Codes postaux : ZCTA ou USPS, qui choisir ?
L'USPS vend désormais des polygones officiels de codes postaux. ZCTA ou USPS : quelle source de données choisir pour votre géocodage en production ?

Votre pipeline de géocodage a un bug silencieux : une adresse dans un lotissement récent se géocode correctement, puis tombe dans l'interstice entre deux polygones ZCTA et ressort avec une région nulle. En aval, votre modèle de coût de livraison la range discrètement dans le mauvais marché. C'est le quotidien de qui travaille avec des frontières de codes postaux, un concept qui, jusqu'à récemment, n'existait pas officiellement. L'USPS vend maintenant les polygones officiels des codes ZIP via son portail PostalPro, et le monde de la data engineering oscille entre enthousiasme et choc sur le prix. Voici ce qui a vraiment changé, et comment décider quelles données de frontières intégrer à votre pipeline.
Je travaille depuis des années sur des pipelines de rapprochement et d'enrichissement à partir de données d'adresses américaines, et mon avis tranché est le suivant : la plupart des équipes traitent les ZIP comme de la géographie parce que le Census Bureau l'a rendu facile, pas parce que c'est juste. Le nouveau produit de l'USPS ne change pas ce calcul pour tout le monde, mais il tranche enfin un débat qui dure depuis des décennies.
Les codes ZIP n'ont jamais été des polygones (et ne le sont toujours pas)
Le fait fondamental qui bouscule l'intuition de tout le monde : un code ZIP est un attribut d'une tournée de livraison, pas une région de terrain. L'USPS a créé les ZIP en 1963 pour que le bon courrier arrive dans le bon camion. Un ZIP est un ensemble de tournées de facteurs rattachées à une unité de distribution : un bureau de poste, un centre de tri, parfois un seul immeuble. Les gros destinataires, comme les administrations ou les universités, obtiennent leur propre ZIP, qui ne couvre qu'une adresse. Les ZIP réservés aux boîtes postales couvrent un mur de casiers à l'intérieur d'un bâtiment, et zéro hectare de terrain.
Cela a des conséquences que la pensée en polygones ne peut pas absorber. Imaginez un promoteur qui construit un nouveau quartier sur un terrain vide entre deux villes. Si les ZIP étaient des polygones, il suffirait de chercher dans quel polygone se trouve le terrain pour obtenir le code. En réalité, l'USPS l'affecte à la tournée qui a le plus de sens logistique, ce qui peut être l'une des deux villes, ou un tout nouveau ZIP découpé dans les deux. La frontière n'existe pas tant que la tournée n'existe pas. C'est aussi pour cela que la documentation de l'USPS parle de fluctuation temporelle pour son nouveau produit de frontières, ce qui est du jargon administratif pour « les tournées changent tout le temps ».
- Boîtes postales et ZIP uniques n'ont aucune surface significative : ils représentent des bâtiments, pas des terrains.
- Zones de service non contiguës apparaissent lorsqu'une même unité de distribution dessert des poches d'adresses disjointes.
- Zones rurales sans couverture existent là où l'USPS ne livre pas du tout ; les adresses y sont affectées de façon incohérente, parfois à plusieurs ZIP candidats selon les bases.
- Changements constants : les nouvelles constructions, la consolidation de tournées et la fermeture de bureaux de poste redessinent les tournées chaque trimestre.
- Le ZIP+4 se réduit à une face d'îlot, mais presque personne ne le collecte ni ne le stocke, donc il vous sauve rarement en pratique.
Comparez avec le Royaume-Uni, où un code postal complet identifie environ dix adresses : il a été conçu dès le départ pour isoler un petit groupe de points de livraison, et il est collecté et utilisé partout. Le code ZIP américain à cinq chiffres a été conçu pour le tri, et nous avons passé cinquante ans à le détourner vers la géographie parce que c'était le seul identifiant géographique imprimé sur chaque adresse du pays.
