L'IA au travail
Analyser un tableur avec l'IA : ce qu'il faut retirer, et comment vérifier les chiffres
Un tableur est le seul endroit où une réponse plausible ne vaut rien. Soit le chiffre est juste, soit il ne l'est pas. La bonne nouvelle, c'est que ces assistants n'ont pas à deviner : pour ce type de tâche, ils écrivent et exécutent du vrai code. À condition que vous relisiez le code, et pas le commentaire qui l'entoure. Voici la méthode, les limites documentées par l'éditeur, et ce qu'il faut d'abord retirer du fichier.
Deux modes, et un seul calcule
Quand vous collez un tableau dans une fenêtre de discussion et demandez un total, le modèle peut répondre d'après la forme du texte. Quand il exécute du code, il calcule réellement. OpenAI documente ce second mode sans détour : pour certaines tâches d'analyse de données, ChatGPT écrit et exécute du code Python dans un environnement de type notebook Jupyter, peut utiliser les fichiers mis à disposition de la session, et peut afficher des tableaux de façon interactive.
La même documentation donne la consigne la plus importante de tout ce guide : quand ChatGPT utilise Python pour analyser, relisez le code généré, les sorties et les hypothèses avant de vous fier au résultat. Et si la réponse dépend d'une méthode précise, demandez-lui de montrer ou d'ajuster cette méthode.
La règle est donc simple. Pour tout ce qui est chiffré, le code doit être visible. « Montre-moi le code que tu as exécuté » n'est pas une astuce d'expert, c'est le seul moyen de relire le travail.
Avant que le fichier ne parte : le nettoyer
Un tableur professionnel contient presque toujours plus que ce dont la question a besoin : noms de clients, adresses électroniques, salaires, adresses, parfois des informations de santé ou de ressources humaines. Le principe de minimisation du RGPD exige que les données personnelles soient adéquates, pertinentes et limitées à ce qui est nécessaire au regard de la finalité. La position de la CNIL sur les services d'IA générative est d'éviter autant que possible la saisie de données personnelles, et elle recommande aux organismes de définir une liste d'usages autorisés et interdits, par exemple ne pas fournir de données personnelles au système.
En pratique, cinq minutes de préparation :
- Supprimez les colonnes d'identité. Noms, adresses électroniques, numéros de téléphone, numéros de compte. Gardez un numéro de ligne interne si vous devez recoller les résultats ensuite.
- Gardez les colonnes utiles à la question et rien d'autre. Si la question porte sur le chiffre d'affaires mensuel par région, le fichier a besoin d'une date, d'un montant et d'une région.
- Arrondissez ou regroupez ce qui est sensible mais nécessaire. Un salaire devient une tranche, une date de naissance devient une classe d'âge.
- Vérifiez les feuilles masquées et les colonnes cachées avant l'envoi. C'est par là que des données confidentielles voyagent sans qu'on le voie.
- Désactivez la réutilisation et l'historique dans les paramètres quand le service le permet, comme le conseille la CNIL, avant le premier envoi.
La CNIL ajoute un point pour qui industrialise cela dans un produit au lieu de le faire à la main : avec une API, la maîtrise du système est presque exclusivement entre les mains du fournisseur ; il faut donc être particulièrement vigilant sur les données soumises et sur les conditions contractuelles, notamment les transferts de données hors de l'Union européenne.
Les limites documentées par l'éditeur
Ces quatre points viennent de la page d'aide d'OpenAI, et chacun explique un échec que vous mettriez sinon sur votre propre compte :
- Un fichier peut être accepté sans être analysé en entier s'il est trop gros, trop complexe, trop chargé en images ou mal structuré. Le remède indiqué : demander d'inspecter des feuilles, lignes, colonnes ou sections précises, ou découper le fichier.
- Les valeurs exactes issues d'images ne sont pas fiables. PDF scannés, tableaux en image et mises en page complexes sont le mauvais format quand les chiffres comptent : envoyez plutôt un tableur ou un fichier texte.
- L'environnement Python ne peut pas faire de requête web ni d'appel d'API. Si l'analyse dépend de données extérieures, il faut les envoyer ou connecter une source disponible.
- La méthode peut ne pas correspondre à votre intention au premier essai. La réponse documentée : préciser la méthode, le type de graphique, le regroupement ou la colonne voulus.
Lisez cette liste comme un aide-mémoire de ce qu'il faut dire dans la consigne, plutôt que comme des défauts.
