IA pour analyser des données

La première étape consiste à décrire vos données avant de poser votre question. Une colonne intitulée « CA » peut désigner un chiffre d'affaires mensuel, cumulé, hors taxes ou net de remises : l'outil ne le devine pas et se contentera d'une hypothèse. Une phrase suffit : « voici les ventes mensuelles 2026 par région, en euros hors taxes, la colonne Objectif est le budget prévisionnel ».

La deuxième étape est de poser une vraie question plutôt que de demander une analyse. « Analyse ces données » produit une description : moyennes, totaux, minimum et maximum, c'est-à-dire ce que vous voyez déjà. « Pourquoi le mois de mars décroche-t-il par rapport aux autres, et cet écart est-il inhabituel au regard du reste de l'année ? » produit une lecture.

La troisième étape consiste à demander ce que les données ne permettent pas de conclure. C'est la question la plus utile et la moins posée : « qu'est-ce que ce tableau ne permet pas d'affirmer ? ». Elle protège de l'erreur la plus coûteuse en analyse, qui n'est pas de mal calculer mais de conclure trop vite à partir de chiffres insuffisants.

Le plus simple et le plus fiable reste le copier-coller depuis un tableur. Sélectionnez vos cellules, collez-les dans la conversation : la structure en colonnes est conservée et l'outil la lit correctement. C'est plus robuste que l'envoi d'un fichier, et cela vous permet de ne transmettre que la partie utile plutôt qu'un classeur entier.

Un fichier CSV ou un tableau au format texte fonctionne également bien. En revanche, une capture d'écran de tableau est le pire des formats : les chiffres deviennent des pixels, la lecture devient approximative et les erreurs de report augmentent nettement. Si vous n'avez qu'une image, recopiez les valeurs importantes plutôt que de vous y fier.

Un détail qui économise beaucoup d'allers-retours : incluez toujours la ligne d'en-têtes. Un tableau sans intitulés de colonnes oblige l'outil à deviner ce que représente chaque série, et une hypothèse erronée à cette étape fausse toute l'analyse qui suit, sans que rien ne le signale.

Sa vraie force est la mise en mots. Décrire une évolution, formuler ce qui distingue deux périodes, expliciter une structure de répartition : ce sont des tâches où il est rapide et souvent plus clair qu'un graphique. Il est également efficace pour signaler les valeurs qui sortent de l'ordinaire et poser la bonne question à leur sujet.

Il est utile aussi pour ce qu'on lui demande rarement : critiquer un jeu de données. Demandez « que manque-t-il dans ce tableau pour répondre correctement à ma question » et vous obtiendrez souvent une réponse plus précieuse que l'analyse elle-même — une saisonnalité non prise en compte, une période trop courte, une catégorie absente.

En revanche, il n'est pas un moteur de calcul. Une somme, une moyenne ou un pourcentage d'évolution sur un tableau de quelques lignes passe généralement bien ; sur un tableau dense ou un calcul en plusieurs étapes, une erreur intermédiaire est possible et invisible dans le résultat. La règle est simple : faites-lui formuler et interpréter, faites calculer votre tableur.

Premier cas, des ventes mensuelles. Collez le tableau en décrivant les colonnes, puis demandez successivement : la tendance générale sur la période, les mois qui s'écartent de cette tendance, et enfin les hypothèses qui pourraient expliquer ces écarts. Cette dernière demande est celle qui rend l'échange utile, à condition de traiter les réponses comme des pistes à vérifier, jamais comme des causes établies.

Deuxième cas, des résultats d'enquête. Le réflexe utile est de demander d'abord la fiabilité avant les résultats : « combien de réponses par catégorie, et lesquelles sont trop peu nombreuses pour être exploitées ? ». Une catégorie à sept répondants ne se compare pas à une catégorie à deux cents, et c'est précisément ce genre d'écart qu'on présente sans y penser.

Troisième cas, des métriques web. Collez vos chiffres et demandez une lecture croisée plutôt que ligne à ligne : « quelles pages combinent beaucoup d'impressions et peu de clics, et qu'est-ce que cela suggère ? ». C'est le croisement de deux indicateurs qui révèle un problème, jamais un indicateur isolé.

