Analyse de données avec l’IA : le guide pratique pour démarrer

Un export de 40 000 lignes sorti du logiciel de gestion, une question du directeur pour demain matin, et personne dans l’équipe pour écrire une formule compliquée. C’est la situation où l’on ouvre un assistant d’IA. Il répond vite, avec un chiffre net et un graphique propre. Reste à savoir si ce chiffre est juste. Ce guide explique comment l’IA générative analyse des données, comment lui confier un fichier et comment contrôler ce qu’elle rend, avec une méthode en six étapes et sept consignes prêtes à copier.

Il ouvre notre série sur l’IA et les données. Côté tableur, il complète nos guides IA Excel et Copilot Excel.

En bref

• 18 % des entreprises françaises de 10 salariés ou plus déclarent utiliser au moins une technologie d’IA en 2025, 8 points de plus qu’en 2024, selon l’Insee (juillet 2026).
• Un assistant répond de deux façons : il prédit du texte, ou il écrit du code et l’exécute. Seule la seconde produit un calcul que l’on peut contrôler.
• ChatGPT, Claude et Copilot dans Excel écrivent et exécutent du code d’analyse, d’après leurs pages d’aide, et Gemini dans Sheets donne accès au code utilisé. Leurs éditeurs préviennent aussi que les résultats peuvent être inexacts.
• Parmi les entreprises qui utilisent déjà l’IA, 53 % se disent freinées par un manque d’expertise et 43 % par des inquiétudes sur la protection des données (Insee).
• La CNIL recommande que les utilisateurs ne soumettent à ces outils « que des informations qu’ils sont autorisés à partager ».
• Notre verdict : l’IA fait gagner du temps sur l’exploration et la mise en forme, à condition de garder la main sur la question, la méthode et la vérification. C’est l’objet de notre formation IA générative pour analyser vos données.

Ce que l’IA change dans l’analyse de données

Jusqu’ici, interroger un tableau demandait de connaître les formules, les tableaux croisés dynamiques ou un langage de programmation. Un assistant d’IA accepte une question en français, par exemple « quels clients ont le plus baissé entre 2024 et 2025 ? » Il choisit lui-même la méthode, fait le calcul et présente le résultat.

Le gain est réel sur quatre tâches. Décrire un fichier inconnu. Nettoyer des données mal saisies. Croiser deux colonnes sans écrire de formule. Produire un premier graphique.

Trois choses ne changent pas. Il faut savoir quelle question poser. Il faut connaître le sens des colonnes, que l’outil ignore : un « montant » peut être hors taxes ou toutes taxes comprises, et l’outil ne le devinera pas. Il faut enfin vérifier, parce que la réponse arrive toujours avec la même assurance, qu’elle soit juste ou fausse.

Les entreprises s’y mettent, sans y être encore à l’aise. Dans son enquête de 2025, l’Insee relève que 18 % des entreprises de 10 salariés ou plus utilisent au moins une technologie d’IA, et que ce taux atteint 58 % pour celles de 250 salariés ou plus. Mais celles qui l’utilisent peuvent être freinées dans leurs usages : « 53 % d’entre elles déclarent l’être par un manque d’expertise, 43 % ont des inquiétudes concernant la violation de la protection des données et de la vie privée ». Ce guide répond à ces deux freins, dans cet ordre.

Ce que l’on peut demander : des exemples par métier

Les demandes qui fonctionnent le mieux portent sur un fichier, une période et une question précise. En voici quelques-unes, par métier.