La consigne qui produit une réponse relisible
Analyse le fichier joint avec Python et montre-moi le code que tu exécutes. Avant tout résultat : dis-moi combien de lignes et de colonnes tu as lues, les types de colonnes détectés, le nombre de cellules vides par colonne, et les lignes en doublon. Ne nettoie rien sans me dire ce que tu as retiré. Réponds ensuite à cette question : [votre question]. Donne le résultat, le code, et les chiffres exacts utilisés, pas un résumé arrondi.
La première moitié est celle que tout le monde saute, et c'est elle qui attrape le plus. Nombre de lignes, types, vides et doublons : c'est là que les vrais tableurs cassent. Une colonne lue comme du texte au lieu de nombres, trois cents lignes vides en bas, une date dans deux formats.
Puis la seconde demande, systématiquement :
Liste tout ce que tu as dû supposer pour produire ce résultat : comment tu as traité les cellules vides, comment tu as interprété les dates, ce que tu as exclu, et toute ligne que tu n'as pas su interpréter. Pour chaque hypothèse, dis comment le résultat changerait avec le choix inverse.
Comment vérifier en deux minutes
- Contrôlez le nombre de lignes face au fichier. S'il en a lu 1 180 et que le vôtre en contient 1 240, arrêtez-vous là.
- Recalculez une cellule à la main. Prenez un groupe, filtrez-le dans le tableur, comparez. Une concordance est un signal fort ; une discordance clôt la discussion.
- Vérifiez le total. La somme des catégories doit égaler le total général, au centime.
- Lisez le code, et en particulier les filtres. La plupart des réponses fausses viennent d'un filtre qui a écarté des lignes sans le dire, pas de l'arithmétique.
- Reposez la même question autrement et voyez si le chiffre survit. La cohérence n'est pas une preuve, mais l'incohérence est une découverte.
Ce qui ne se délègue pas
Trois catégories où l'assistant produit le brouillon et jamais le dernier mot : ce qui part chez un client ou un régulateur, ce qui nourrit une décision concernant une personne, et ce que vous ne pouvez pas vérifier à la main. Pour cette dernière, la réponse honnête est souvent que l'analyse est trop complexe pour une fenêtre de discussion et qu'elle appartient à un tableur ou à un notebook que vous conservez.
Nous n'avons pas encore mené nos tests en main sur ces fonctions d'analyse : ce guide ne donne donc aucun prix, aucun chiffre de limite et aucune comparaison entre outils. Les limites ci-dessus sont celles de l'éditeur, et la routine de vérification marche quel que soit l'outil.
Les outils de ce guide
- Informations de l'éditeur
ChatGPT
Assistant polyvalent pour rédiger et chercher.
ÉcrirePrix : à vérifier
- Informations de l'éditeur
Claude
Assistant pour les longs documents et l'écriture soignée.
ÉcrirePrix : à vérifier
- Informations de l'éditeur
Gemini
L'assistant de Google, relié à Workspace.
ÉcrirePrix : à vérifier
Questions fréquentes
L'assistant calcule-t-il vraiment, ou devine-t-il ?
Les deux, selon la tâche. OpenAI documente que, pour certaines tâches d'analyse de données, ChatGPT écrit et exécute du code Python dans un environnement de type notebook Jupyter. La même documentation demande de relire le code généré, les sorties et les hypothèses avant de se fier au résultat.
Peut-on envoyer un tableau scanné ou une capture d'écran ?
C'est possible, mais pas quand les chiffres comptent. L'éditeur précise que ChatGPT peut ne pas extraire de façon fiable les valeurs exactes de tableaux en image, de fichiers scannés ou de mises en page visuelles complexes, et recommande d'envoyer plutôt un tableur ou un fichier texte quand les valeurs exactes importent.
Qu'est-ce qui doit sortir du fichier avant l'envoi ?
Tout ce qui identifie une personne et tout ce qui est couvert par une confidentialité. Le principe de minimisation du RGPD exige des données limitées à ce qui est nécessaire, et la CNIL conseille d'éviter autant que possible la saisie de données personnelles dans ces services.
Sources
- OpenAI Help Center, Data analysis with ChatGPT (en anglais)
- CNIL, Les questions-réponses de la CNIL sur l'utilisation d'un système d'IA générative
- Règlement (UE) 2016/679 (RGPD), article 5, paragraphe 1, point c), minimisation des données, EUR-Lex
Un e-mail IA par semaine. Seulement ce qui change quelque chose pour vous.