DataEngineered

Des jeux de données sélectionnés, à provenance tracée
issus de sources publiques ouvertes

Pour les développeurs, les équipes data et les chercheurs qui ont besoin de faits structurés et sourcés plutôt que de collecter dix sources à la main.

DataEngineered conçoit et maintient des jeux de données structurés et relationnels dans dix secteurs grand public et techniques — chaque enregistrement est traçable jusqu’à une source publique documentée, et l’ensemble est vendu sous forme de snapshots téléchargeables, d’abonnements et d’API.

10 jeux de données commercialisés
500K+ enregistrements sélectionnés
100% à provenance tracée
4 sur 10 actualisés automatiquement chaque mois

Les jeux de données

Chaque produit est livré avec un échantillon gratuit pour que vous puissiez valider le schéma et la qualité avant d’acquérir une licence.

🧴

INCIdb

Soins de la peau & cosmétiques

Formulations cosmétiques décomposées en listes d’ingrédients INCI, reliées à la chimie au niveau des composés.

18 583 produits46 973 noms INCI
$79 paiement unique · 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

RoasterDB

Café de spécialité

Produits de café de spécialité avec origine, procédé et notes de dégustation reliées à la SCA Flavor Wheel.

8 000+ produits280+ torréfacteurs20+ pays
$49 paiement unique · pour le ML, les moteurs de recommandation et les applis café B2B
💊

SuppDB

Compléments alimentaires & nootropiques

Étiquettes réelles de compléments alimentaires issues du NIH DSLD, normalisées en dosages mg, avec signalement des mélanges propriétaires et données chimiques PubChem.

17 000+ produits2 000+ marques
$199 / $49 paiement unique · pour les applis santé IA, la comparaison de doses et l’intégration B2B
🌿

FloraDB

Plantes d’intérieur & botanique

Plantes d’intérieur vérifiées une à une, avec des indicateurs d’entretien quantitatifs (lumière, eau, température), la toxicité pour les animaux selon l’ASPCA et une taxonomie vérifiée par GBIF.

270 espèces sélectionnées891 fiches de toxicitéIndex de 20 000+ espèces
$49 paiement unique · pour les applis d’identification de plantes, les jardinières connectées et les fonctions de sécurité pour animaux
🔧

MechanicDB

Diagnostic automobile OBD-II

Codes de défaut de diagnostic — codes SAE universels plus codes OEM pour 32 marques — reliés à des procédures de réparation classées, des niveaux de difficulté en bricolage et des estimations de coût des pièces de rechange.

15 886 codes DTC32 marques (OEM)56 561 solutions classées75 055 correspondances de pièces
$49 / $149 paiement unique · pour les logiciels de garage, le matériel OBD et les assistants mécaniciens IA
🥃

WhiskyDB

Spiritueux haut de gamme

Whiskys et spiritueux haut de gamme issus des registres officiels d’étiquettes et de registres ouverts, avec un indice mensuel des prix aux enchères sur 19 ans.

2 301 spiritueux3 764 distilleries21 156 références de prix
$49 paiement unique · pour les agents IA, l’analyse des boissons, les plateformes d’enchères et les technologies de l’hôtellerie
🛎️

RecallDB

Rappels de produits & sécurité

Rappels officiels de produits du gouvernement fédéral américain, normalisés sur CPSC, FDA, FSIS, NHTSA et USCG — chaque enregistrement est relié à sa collecte source avec une empreinte des données brutes.

127 783 rappels292 790 produits5 sources fédérales
$49 paiement unique · pour les vendeurs e-commerce, les équipes conformité et les agents IA qui ont besoin de données de rappels hors ligne
🍷

WineDB

Grands vins & millésimes

Producteurs, cuvées et millésimes de grands vins avec les pourcentages exacts d’assemblage des cépages, des descripteurs organoleptiques de dégustation et des indices de valorisation sur le marché secondaire.

3 675 millésimes106 domaines viticoles57 appellations
$49 paiement unique · pour les applis de cave, l’évaluation des vins et les corpus RAG sur les grands vins
🔌

ApplianceDB

Réparation d’électroménager

Codes d’erreur d’électroménager reliés à des procédures de réparation classées et à des pièces de rechange, identifiés par une clé composite (marque, type d’appareil, code), couvrant 13 grandes marques.

438 codes d’erreur288 réparations classées13 marques
$99 paiement unique · pour les applis de réparation d’électroménager, le tri des interventions terrain et les assistants d’entretien de la maison
🧬

CSA

Biotech en phase clinique

Actifs pharmaceutiques en phase clinique reliés actif → essai → promoteur coté → ticker → statut FDA, avec un calendrier des catalyseurs à venir. Chaque ligne porte une URL source.

2 268 Phase-3 essais1 841 actifs pharmaceutiques2 103 catalyseurs à venir
$499 paiement unique · pour les fonds biotech, le screening événementiel et la veille concurrentielle

Notre méthode

La même rigueur d’ingénierie derrière chaque produit.

Uniquement des sources ouvertes

Registres publics, API institutionnelles et bases de données ouvertes — collectés avec retenue, dans le respect des conditions de chaque source, à partir de points d’accès publics.

Registres de provenance

Chaque enregistrement porte une référence de source : nom, point d’accès, licence et horodatage d’accès. Tout fait peut être retracé.

Couverture honnête

Aucune valeur inventée. Les taux de couverture par champ sont publiés d’emblée ; les attributs qu’une source ne publie pas restent vides ou portent une valeur par défaut documentée.

Pipelines maintenus

Des actualisations planifiées avec dédoublonnage maintiennent les snapshots à jour — les jeux de données sont des produits vivants, pas des extractions ponctuelles.

Questions fréquentes

Faits techniques, vérification de la provenance et procédures de licence.

Comment DataEngineered vérifie-t-il la provenance de ses jeux de données ?

Chaque enregistrement comprend un registre de provenance transparent indiquant le nom exact de la source publique, le point d’accès de l’API, la classification de la licence et l’horodatage de collecte. Nous ne synthétisons ni n’inventons jamais de valeurs manquantes.

À quelle fréquence les snapshots des jeux de données DataEngineered sont-ils actualisés ?

Quatre produits (RoasterDB, FloraDB, WhiskyDB et CSA) sont actualisés par des pipelines d’ingestion mensuels automatisés. MechanicDB, WineDB, ApplianceDB, INCIDB, SuppDB et RecallDB sont des éditions sélectionnées, rééditées lorsque leurs sources changent. Chaque édition est datée et ses volumes sont mesurés au moment de la construction.

Les équipes en entreprise peuvent-elles acquérir une licence pour des sous-ensembles personnalisés ou des schémas de données adaptés ?

Oui. Au-delà du paiement en libre-service via Stripe pour les snapshots standard, les équipes data engineering des entreprises peuvent demander des sélections sur mesure portant sur des listes cibles précises ou des formats d’export spécifiques, dont Parquet, DuckDB et JSON.

Des échantillons gratuits sont-ils disponibles avant l’achat d’une licence commerciale ?

Absolument. Chaque fiche de jeu de données du portail DataEngineered renvoie directement vers un échantillon gratuit hébergé sur Hugging Face ou Kaggle, ce qui permet à votre équipe de tester et valider immédiatement la compatibilité du schéma.

Licences & projets sur mesure

Les jeux de données complets sont vendus sous licence commerciale — la plupart en libre-service, avec paiement sécurisé Stripe et téléchargement immédiat, sous forme de snapshots en paiement unique ou d’abonnements actualisés. Une sélection sur mesure selon votre liste cible est disponible sur demande.

ou écrivez à hello@dataengineered.io