• Aux ventes : les clients en hausse et en baisse d’une année sur l’autre, la saisonnalité par famille de produits, le panier moyen par canal.
• En finance et en contrôle de gestion : les écarts entre budget et réalisé, poste par poste, avec les dix lignes qui expliquent la plus grande part de l’écart, ou les factures échues classées par ancienneté.
• Aux achats : la dispersion des prix payés pour une même référence, les fournisseurs qui concentrent la dépense.
• Aux ressources humaines : des indicateurs agrégés, par service ou par ancienneté, sur un fichier sans noms, comme les effectifs, les heures de formation ou la durée des recrutements.
• Au marketing : les taux d’ouverture et de clic par segment, l’évolution des demandes entrantes par source.
• Au service client : les motifs de contact les plus fréquents, les délais de traitement par type de demande.

Deux familles de demandes sont à manier avec prudence. Les prévisions d’abord : un assistant peut prolonger une tendance sur douze mois à partir de dix-huit points, et le résultat paraît plus solide qu’il ne l’est. Les liens de cause à effet ensuite : deux courbes qui montent ensemble ne prouvent pas que l’une entraîne l’autre.

Lire ou calculer : la différence qui décide de tout

Un modèle de langage produit du texte en prédisant le mot suivant. Notre article sur les LLM explique ce mécanisme. Devant un tableau, il peut donc répondre de deux manières très différentes.

Premier cas, il lit. L’assistant parcourt les données comme un texte et rédige une réponse plausible. Sur un petit tableau, le résultat peut être correct. Sur un grand, il peut mal additionner, oublier des lignes ou arrondir sans le dire, et rien ne permet de refaire le calcul.

Second cas, il calcule. L’assistant écrit un petit programme, l’exécute sur votre fichier et vous rend le résultat. Le calcul est fait par un ordinateur, et non par le modèle. Le programme reste consultable : on peut le relire, le relancer, le faire contrôler.

Trois des grands assistants décrivent ce second mode dans leurs pages d’aide. OpenAI indique que ChatGPT, pour certaines tâches, écrit et exécute du code Python dans un environnement de type notebook (page d’aide en anglais). Anthropic décrit un environnement de calcul privé, isolé de vos systèmes, dans lequel Claude exécute du code (page d’aide). Microsoft écrit que Copilot dans Excel s’appuie sur une analyse en Python pour interpréter la question, et que l’on peut déplier le bloc de code pour voir comment la réponse a été produite (page d’aide en anglais). Google ne décrit pas le mécanisme de Gemini dans Sheets, mais sa page d’aide propose d’« afficher le code utilisé pour générer le contenu » et de consulter les étapes de l’analyse.

La règle pratique tient en une ligne. Sans code affiché, aucun chiffre repris.

Quand la réponse arrive sans trace de calcul, demandez-la : « refais ce calcul en exécutant du code et montre-le ». Si l’outil n’en est pas capable dans votre offre ou votre configuration, il reste utile pour expliquer une formule ou reformuler une note. Ne lui demandez aucun chiffre.

Préparer son fichier avant de le confier

La qualité de l’analyse dépend d’abord du fichier. Cinq gestes, dix minutes.

Un tableau par feuille. Une ligne d’en-têtes, puis une ligne par enregistrement. Microsoft l’indique pour Copilot dans Excel : il travaille sur des tableaux ou des plages qui en ont la forme, et les données non structurées ne sont pas prises en charge.

Des en-têtes explicites. « CA_HT_2025 » vaut mieux que « Montant 2 ». Microsoft recommande de nommer les colonnes à analyser dans la question pour améliorer la précision.

Ni cellules fusionnées, ni sous-totaux. Les cellules fusionnées brouillent la lecture des colonnes, et une ligne de total mêlée aux données peut être comptée deux fois.

Des formats homogènes. Une seule écriture pour les dates, une seule unité par colonne, pas de « 1 200 € » saisi en texte.

Aucune donnée inutile. Retirez les noms, les adresses et tout ce dont l’analyse n’a pas besoin. Nous y revenons plus bas.

Vérifiez aussi la taille. Les limites varient d’un outil à l’autre : environ 50 Mo pour un fichier de tableur ou un CSV dans ChatGPT selon OpenAI, 30 Mo par fichier pour l’exécution de code dans Claude selon Anthropic, 100 Mo par fichier dans l’application Gemini selon Google. Ces plafonds changent : relisez la page d’aide de votre outil avant un gros traitement.