ZCTA contre frontières USPS : ce que sont vraiment les deux jeux de données
ZCTA : des statistiques déguisées en codes ZIP
Les ZIP Code Tabulation Areas sont la réponse du Census Bureau au problème des polygones. Pour chaque recensement décennal, le Bureau examine chaque îlot de recensement, identifie le ZIP le plus fréquent parmi les adresses de l'îlot, puis regroupe les îlots en ZCTA nommées d'après le ZIP dominant. Le résultat est un shapefile gratuit et téléchargeable qui pave tout le pays sans trou ni chevauchement.
Cette conception a deux propriétés qui comptent énormément en production. D'abord, les ZCTA sont des zones statistiques, conçues pour agréger de façon cohérente les données du recensement : chaque tableau démographique publié par le Census au niveau ZIP est en réalité au niveau ZCTA. Ensuite, elles sont approximatives : la règle du « ZIP le plus fréquent gagne » fait que les adresses minoritaires d'un îlot sont affectées à une ZCTA qui ne correspond pas au ZIP qu'on écrirait sur une lettre. En zone urbaine dense, c'est une erreur d'arrondi. En zone rurale, avec de grands îlots de recensement et des tournées clairsemées, une ZCTA peut se tromper de plusieurs kilomètres par rapport à l'endroit où une adresse reçoit réellement son courrier.
Les nouveaux polygones de l'USPS : la vérité terrain, à un prix
Le produit USPS est construit dans l'autre sens : à partir des données réelles d'adresses et de localisation de distribution, celles-là mêmes qui pilotent les camions. C'est donc ce qui se rapproche le plus d'une vérité terrain pour la question « quelle zone l'USPS considère-t-elle comme couverte par ce ZIP ? ». Il est mis à jour chaque trimestre, ce qui suit le renouvellement des tournées que les ZCTA mettent des années à refléter. L'USPS le vend en trois niveaux : Interne, Entreprise (avec une diffusion limitée aux filiales et partenaires) et Publication (droits limités à la publication de cartes dérivées).
Le point qui a fait mal à la communauté : le tarif commencerait autour de 10 000 $ pour le niveau le plus bas, selon les informations disponibles. La colère se comprend, car les cartes de couverture de la FCC, les limites de terres fédérales et la géographie du Census sont toutes gratuites, et facturer cinq chiffres une géographie postale ressemble à un pas en arrière. La raison structurelle, c'est que l'USPS est une agence autofinancée qui vit surtout des recettes d'affranchissement, et non de crédits votés par le Congrès, donc elle traite ses données comme des produits. Savoir si c'est une bonne politique est un débat légitime ; savoir si vous devez bâtir votre pipeline autour de cette réalité de licence, en revanche, ne l'est pas.

Concevoir un pipeline de géocodage pour des frontières floues
Voici le schéma que j'ai retenu après avoir reconstruit ce pipeline plus d'une fois : traiter l'affectation du ZIP comme une jointure en deux passes avec un budget d'ambiguïté explicite, et jamais comme une simple recherche point-dans-polygone. La première passe est une inclusion stricte ; la seconde est un repli du plus proche voisin plafonné qui se journalise, pour mesurer à quelle fréquence vos données contredisent la géographie. Cela se marie bien avec les astuces d'indexation spatiale de notre comparaison geohash et index spatial : la passe de repli est exactement le type de charge qu'un bon R-tree rend peu coûteuse.
