Comment trouver les fichiers en double sur votre PC sans risque

Pourquoi l'appariement par nom et taille se trompe de fichiers

L'appariement par nom échoue dans les deux sens. La même photo enregistrée deux fois devient IMG_4021.jpg et IMG_4021 (1).jpg — noms différents, octets identiques — quand deux documents sans aucun rapport peuvent s'appeler tous deux facture.pdf. Ajouter la taille réduit les faux appariements sans les faire disparaître : deux JPEG différents issus d'un même boîtier tombent souvent à quelques octets d'écart, et quantité de petits fichiers de configuration ont exactement la même taille par coïncidence.

Le sens qui compte vraiment pour la sécurité, c'est le faux positif : un outil qui déclare doublons deux fichiers qui ne font que se ressembler finira par supprimer quelque chose d'irremplaçable. Voilà aussi pourquoi la recherche d'« images similaires » mérite la méfiance dès qu'on l'automatise. Elle sert réellement à trier une photothèque à la main, mais une rafale de dix clichés quasi identiques, ce sont dix photographies différentes, pas neuf doublons — et aucun algorithme ne sait sur quelle image les yeux sont ouverts.

La seule définition qui tienne est l'identité octet par octet. Deux fichiers sont des doublons si leur contenu est identique, indépendamment du nom, du dossier, de l'horodatage ou de l'extension. C'est une question à laquelle une empreinte répond — et elle y répond pareil à chaque fois.

Comment fonctionne le hachage de contenu, et pourquoi c'est rapide

Une empreinte cryptographique réduit n'importe quel fichier à une signature de longueur fixe — 64 caractères hexadécimaux pour SHA-256. Un contenu identique produit toujours une signature identique, et en pratique deux fichiers différents n'entrent jamais en collision. Comparer des signatures remplace donc fidèlement la comparaison de fichiers entiers, et permet de confronter des milliers de fichiers entre eux au lieu de les apparier un à un.

Tout hacher supposerait de lire chaque octet du disque : une implémentation compétente procède donc par étapes. Elle regroupe d'abord les fichiers par taille exacte, puisque des tailles différentes excluent l'identité — cette seule étape élimine l'écrasante majorité des candidats sans lire aucun contenu. Elle hache ensuite un court préfixe des fichiers restant dans les groupes multiples. Seuls les rescapés de ce tour passent au SHA-256 complet. Sur un disque typique, l'étape de lecture complète finit par ne toucher qu'une petite fraction des données.

Cette mise en étages explique ce qu'un scan doit donner comme sensation. Un premier passage sur quelques centaines de milliers de fichiers relève surtout des métadonnées et se boucle en minutes ; la partie lente est le hachage final des grosses vidéos qui partagent réellement une taille. Si un outil met des heures et cloue le disque en prétendant comparer par contenu, il hache probablement tout, indistinctement.

À la main avec PowerShell

Aucun logiciel n'est nécessaire pour une vérification ciblée. La ligne suivante regroupe les fichiers par taille, écarte les tailles uniques, hache le reste en SHA-256 et n'affiche que les groupes où plusieurs fichiers partagent une empreinte. Visez un dossier précis — un lecteur entier fonctionne, mais ce sera long.

• Get-ChildItem -Path 'C:\Users\You\Pictures' -Recurse -File | Group-Object Length | Where-Object { $_.Count -gt 1 } | ForEach-Object { $_.Group } | Get-FileHash -Algorithm SHA256 | Group-Object Hash | Where-Object { $_.Count -gt 1 } | ForEach-Object { $_.Group.Path }
• Ajoutez -Filter '*.jpg' à Get-ChildItem pour le restreindre à un seul type de fichier
• Ajoutez | Out-File C:\Temp\dupes.txt à la fin pour enregistrer la liste en vue de la relire
• Exécutez-le dans Windows Terminal ou PowerShell ; aucun droit administrateur n'est requis pour vos propres dossiers
• Utilisez plutôt Get-FileHash -Algorithm SHA1 si vous hachez une très grosse vidéothèque et voulez aller plus vite

Lisez le résultat avant de supprimer quoi que ce soit

La commande ci-dessus n'affiche volontairement que des chemins et ne supprime rien. Cette séparation est tout le modèle de sécurité : générer une liste, la lire, puis agir. Triez la sortie par dossier et le motif saute généralement aux yeux — un dossier d'importation d'appareil photo dupliqué dans un dossier de sauvegarde daté, un projet exporté deux fois, une bibliothèque musicale présente à la fois dans Musique et dans une vieille copie de disque externe collée sur C:.