Ces formulations partagent un principe : elles demandent une lecture argumentée plutôt qu'un résumé statistique. Collez votre tableau à la suite, après avoir décrit vos colonnes en une phrase.

Enchaînez-les plutôt que de tout demander d'un coup. L'outil conserve le tableau pendant la conversation : chaque question s'appuie sur la précédente, et vous pouvez creuser un point sans renvoyer les données.

C'est l'erreur la plus courante en analyse, et un outil conversationnel a tendance à l'aggraver parce qu'il produit volontiers des explications plausibles. Deux courbes qui montent ensemble n'ont pas nécessairement de lien de cause à effet, et un modèle de langage, entraîné à produire un discours cohérent, formulera sans peine une explication convaincante pour une coïncidence.

La parade tient dans une consigne à donner explicitement : « distingue les corrélations que tu observes des explications que tu proposes, et signale ce qui n'est qu'une hypothèse ». Sans cette demande, les deux niveaux se mélangent dans une prose fluide où l'on ne distingue plus le mesuré du supposé.

Un second réflexe protège efficacement : demander ce qui pourrait être une cause commune. Si deux indicateurs progressent ensemble, un troisième facteur les explique peut-être tous les deux — une saison, une campagne, un changement de périmètre. Cette question fait apparaître les explications alternatives qu'une lecture rapide écarte.

Cinq minutes de préparation changent radicalement la qualité de l'analyse. Retirez d'abord les lignes de total et de sous-total : incluses dans le jeu de données, elles sont comptées comme des observations ordinaires et faussent les moyennes comme les comparaisons.

Uniformisez ensuite vos formats. Des dates écrites tantôt en toutes lettres tantôt en chiffres, des montants avec et sans symbole monétaire, des cellules vides mêlées à des zéros : chacune de ces irrégularités est une source d'erreur. Une cellule vide et un zéro ne signifient d'ailleurs pas la même chose, et il vaut mieux l'expliciter que laisser deviner.

Enfin, réduisez à ce qui est nécessaire. Envoyer trente colonnes quand votre question en concerne trois dilue l'analyse et augmente le risque d'erreur de lecture. Un extrait bien choisi produit une meilleure réponse qu'un fichier complet, et vous transmettez moins d'informations au passage.

Aucun compte n'est nécessaire, aucun abonnement, aucune carte bancaire. Vous collez un tableau, vous posez vos questions, vous obtenez une analyse. Ce n'est pas une version d'évaluation qui se refermerait après quelques usages.

La limite quotidienne est de dix échanges par jour sans compte, sans limite avec l'abonnement Premium. Une analyse sérieuse demande rarement moins de dix questions successives sur le même tableau — c'est même la bonne méthode — : une analyse complète tient dans la journée gratuite, plusieurs demandent l'abonnement.

Le renouvellement s'effectue progressivement sur vingt-quatre heures glissantes plutôt qu'à minuit. Vous ne vous retrouvez donc jamais bloqué jusqu'au lendemain : la capacité revient au fil des heures.

Des données d'entreprise ne sont pas anodines : un tableau de ventes, une marge par produit ou des résultats d'enquête interne sont des informations que vous ne publieriez pas. La question mérite donc une réponse nette plutôt qu'une formule générale.

Les valeurs que vous collez sont transmises au modèle pour produire l'analyse, puis conservées le temps de la conversation afin que vous puissiez enchaîner vos questions sans tout renvoyer. Sans compte, cette conversation est rattachée à une session anonyme : elle disparaît à la fermeture de la page, et rien ne permet de la relier à vous ou à votre société.

Une pratique simple règle la plupart des situations : anonymiser les intitulés plutôt que les chiffres. Remplacez les noms de clients par « Client A », « Client B », les noms de produits par des références neutres. La structure des données reste intacte, l'analyse est strictement identique, et vous n'avez transmis aucun élément identifiant. Si vos données sont couvertes par une clause de confidentialité, vérifiez ce qu'elle autorise avant tout envoi, ici comme ailleurs.