Une première consigne fait gagner du temps. Elle demande à l’assistant de regarder le fichier avant toute analyse.

Voici un fichier de données. Avant toute analyse, exécute
du code pour me donner :
1. le nombre de lignes et de colonnes ;
2. pour chaque colonne : son nom, son type, le nombre
   de valeurs manquantes et trois exemples de valeurs ;
3. les anomalies visibles : doublons, dates impossibles,
   montants négatifs, lignes de total mêlées aux données.
Ne corrige rien et ne tire aucune conclusion.
Montre le code utilisé.

La méthode en six étapes

1. Décrire

La consigne précédente fait le travail. Ajoutez-y ce que l’outil ne peut pas savoir : ce que représente une ligne, l’unité de chaque montant, la période couverte. Cinq phrases de contexte évitent la plupart des contresens.

2. Nettoyer

Un fichier réel contient des doublons, des libellés écrits de trois façons et des cellules vides. L’assistant sait les repérer. Il ne doit pas décider seul de ce qu’il en fait.

Propose un plan de nettoyage pour ce fichier, sous forme
de liste : pour chaque problème, le nombre de lignes
concernées, la correction que tu proposes et ce qu'elle
change dans les totaux.
N'applique rien avant mon accord.
Après accord, enregistre le résultat dans un nouveau
fichier et garde l'original intact.

Supprimer une ligne en double ou remplacer une valeur manquante par zéro modifie les résultats. Ces choix vous reviennent, et ils se notent.

3. Questionner

Une question à la fois, formulée comme vous la poseriez à un collègue, avec la définition des termes.

Question : quels sont les dix clients dont le chiffre
d'affaires hors taxes a le plus baissé entre 2024 et 2025 ?
Définitions : chiffre d'affaires = colonne [nom], hors
avoirs ; client = colonne [nom].
Exécute du code. Donne le tableau des dix clients avec
les deux montants et l'écart en euros et en pourcentage.
Indique la méthode en deux phrases et les lignes exclues,
avec la raison. Montre le code.

La demande d’indiquer les lignes exclues est la plus utile de la consigne. Un assistant peut écarter les lignes qui gênent son calcul sans le signaler.

4. Vérifier

C’est l’étape que l’on saute, et la seule qui protège. Trois contrôles, du plus rapide au plus sûr.

Le total d’abord : la somme des lignes du résultat doit retomber sur un chiffre que vous connaissez déjà, par exemple le chiffre d’affaires de l’année. L’échantillon ensuite : refaites à la main le calcul de trois lignes prises au hasard. La contre-méthode enfin.

Refais le même calcul par une méthode différente de
la première (par exemple un tableau croisé au lieu
d'un filtre). Compare les deux résultats ligne à ligne
et signale tout écart, même d'un euro.
Si les deux résultats diffèrent, n'en choisis aucun :
explique d'où vient l'écart.

OpenAI le recommande dans sa page d’aide : relire le code généré, les résultats et les hypothèses avant de s’y fier. La page ajoute que l’outil peut, au premier essai, choisir une méthode d’analyse ou un type de graphique qui ne correspond pas à votre intention.

On peut relire du code sans être développeur, à condition de se le faire expliquer.

Explique le code que tu viens d'exécuter, ligne par ligne,
pour quelqu'un qui ne programme pas.
Pour chaque ligne, dis ce qu'elle fait aux données :
ce qu'elle garde, ce qu'elle écarte, ce qu'elle calcule.
Signale les choix que tu as faits sans me les demander.

La dernière ligne de la consigne fait remonter les décisions prises en silence : une période tronquée, des valeurs manquantes comptées pour zéro, un arrondi.

5. Visualiser

Un graphique sert à montrer une idée. Dites laquelle.