import geopandas as gpd
# ZCTA boundaries from the Census TIGER/Line shapefiles (free)
zcta = gpd.read_file("tl_2024_us_zcta520.shp")
# Project to a meter-based CRS so distances are meaningful
zcta = zcta.to_crs("EPSG:5070")[["ZCTA5CE20", "geometry"]]
points = gpd.GeoDataFrame(
addresses,
geometry=gpd.points_from_xy(addresses.lon, addresses.lat),
crs="EPSG:4326",
).to_crs("EPSG:5070")
# Pass 1: strict point-in-polygon
matched = gpd.sjoin(points, zcta, how="left", predicate="within")
# Pass 2: unmatched points get the nearest ZCTA, capped at 5 km,
# flagged so downstream consumers know this was an inference
unmatched = matched[matched["ZCTA5CE20"].isna()]
if len(unmatched):
nearest = gpd.sjoin_nearest(
unmatched.drop(columns=["ZCTA5CE20", "index_right"]),
zcta,
how="left",
max_distance=5_000, # meters, because we projected first
distance_col="fallback_dist_m",
)
matched.loc[nearest.index, "ZCTA5CE20"] = nearest["ZCTA5CE20"]
matched.loc[nearest.index, "zip_inferred"] = True
matched["zip_inferred"] = matched["zip_inferred"].fillna(False)
Trois détails de ce code vous épargnent de vraies douleurs en production. Projetez dans un CRS en mètres avant d'appeler sjoin_nearest : passer max_distance en degrés est un bug classique qui signifie silencieusement des distances différentes selon la latitude. Plafonnez la distance de repli : une adresse à 40 km du bord de la ZCTA la plus proche n'est pas « dans » cette ZCTA, elle se trouve dans un trou de données, et vous voulez un null avec un indicateur, pas un mensonge assuré. Et persistez le drapeau zip_inferred dans votre entrepôt. Quand un responsable demande pourquoi les estimations de livraison du T3 ont dérivé dans le Montana, ce drapeau fait la différence entre une réponse en dix minutes et deux semaines d'archéologie de données.
L'hygiène opérationnelle compte plus que la logique de jointure. Figez la version de votre couche de frontières dans la configuration du pipeline et enregistrez-la comme colonne dans les lignes produites : quand vous changez de millésime ZCTA ou adoptez la couche USPS, il faut savoir quelle frontière a produit chaque enregistrement historique. Planifiez la réingestion au rythme de mise à jour de votre source (environ annuel pour les ZCTA, trimestriel pour l'USPS), et ajoutez une étape de validation qui compare le nombre de lignes et la surface totale entre versions : les fichiers de frontières réservent plus souvent des surprises de qualité qu'on ne le souhaiterait. Si ce genre de plomberie spatiale à grande échelle vous plaît, notre article sur la transformation d'un pays entier en voxels présente les mêmes leçons à une échelle bien plus grande.
Un null avec un drapeau vaut mieux qu'un mensonge assuré. Le pire code ZIP de votre base est celui qui semble correct et ne l'est pas.
Quand chaque source de frontières ZIP gagne
Le choix n'est pas serré dès qu'on sépare les cas d'usage selon la question réellement posée. « Quel ZIP reçoit le courrier de cette adresse ? » et « à quelle zone statistique ce point appartient-il ? » semblent identiques, et ne le sont pas.
- Les ZCTA gagnent pour l'analyse et les jointures démographiques. Si vous enrichissez des enregistrements avec les données du recensement (revenu médian, densité de population, statistiques de logement), les ZCTA ne sont pas seulement l'option gratuite, ce sont l'option correcte, car les tableaux du recensement auxquels vous vous joignez sont publiés au niveau ZCTA.
- Les ZCTA gagnent pour la visualisation. Choroplèthes, cartes de marché et tableaux de bord ont besoin d'un pavage sans trou de tout le pays. Une couche avec des trous là où personne ne reçoit de courrier paraît cassée aux yeux d'un responsable, même si elle est exacte.
- Les polygones USPS gagnent pour la logistique et l'expédition. Zones tarifaires des transporteurs, routage du dernier kilomètre, éligibilité à une zone de service : tout ce où la question métier est littéralement « que va faire l'USPS avec cette adresse ? » mérite des données issues des enregistrements réels de livraison.
- Les polygones USPS gagnent quand les nouvelles constructions comptent. Les mises à jour trimestrielles suivent le renouvellement des tournées qui laisse les ZCTA obsolètes pendant des années. Si vos clients construisent dans des banlieues en forte croissance, cela seul peut justifier la licence.