Quand vous supprimez, faites-le vers la Corbeille plutôt qu'à titre définitif, par petits lots, avec des pauses pour utiliser la machine normalement entre deux. Le mode d'échec du nettoyage de doublons n'est jamais un seul fichier erroné ; c'est une sélection massive et confiante à travers des dossiers dont vous n'aviez pas compris la relation. Garder la Corbeille dans la boucle transforme une erreur coûteuse en simple contrariété.

Où les doublons s'accumulent vraiment

Les vrais doublons se concentrent dans une poignée d'endroits prévisibles, et ne scanner que ceux-là est à la fois plus rapide et bien plus sûr que de scanner C: en entier. Téléchargements est le champion : le même installeur ou PDF rapatrié trois fois, chacun avec un suffixe numéroté. Viennent ensuite les dossiers photos, généralement parce qu'une importation depuis le téléphone a été lancée deux fois ou qu'une carte a été copiée avant et après un renommage.

• Téléchargements — téléchargements répétés avec suffixes (1), (2)
• Images et dossiers d'importation de téléphone — une importation lancée plus d'une fois
• Dossiers cloud — copies de conflit OneDrive et Dropbox suffixées du nom d'un appareil
• Bureau et dossiers « ancien bureau » survivant à une réinstallation de Windows
• Dossiers de médias de messageries — la même image enregistrée par plusieurs conversations
• Dossiers d'export de projets — rendus et builds exportés à répétition
• Un vieux disque externe copié en bloc dans un dossier de C:

Ce qu'il ne faut jamais dédupliquer

Le contenu dupliqué au sein des installations logicielles est normal et voulu. Beaucoup d'applications livrent volontairement la même bibliothèque d'exécution dans plusieurs dossiers, pour que chacune charge une version sur laquelle elle a été testée ; supprimer une copie parce qu'elle ressemble à une autre, c'est s'offrir une application qui démarre bien et échoue sur une fonction précise des mois plus tard. La même logique vaut pour les packs de ressources de jeux et les dossiers de développement où des dépendances identiques apparaissent dans plein de sous-dossiers de projets.

Windows lui-même est le bord le plus coupant. C:\Windows\WinSxS regorge de fichiers qui semblent dupliqués mais sont des liens physiques pointant vers les mêmes données sur le disque : un scanner naïf y rapporte des gigaoctets de « doublons » qui ne libèrent rien une fois supprimés et cassent la maintenance dans le cas contraire. Restreignez toute recherche de doublons à vos dossiers de données, et considérez un outil qui propose de scanner les dossiers système comme une raison de changer d'outil.

• C:\Windows et tout ce qui vit dessous, WinSxS avant tout
• C:\Program Files et C:\Program Files (x86)
• %APPDATA% et %LOCALAPPDATA% — état des applications et profils
• C:\ProgramData — licences et bases d'applications
• Dossiers d'installation de jeux et répertoires de contenu des lanceurs
• Dossiers de développement : node_modules, vendor, environnements virtuels, sortie de build
• Tout ce qui se trouve sur un disque dont vous n'êtes pas l'unique utilisateur

Choisir la copie qui survit, et les pièges

Une fois un groupe confirmé identique, la copie qui doit survivre est celle de l'endroit où vous chercheriez en premier — en général le dossier d'origine plutôt que la sauvegarde, la copie des Téléchargements ou celle du Bureau. Préférez le chemin au nom le plus court et le plus sensé. Si une copie vit dans un dossier cloud synchronisé et l'autre non, ne gardez la synchronisée que si ce dossier est réellement votre lieu de travail — sinon vous confiez votre unique exemplaire à un service dont vous pourriez plus tard réinitialiser la synchronisation.

Trois pièges méritent d'être nommés. Les fichiers liés physiquement apparaissent comme des chemins distincts partageant les mêmes données : en supprimer un ne libère rien et l'autre continue de fonctionner — inoffensif, mais déroutant quand les économies annoncées ne se matérialisent jamais. Les fichiers d'espace réservé du cloud (Fichiers à la demande d'OneDrive) peuvent ne pas être présents localement, et les hacher force le téléchargement du dossier entier. Et les fichiers d'un dossier géré par autre chose — une sauvegarde, un dépôt, une bibliothèque de jeux — ne sont des doublons que du point de vue du système de fichiers : le programme qui les possède attend les deux.

Pour une version répétable de ce flux, le chercheur de doublons de Kleaner PRO compare par SHA-256 plutôt que par nom, exclut par défaut les dossiers système et programmes, regroupe les correspondances avec leurs chemins complets et vous laisse choisir la copie à conserver avant toute suppression. La voie PowerShell ci-dessus fait le même travail pour un dossier unique — c'est le bon outil quand vous voulez vérifier un seul endroit.

Questions et réponses

À lire ensuite

Tous les articles · FAQ