Trace un graphique en barres horizontales des dix clients
précédents, classés par écart décroissant.
Titre : la conclusion en une phrase. Axes nommés avec
leur unité. Une seule couleur, sans effet 3D.
Sous le graphique, rappelle la source et la période.

Dans ChatGPT, les graphiques en barres, en courbes, en secteurs et en nuage de points sont interactifs, et les autres peuvent arriver sous forme d’image, précise OpenAI. Copilot dans Excel et Gemini dans Sheets créent le graphique dans le tableur lui-même.

6. Restituer

Le dernier livrable est une note que l’on peut transmettre. Faites-la rédiger à partir des résultats vérifiés.

Rédige une note de dix lignes pour la direction à partir
des résultats ci-dessus.
Chaque chiffre de la note doit figurer dans un tableau
de résultats : n'en ajoute aucun.
Termine par trois lignes : source et date du fichier,
définitions retenues, contrôles effectués.

Gardez le fichier d’origine, le fichier nettoyé, le code et la note. Dans six mois, quelqu’un demandera d’où vient le chiffre.

Quel outil pour quelle situation

Nous ne classons pas ces outils. Le bon choix dépend de l’endroit où vivent vos données et de ce que votre entreprise a validé.

ChatGPT

ChatGPT accepte les fichiers de tableur (.xls, .xlsx, .csv), les PDF et les fichiers texte, et l’on peut joindre des fichiers depuis Google Drive, OneDrive ou SharePoint quand les connecteurs sont activés. L’environnement Python ne peut pas appeler de site externe. Les comptes gratuits sont limités à trois envois de fichiers par jour, selon OpenAI. Notre guide ChatGPT présente l’outil, et un article dédié à l’analyse de données avec ChatGPT suivra.

Claude

L’exécution de code et la création de fichiers sont proposées sur toutes les offres, gratuite comprise, et doivent être activées pour téléverser un fichier .xlsx, indique Anthropic. Claude analyse des fichiers CSV et rend des classeurs Excel dont les formules fonctionnent, ainsi que des graphiques. Les offres payantes donnent aussi accès à Claude pour Excel, un complément qui répond dans le classeur en citant les cellules. Anthropic en précise les limites : ni macros ni VBA, et il n’est pas recommandé pour des calculs soumis à audit sans vérification humaine. Nous détaillerons ces usages dans un article sur l’analyse de données avec Claude.

Copilot dans Excel

Copilot répond aux questions sur les données du classeur en renvoyant, selon Microsoft, des informations « sous forme de graphiques, de tableaux croisés dynamiques, de résumés, de tendances ou de valeurs hors norme ». Il propose aussi des formules et les explique. Microsoft signale dans sa foire aux questions qu’il « a été formé sur des sources principalement en anglais » et peut être moins efficace dans d’autres langues. La même page liste les abonnements qui donnent accès à Copilot dans Excel. Notre article Copilot Excel donne le pas-à-pas.

Gemini

Dans Google Sheets, Gemini peut « générer des analyses de données et identifier des tendances », créer des graphiques, des formules et des tableaux croisés dynamiques, avec un forfait Google Workspace ou Google AI éligible. Dans l’application Gemini, on peut importer jusqu’à dix fichiers dans une même demande et créer un graphique à partir d’une feuille de calcul. Voyez notre guide Gemini dans Google Workspace.

NotebookLM

NotebookLM, que Google appelle désormais Gemini Notebook dans ses pages d’aide, sert un autre besoin : interroger des documents qui contiennent des chiffres, comme des rapports annuels ou des études. Il répond à partir des sources importées et ne peut pas répondre si l’information n’y figure pas, précise Google. Il ne remplace pas un tableur pour calculer : les feuilles Google Sheets y sont, pour le moment, limitées à 100 000 jetons. Notre guide NotebookLM le présente.

