Neuvième partie — la carte technique. Après avoir retracé qui utilise Splink et ce qui se trouve à ses côtés, voici la réponse à la question de la chaîne d’approvisionnement : chaque application, bibliothèque, backend et système réellement lié à Splink — et, mis à l’écart pour que la carte ne puisse pas être mal lue, les rivaux qui ne le sont pas.
↗ Lire la carte complète de l’écosystème — 75 éléments, chaque source primaire (GitHub)
Large portée, dépendance étroite
Splink est téléchargé environ 890,000 fois par mois (~19 millions depuis l’origine), et le graphe “Used by” de GitHub revendique ~110 dépôts dépendants. Mais ce chiffre est une borne supérieure qui flatte la réalité : il mélange des épinglages de fichiers de verrouillage, de simples mentions et des benchmarks de concurrents. Le “dépendant” qui compte le plus d’étoiles, goldenmatch, n’a aucune dépendance à Splink — il se mesure en benchmark contre Splink et se présente comme plus rapide. Le noyau véritablement porteur est minuscule.
• Le cœur — 4 : la bibliothèque Splink, son moteur Fellegi–Sunter, l’entraîneur EM et les graphiques intégrés.
• Modules officiels du MoJ — ~10 : splink_graph, splink_datasets, splink_udfs, les tableaux de bord cluster-studio et comparison-viewer, uk_address_matcher, et une version WASM exécutable dans le navigateur. Tous construits par l’équipe qui a fait Splink.
• Backends — il tourne sur DuckDB, Apache Spark, AWS Athena, PostgreSQL et SQLite (plus les bibliothèques d’exécution sqlglot, Altair, igraph).
• Véritables wrappers tiers industrialisés — exactement 2 : Databricks ARC (aujourd’hui abandonné) et l’op_splink à confidentialité différentielle d’Antigranular. C’est toute la surface d’intégration commerciale.
La véritable surface est gouvernementale, pas logicielle
La chose la plus lourde de conséquences liée à Splink n’est pas d’autre code — ce sont des systèmes gouvernementaux qui consomment ses sorties. Au moins huit : JustLink du MoJ, le Splink Master Record, le pilote en temps réel Core Person Record, le tableau de bord de détection d’arrestations probation–police du North Essex, les jeux de données de recherche Data First d’ADR UK / du MoJ, le Business Index de l’ONS et son appariement recensement 2021 → NHS PDS, ainsi que le service d’appariement en cours de développement de NHS England. Le poids de l’écosystème est là — dans l’usage opérationnel d’un outil de statistique sur des personnes nommées — exactement le fil que cette série tire depuis le début.
Ce qui n’est PAS lié à Splink
Parce que les panoramas de la “résolution d’entités” mettent tout dans le même sac, la distinction compte. Aucun de ces outils n’intègre, n’enveloppe ni ne dépend de Splink — ce sont des rivaux que gouvernements et entreprises utilisent à la place : BigMatch du US Census, G-Link de StatCan, DALI de l’AIHW (que l’AIHW aurait, selon des informations rapportées, envisagé de remplacer par Splink — ce qui confirme qu’il s’agit d’un concurrent), ChoiceMaker, FEBRL, Datavant, Match*Pro, dedupe, Zingg, Quantexa (£175m de travaux pour le HMRC) et Palantir Foundry. Et les pures collisions de noms : splink.io, une application de paiement dublinoise, et Splunk, le produit d’analyse de logs — ni l’un ni l’autre n’a quoi que ce soit à voir avec l’outil du MoJ.
Splink et la boîte à outils Python recordlinkage réutilisent tous deux les jeux de données de démonstration fournis avec FEBRL — des données d’exemple partagées, pas une dépendance de code. Cela ne fait pas de FEBRL un outil “lié à” Splink. Cette distinction est tout l’intérêt d’une cartographie honnête.
Méthode : 6 segments d’écosystème documentés à partir de sources primaires (l’organisation GitHub moj-analytical-services, la documentation de Splink, PyPI, gov.uk), puis vérifiés de façon contradictoire — c’est ainsi que les “110 dépendants” gonflés et le goldenmatch mal étiqueté ont été repérés et corrigés. 75 éléments, chacun classé par niveau et sourcé. Carte complète, signalements de faible confiance et sources : GitHub.