currency. De plus, par année extraite : report_chars + report_text_file (et report_text avec --inline-text) ; voir Texte complet du rapport ci-dessus.
Allemagne, Handelsregister (contenu structuré du registre)
Indépendant du chemin des Jahresabschlüsse ci-dessus. Donne le contenu du registre, pas les données financières : forme juridique, siège + adresse d'activité, objet, capital social/dotation, règles de représentation, gérants / directoire, procurations, et anciens noms. Gratuit depuis la réforme DiRUG (AD).
node "$REG/de-handelsregister.js" search "Holz-Richter" # entrées du registre : nom, HRB, tribunal, siège, statut, anciens noms
node "$REG/de-handelsregister.js" details "Holz-Richter GmbH" --hrb 37497 --court Köln # AD → JSON structuré
searchpilote handelsregister.de (navigateur furtif ; le site est une application JSF avec état, sans protection anti-bot) et renvoie les lignes de registre correspondantes ; faites toujours correspondre une entreprise par son HRB, jamais par une position fixe (l'ordre des résultats n'est pas stable).detailstélécharge l'AD ("Aktueller Abdruck"), exécutepdftotext, et analyse les sections numérotées standard en JSON (share_capital,managing_directors[]avec dates de naissance,prokura[],legal_form,purpose,seat, …).- Limite de débit : handelsregister.de limite la récupération de documents ; après quelques téléchargements AD dans une courte fenêtre, il redirige vers une page d'erreur (l'assistant réessaie, puis renvoie
reason:"throttled").searchn'est pas limité. Réessayezdetailsaprès une courte pause. - Nécessite le navigateur furtif (remplacez son Python avec
CLOAK_PYTHON) etpdftotext(poppler).
Autres pays
node "$REG/gb-companies-house.js" search "Tesco" # UK , entreprise / dépôts <numéro> aussi (nécessite clé)
node "$REG/fr-inpi.js" analyze "Carrefour" # FR , analyze accepte un nom OU un <siren>
node "$REG/pl-krs.js" search "CD PROJEKT" # PL , entreprise <krs> · nip <nip> · analyze <krs|nip>
# Ou le répartiteur unifié (de redirige vers de-combined.js) :
node "$REG/search.js" --country fr --name "Carrefour"
- France (INPI/RNE),
recherche-entreprises.api.gouv.fr, gratuit, sans clé. Renvoie le vrai chiffre d'affaires (ca) + résultat net (resultat_net) par année et les dirigeants (dirigeants) pour les nombreuses entreprises du jeu de données ouvertes de ratios financiers, ainsi que les métadonnées complètes.analyzeprend un nom (choisit l'entité réelle la mieux correspondante) ou un SIREN. UnINPI_API_TOKENgratuit optionnel ajoute la profondeur du bilan (total actif/capitaux propres) ; le chiffre d'affaires fonctionne sans. - Pologne (KRS), l'API officielle du Ministère de la Justice par numéro KRS est le cœur fiable (
company <krs>/analyze <krs>) : nom, forme juridique, NIP/REGON, siège, capital social, objet (PKD), conseil d'administration (noms masqués RGPD), et la liste des états annuels déposés (périodes + dates).nip <nip>résout un identifiant fiscal vers KRS via la liste blanche du MF.search "nom"utilise le navigateur furtif (le portail est protégé par Incapsula) et renvoie des candidats tagués{krs, name, city, register}→ puisanalyze <krs>. L'extraction des chiffres à partir des e-sprawozdania (XML JPK) est verrouillée par session et non implémentée ; la liste des dépôts + le lien vers le référentiel sont renvoyés. - Royaume-Uni (Companies House), API gratuite, métadonnées du bilan ; nécessite
COMPANIES_HOUSE_API_KEY. Les chiffres financiers analysés nécessitent XBRL (non implémenté, voir ROADMAP.md).
Non pris en charge (payant uniquement) : Autriche, Espagne, Pays-Bas.
Configuration (clés non allemandes)
Les clés sont lues depuis les variables d'environnement, ou un fichier local config/keys.json (ignoré par git). Ne jamais les coder en dur.
{ "COMPANIES_HOUSE_API_KEY": "…", // UK, gratuit sur developer.company-information.service.gov.uk
"INPI_API_TOKEN": "…" } // France, optionnel (la recherche de base fonctionne sans)
La Pologne n'a besoin d'aucune clé. L'Allemagne n'a besoin d'aucune clé au-delà de la CLI claude connectée.