Notre règle de choix

Vos données sont dans Excel et votre entreprise a Microsoft 365 : commencez par Copilot dans Excel, qui travaille sans que le fichier quitte votre environnement. Elles sont dans Google Sheets : Gemini dans Sheets, pour la même raison. Vous avez un export ponctuel à explorer : un assistant avec exécution de code, ChatGPT ou Claude, dans l’offre que votre entreprise a validée. Vous croisez des rapports : NotebookLM.

Le trajet de vos données pèse plus dans ce choix que la performance de l’outil.

Tableur, assistant ou outil de pilotage : à chacun son usage

L’assistant ne remplace ni le tableur ni l’outil de pilotage de l’entreprise. Il s’ajoute à eux.

Pour un suivi qui revient chaque mois, comme un tableau de bord commercial, gardez un classeur ou un outil de pilotage avec des formules stables. Un calcul refait à chaque fois par un assistant peut changer de méthode d’un mois à l’autre, et vos séries ne seraient plus comparables. Vous pouvez en revanche lui demander d’écrire la formule ou le tableau croisé, puis les installer une fois pour toutes dans le classeur.

Pour une question nouvelle, posée une fois, l’assistant est le bon outil. Explorer un export, tester une hypothèse, préparer une réunion : il va plus vite qu’une construction de formules, et le résultat n’a pas vocation à durer.

Entre les deux, une règle simple. Dès qu’une analyse faite avec l’assistant est redemandée une troisième fois, transformez-la en tableau stable.

Les limites à connaître

Les tableaux en image

OpenAI prévient que ChatGPT peut ne pas extraire de façon fiable les valeurs exactes de tableaux en image ou de fichiers scannés. Un PDF scanné n’est pas un fichier de données. Demandez l’export d’origine.

Les gros fichiers

Google indique que, si la fenêtre de contexte est dépassée, les réponses peuvent omettre une partie du contenu, et conseille des fichiers moins volumineux. Un fichier tronqué peut donner un total faux sans message d’erreur. D’où l’intérêt de la consigne de description, qui donne le nombre de lignes réellement lues.

La méthode choisie à votre place

Moyenne ou médiane, avec ou sans les valeurs extrêmes, année civile ou exercice : l’assistant tranche si vous ne le faites pas.

La reproductibilité

La même question posée deux fois peut produire deux codes différents. C’est le code conservé qui fait foi.

Les petits nombres

Un écart de 20 % calculé sur cinq commandes ne dit rien. L’assistant le présentera avec la même netteté qu’un écart mesuré sur cinq mille. Regardez toujours l’effectif derrière le pourcentage.

La décision

Microsoft demande d’éviter Copilot pour prendre des décisions dans des domaines sensibles comme les finances, le droit ou les sujets médicaux. Un chiffre produit avec l’IA éclaire une décision. Il ne la prend jamais.

Notre article sur les hallucinations de l’IA décrit le mécanisme général, et un article de cette série sera consacré aux erreurs de l’IA sur les chiffres.

Données personnelles et confidentielles

Un fichier de ventes contient des clients. Un fichier de paie contient des salariés. Avant de téléverser, trois questions.

Ai-je le droit de partager ce fichier ?

Dans ses questions-réponses sur l’IA générative du 18 juillet 2024, la CNIL écrit que « les utilisateurs finaux ne devraient soumettre que des informations qu’ils sont autorisés à partager ». Elle recommande d’« encadrer l’utilisation d’un système d’IA générative par des politiques ou chartes internes ». Notre modèle de charte d’usage de l’IA sert à cela.

L’analyse a-t-elle besoin des identités ?

Presque jamais. Remplacez les noms par des codes, retirez les adresses et les numéros, gardez la table de correspondance chez vous. Notre article RGPD et ChatGPT précise ce que change une offre d’entreprise, et un article de cette série traitera l’anonymisation des données avant analyse.

D’où vient le fichier ?

