En résumé : l’IA est très utile pour explorer un tableau, repérer des tendances et produire graphiques et synthèses ; elle ne dispense pas de vérifier. Un total faux présenté avec assurance est plus dangereux qu’une absence de réponse.
Quelles sont les deux façons d’utiliser l’IA sur un tableau ?
Fonctionnalités lues sur les pages d’aide officielles le 14 octobre 2026 :
| Voie | Ce qu’elle fait | Limites signalées par l’éditeur |
|---|---|---|
| Déposer le fichier dans ChatGPT (analyse de données) | Lit les fichiers .xls, .xlsx et .csv, répond aux questions, crée tableaux et graphiques ; pour certains calculs, écrit et exécute du code Python | Peut ne pas analyser un fichier trop gros, trop complexe ou mal structuré ; valeurs peu fiables sur des tableaux scannés ou en image ; l’environnement de calcul n’accède pas au web |
| Copilot dans Excel (Microsoft 365) | Crée et modifie des classeurs : formules, tableaux croisés dynamiques, graphiques, mise en forme ; trois modes, dont un mode conversation qui analyse sans modifier le classeur | Peut ne pas être inclus dans votre abonnement Microsoft 365 ou ne pas être disponible selon les paramètres de votre organisation |
| Fonction AI dans Google Sheets | Formule =AI() ou =Gemini() pour générer du texte, résumer, classer ou analyser le sentiment cellule par cellule | Nécessite un forfait Google Workspace ou Google AI éligible ; réponses en texte brut ; n’a pas accès à toute la feuille, seulement à la plage indiquée |
La première voie convient à une analyse ponctuelle (« que disent mes ventes du trimestre ? »), la deuxième à un travail suivi dans le classeur, la troisième au traitement ligne par ligne d’une colonne de texte, par exemple classer des commentaires clients en compliment, réclamation ou question. Claude et Gemini acceptent aussi le dépôt de fichiers ; pour choisir l’outil, voir quelle IA choisir pour une TPE.
Comment préparer les données avant de les confier à une IA ?
L’aide d’OpenAI sur l’analyse de données donne des consignes de préparation qui valent pour tous les outils. Elles rejoignent ce que nous travaillons le deuxième jour de formation : la typologie et la fiabilité des données, et la notion de source de vérité.
- Un tableau par feuille, sans tableaux sans rapport juxtaposés ni lignes ou colonnes vides qui coupent les données.
- Des en-têtes explicites en première ligne, en langage clair : « Montant HT (€) » plutôt que « MT1 ».
- Une ligne par enregistrement : une vente, une facture, un client. Pas de cellules fusionnées ni de sous-totaux intercalés.
- Des formats cohérents : dates au même format, montants en nombres et non en texte, unités précisées dans l’en-tête.
- Pas de valeurs dans des images : l’IA lit mal les tableaux scannés ou collés en capture d’écran. Exportez en .xlsx ou .csv.
- Le strict nécessaire : retirez les colonnes inutiles à la question, en particulier les noms, emails et téléphones (voir plus bas).
Ce travail prend dix minutes et évite la plupart des erreurs d’interprétation. C’est aussi l’occasion de savoir quel fichier fait foi : si deux exports se contredisent, l’IA ne tranchera pas à votre place.
Comment poser la bonne question ?
Une question vague (« analyse ce fichier ») donne une réponse vague. Précisez ce que vous voulez décider, les colonnes à utiliser, les calculs attendus et le format de sortie, et demandez à l’IA d’exposer sa méthode. Exemple de prompt d’analyse, dans l’esprit de la compétence C3 de la certification (synthétiser et analyser des données pour décider) :
prompt · analyse d’un tableau de ventes
Contexte Je dirige un commerce de matériel de jardin. Le fichier joint contient les ventes de janvier à septembre : une ligne par vente, colonnes Date, Catégorie, Montant HT (€), Canal (boutique ou site).
Objectif Décider sur quelles catégories concentrer le stock du quatrième trimestre.
Tâche 1) Décris le fichier : nombre de lignes, période couverte, valeurs manquantes. 2) Calcule le chiffre d’affaires HT par catégorie et par mois, et par canal. 3) Signale les trois tendances les plus nettes et les valeurs anormales. 4) Propose trois pistes, en les reliant aux chiffres.
Contraintes Montre les formules ou le code utilisés pour chaque calcul. N’extrapole pas au-delà des données. Indique tout ce qui te paraît incohérent au lieu de le corriger en silence.
La première étape, « décris le fichier », est un garde-fou : si l’IA annonce 1 200 lignes alors que votre fichier en compte 1 450, elle n’a pas tout lu, et il faut le savoir avant de lire la suite. Pour structurer d’autres consignes : écrire un prompt efficace.
Comment vérifier les chiffres produits par l’IA ?
La fiabilité des chiffres est le point faible à surveiller. Une IA peut mal lire une colonne, ignorer des lignes, confondre HT et TTC ou présenter une estimation comme un calcul. OpenAI recommande d’ailleurs de relire le code, les résultats et les hypothèses avant de s’appuyer sur une analyse. Quelques contrôles simples :
- Recalculer un total dans le tableur avec une formule (SOMME, SOMME.SI) et le comparer au chiffre annoncé.
- Refaire un regroupement avec un tableau croisé dynamique : s’il diffère, cherchez pourquoi avant de choisir.
- Contrôler le périmètre : nombre de lignes lues, période couverte, filtres appliqués.
- Lire la méthode : formules ou code affichés, et ce que l’IA a fait des cellules vides ou des doublons.
- Se méfier des chiffres « ronds » et des causes : une corrélation dans vos ventes ne dit pas pourquoi les clients achètent.
Ces vérifications sont la contrepartie normale du gain de temps. Le mécanisme des erreurs plausibles est expliqué dans hallucinations de l’IA.
Que faire des données sensibles d’un tableau ?
Un fichier clients, une liste de salaires ou un export de comptabilité contiennent des données personnelles ou confidentielles. Dans ses questions-réponses sur l’IA générative, la CNIL invite l’organisme utilisateur à analyser au cas par cas quelles catégories de données personnelles peuvent être fournies à un service dont le fournisseur réutilise les données, et à s’opposer à cette réutilisation quand c’est possible. Pour un tableau, cela se traduit simplement :
- Supprimez les colonnes identifiantes avant l’envoi, ou remplacez-les par un code (Client 001, Client 002).
- Préférez l’IA intégrée à votre suite professionnelle ou une offre d’équipe dont les règles de données sont connues, plutôt qu’un compte personnel.
- Ne déposez jamais un fichier de paie, de santé ou de données bancaires de clients dans un assistant grand public.
Les règles détaillées sont dans IA et RGPD. Et si l’analyse doit revenir chaque mois, mieux vaut l’automatiser une fois pour toutes : c’est l’objet du deuxième jour de la formation Piloter sa TPE avec l’intelligence artificielle, qui mène à une synthèse de données et à un premier workflow sur vos propres fichiers.