- Aucune des deux ne gagne quand vous avez des coordonnées. Si votre besoin est « qu'y a-t-il près de ce point ? », oubliez les ZIP et faites de vraies requêtes géospatiales sur latitude et longitude. La proximité basée sur les ZIP est une abstraction qui fuit.
Il existe aussi un troisième camp à mentionner : les fournisseurs commerciaux de frontières vendent depuis des années des polygones ZIP soigneusement préparés, souvent groupés avec un historique de séries temporelles et des tables de correspondance vers d'autres géographies. Le produit USPS remet en cause leur argument de vérité terrain, mais pas forcément leur commodité. Si vous avez déjà une licence chez l'un d'eux, la question est de savoir si la traçabilité des enregistrements de livraison de l'USPS vaut une migration ; pour la plupart des charges analytiques, ce n'est pas le cas.

La question de la licence est une impasse : contournez-la
Beaucoup de gens intelligents se sont demandé si une demande d'accès aux documents administratifs pourrait libérer ces données, ou si une campagne de financement collectif pourrait acheter une seule licence et publier les polygones. Je parierais contre les deux. Les niveaux de licence existent précisément pour contrôler la redistribution, et un schéma « acheter une fois, publier gratuitement » se heurte de front à la raison d'être du niveau Publication. Même si cela fonctionnait, vous auriez un instantané d'un jeu de données dont la valeur tient à sa fraîcheur trimestrielle : une fuite statique vieillit vite et devient un passif dès que les tournées changent.
La démarche pragmatique consiste à concevoir la couche de frontières de façon interchangeable. Gardez constantes la logique de jointure, le comportement de repli et les métadonnées de versionnage ; traitez la source des polygones comme une configuration. Ainsi, le passage des ZCTA à l'USPS devient une décision budgétaire que vous prenez par gamme de produits, et non un projet de migration. J'ai vu des équipes coder en dur les hypothèses sur les ZCTA si profondément (noms de tables, clés de jointure, filtres de tableaux de bord) que changer de source coûterait plus cher que la licence qu'elles voulaient éviter.
Mon avis : par défaut les ZCTA, et l'USPS là où il est rentable
Voici la règle de décision que je donnerais aujourd'hui à n'importe quelle équipe. Par défaut, prenez les ZCTA : elles sont gratuites, elles pavent le pays, elles correspondent à chaque tableau du recensement que vous aurez jamais à joindre, et pour l'analyse, ce sont le choix canonique et non un compromis. Ajoutez la jointure en deux passes avec un repli plafonné en distance et journalisé, pour que les interstices soient visibles plutôt que silencieux.
N'achetez les polygones USPS que lorsque la question métier porte sur la distribution du courrier elle-même : modélisation des coûts d'expédition, routage des transporteurs, éligibilité à une zone de service, et chiffrez d'abord la valeur. Mesurez la part de vos adresses qui tombent dans les zones de désaccord ZCTA/USPS (d'après mon expérience, c'est faible, de l'ordre de quelques pourcents à l'échelle nationale, mais concentré précisément dans les zones à forte croissance et rurales où les erreurs coûtent le plus cher). Si cette tranche génère un revenu ou un risque significatif, la licence se rentabilise ; sinon, vous payez une précision que votre produit ne ressentira jamais.
Et quoi que vous choisissiez, arrêtez de prétendre que les ZIP sont de la géographie. Ce sont des tournées de facteurs déguisées en polygones, et les nouvelles frontières officielles ne changent rien à cela : elles rendent seulement le déguisement mieux ajusté. Concevez votre pipeline pour tolérer les interstices, journalisez les endroits où la carte et le courrier ne concordent pas, et vous aurez une longueur d'avance sur la plupart de l'industrie, qui fait encore des recherches point-dans-polygone brutes en se demandant d'où viennent les nulls.