Un tableur calcule juste, toujours, et de manière vérifiable : chaque formule est visible et reproductible. C'est son avantage décisif, et la raison pour laquelle il doit rester l'endroit où vos calculs sont faits. Sa limite est qu'il ne vous dit pas ce que ses résultats signifient.

Un outil décisionnel, lui, met à jour automatiquement des tableaux de bord sur des volumes importants. Il est irremplaçable pour un suivi récurrent, mais coûteux à mettre en place et rigide dès qu'une question sort de ce qui a été prévu.

L'IA occupe la place intermédiaire : elle ne calcule pas de façon fiable et ne se met pas à jour, mais elle répond à une question ponctuelle et inédite en quelques secondes. Le partage le plus efficace consiste à calculer dans le tableur, puis à coller les résultats pour les faire interpréter, formuler et critiquer.

L'erreur de calcul en plusieurs étapes est la plus insidieuse. Une addition intermédiaire fausse se propage silencieusement jusqu'au résultat final, présenté avec la même assurance qu'un résultat exact. La parade consiste à demander le détail des étapes plutôt que le seul résultat : une erreur devient repérable dès qu'elle est écrite.

L'erreur de lecture vient ensuite. Sur un tableau dense, une valeur peut être attribuée à la mauvaise ligne ou à la mauvaise colonne, particulièrement si les en-têtes manquent ou si les formats sont irréguliers. C'est la raison pour laquelle la préparation du tableau compte autant que la question posée.

La troisième erreur est d'un autre ordre : l'excès de confiance dans l'interprétation. L'outil ne connaît ni votre marché, ni votre saisonnalité, ni le changement d'organisation qui explique le décrochage de mars. Il propose des hypothèses cohérentes avec les chiffres, ce qui n'est pas la même chose que des explications vraies. Vous êtes le seul à disposer du contexte qui permet de trancher.

Une analyse juste mais mal formulée ne convainc personne. C'est un usage où l'outil est particulièrement efficace, parce qu'il s'agit précisément de mise en mots : « reformule ces résultats en trois phrases compréhensibles par une direction qui doit décider d'un budget » produit un texte directement exploitable.

Demandez aussi les objections. « Quelles questions un lecteur sceptique poserait-il sur cette analyse ? » vous prépare bien mieux qu'une relecture, et fait souvent apparaître une faiblesse réelle du raisonnement plutôt qu'une simple maladresse de présentation.

Un dernier conseil sur les graphiques : demandez quel type de représentation servirait votre message, et pourquoi. Un même jeu de données raconte des histoires différentes selon qu'on le présente en évolution, en répartition ou en comparaison. Formuler ce choix explicitement évite le graphique par défaut, qui montre tout et ne démontre rien.

L'analyse de données n'est pas réservée au travail. Un relevé bancaire exporté, un suivi de dépenses, des données d'activité sportive ou de consommation énergétique se prêtent exactement aux mêmes questions, avec un avantage : vous connaissez parfaitement le contexte, donc vous êtes en mesure de juger les hypothèses proposées.

Sur un budget, la question rentable n'est pas « combien ai-je dépensé » — votre banque le dit — mais « quelles dépenses ont augmenté par rapport aux mois précédents, et lesquelles sont régulières alors que je les croyais exceptionnelles ». C'est cette seconde catégorie qui explique la plupart des budgets qui dérapent.

Sur un suivi personnel, sportif ou autre, demandez la mise en relation plutôt que la moyenne : « y a-t-il un lien entre les périodes où [indicateur A] baisse et celles où [indicateur B] change ». En gardant à l'esprit que sur des données personnelles, peu nombreuses par nature, une coïncidence est vite prise pour une tendance.

Anonymisez avant de coller : un relevé bancaire contient un numéro de compte, parfois une adresse, et les libellés d'opération identifient commerces et habitudes. Remplacez-les par des catégories — « courses », « transport » — l'analyse sera identique et vous n'aurez transmis aucune donnée personnelle.