Un classeur reçu de l’extérieur peut contenir des instructions cachées. Anthropic le dit sans détour pour son complément Excel : n’utilisez l’outil qu’avec des feuilles de calcul de confiance, car un fichier externe peut pousser l’assistant à extraire ou à modifier des données. Le risque est décrit dans notre article sur l’injection de prompt.

Un exemple dans une PME de distribution

Reprenons l’entreprise de 85 salariés de nos articles précédents. Le directeur commercial veut savoir quels clients décrochent. La contrôleuse de gestion exporte dix-huit mois de factures : 41 200 lignes.

Elle retire les noms des clients et garde leurs codes, puis téléverse le fichier dans l’assistant validé par l’entreprise. La consigne de description signale 312 lignes en double et une colonne de dates écrite de deux façons. Elle accepte la correction des dates et demande à voir les doublons avant de trancher : 280 sont de vrais doublons d’export, 32 sont des lignes identiques mais légitimes, deux livraisons du même produit le même jour. Elle garde ces 32 lignes.

La question sur les dix clients en baisse sort un tableau. Le chiffre d’affaires recalculé s’écarte de 0,4 % de celui de la comptabilité : l’écart vient des avoirs, exclus comme elle l’avait demandé, et l’assistant le signale. La contre-méthode donne le même classement. Trois lignes recalculées à la main concordent.

Le graphique et la note partent le soir même, avec la source, les définitions et les contrôles. Les chiffres de cet exemple sont construits. Ils montrent où va le temps : moins sur le calcul, autant qu’avant sur la vérification.

Installer la pratique dans une équipe

L’outil ne fait pas la compétence. L’Insee le montre : plus de la moitié des entreprises qui utilisent l’IA citent le manque d’expertise comme frein. Sur l’analyse de données, cette expertise tient en quatre savoir-faire : préparer un fichier, poser une question avec ses définitions, lire un résultat avec méfiance, et documenter.

Trois décisions suffisent pour commencer. Choisir l’outil autorisé pour les données de l’entreprise, et l’écrire. Fixer la règle des contrôles : aucun chiffre ne sort sans total recoupé et sans code conservé. Désigner une personne référente, dans le contrôle de gestion ou la finance, qui relit les premières analyses. Notre article sur l’IA pour les DAF et le contrôle de gestion prolonge ce point.

Pour pratiquer sur vos fichiers réels plutôt que sur des exemples, nous animons des ateliers d’IA générative sur vos tableaux de données.

Quatre erreurs à éviter

Reprendre un chiffre sans code

Une réponse rédigée n’est pas un calcul. Exigez le code, ou ne citez pas le chiffre.

Téléverser le fichier tel quel

Les sous-totaux, les cellules fusionnées et les colonnes sans nom produisent des erreurs que l’on met des heures à retrouver. Dix minutes de préparation les évitent.

Poser cinq questions en une

L’assistant répond à toutes dans le même élan, avec une méthode différente pour chacune, et l’on ne sait plus, à la relecture, quel calcul fonde quel chiffre ni quelles lignes ont été écartées. Une question, un résultat, un contrôle.

Envoyer des données nominatives

Les identités ne servent presque jamais à l’analyse. Elles créent un risque sans rien apporter au résultat.

FAQ sur l’analyse de données avec l’IA

Un chiffre, son calcul, sa vérification

L’analyse de données avec l’IA tient dans cette chaîne. Trois maillons, dans cet ordre. L’assistant écrit le calcul plus vite que nous, et il le montre quand on le lui demande. Il ne sait ni ce que vos colonnes veulent dire, ni si le résultat est vraisemblable. À notre avis, l’avantage va aux équipes qui gardent le code, recoupent les totaux et écrivent leurs définitions noir sur blanc, quel que soit l’outil qu’elles utilisent.

Pour installer ces réflexes, découvrez notre formation à l’IA générative pour fiabiliser vos analyses.