Leçons outils3 min de lecture

Auditer une feuille de calcul avec ChatGPT avant de l'analyser

Utilisez un audit en quatre points pour trouver les valeurs manquantes, doublons, erreurs de type et totaux erronés avant de demander des insights à ChatGPT.

Bokili Editorial· Vérifié le 17 août 2026
PartagerX
A spreadsheet passes through checks for missing values, duplicate rows, inconsistent types and reconciled totals.

Un graphique soigné peut cacher une feuille de calcul erronée. Avant de demander à ChatGPT ce que les chiffres signifient, demandez-vous si le fichier mérite d'être analysé. ChatGPT peut inspecter des fichiers, créer des tableaux et graphiques, et exécuter des calculs via du code. OpenAI conseille aussi d'utiliser des noms de colonnes clairs et un enregistrement par ligne. Ces capacités sont utiles, mais ne vous dispensent pas de vérifier la méthode, les hypothèses et le résultat.

Commencez par un audit, pas une demande d'analyse

La première question ne doit pas être « Quelles tendances voyez-vous ? » mais « Qu'est-ce qui pourrait rendre ces données trompeuses ? ». La tâche passe de l'interprétation au contrôle qualité. Cela crée aussi une trace de ce qui a été vérifié avant toute décision.

L'audit en quatre points

1

Complétude

Trouvez les champs requis vides et distinguez les vraies données manquantes des zéros valides ou des valeurs « non applicable ».

2

Unicité

Identifiez les doublons via une clé métier comme un ID de commande, un numéro de facture ou un ID d'employé.

3

Cohérence

Vérifiez les formats mixtes ou valeurs impossibles dans les colonnes de dates, devises, catégories et nombres.

4

Réconciliation

Comparez les totaux des lignes à un total de contrôle, un rapport source ou un calcul indépendant.

Exemple : un petit journal de commandes

Imaginez un fichier de 20 commandes avec les colonnes ID Commande, Date, Région, Unités, Prix Unitaire et Revenu. Une commande est en double. Deux cellules de revenu sont vides. Une date est au format texte. Une ligne a un Revenu qui n'est pas Unités x Prix Unitaire. Aucun de ces problèmes ne requiert de statistiques avancées ; tous peuvent fausser une synthèse.

Un workflow ChatGPT vérifiable

  1. 1

    Travaillez sur une copie

    Supprimez ou masquez les champs sensibles selon les règles de votre organisation. Conservez l'original intact.

  2. 2

    Décrivez les règles métier

    Indiquez les colonnes requises, ce qui rend une ligne unique et quels totaux doivent concorder.

  3. 3

    Demandez un tableau d'audit

    Demandez pour chaque anomalie : la ligne, la règle enfreinte, la sévérité et l'action suggérée.

  4. 4

    Inspectez la méthode

    Si du code a été utilisé, relisez-le. Demandez à ChatGPT d'expliquer ses hypothèses et le calcul derrière chaque alerte.

  5. 5

    Corrigez hors de l'analyse

    Corrigez la source ou une copie de travail, puis relancez les mêmes vérifications avant de demander les tendances.

Lire, c'est bien. Pratiquer, ça change tout.

Commencer
Modèle de prompt d'audit
Inspecte cette feuille de calcul avant de l'analyser. Ne corrige aucune valeur pour l'instant. Vérifie : (1) les valeurs manquantes dans les colonnes requises [les lister], (2) les doublons via [clé métier], (3) les incohérences de dates, catégories et types numériques, et (4) si [champ calculé] est égal à [formule]. Retourne un tableau des anomalies avec la ligne, la preuve, la sévérité et l'action proposée. Puis montre le code utilisé et liste tes hypothèses.
Un tableau synthétique des anomalies, suivi des vérifications exactes et des questions en suspens.

Remplacez les champs entre crochets par vos règles réelles. Une demande générique comme « nettoie mes données » laisse trop de liberté au modèle.

Analysez l’audit en relecteur

N'acceptez pas une alerte juste parce qu'elle semble plausible. Une date de livraison vide peut être correcte pour une commande ouverte. Un client récurrent peut être normal, un doublon de facture non. Examinez chaque anomalie selon le sens du champ, pas seulement son apparence.

Contrôle superficielContrôle prêt à décider
ManquantsCompter les cellules videsNommer les champs requis et expliquer les exceptions
DoublonsComparer les lignes entièresUtiliser la véritable clé métier du processus
TypesTout convertirSignaler les formats mixtes avant toute modification
TotauxFaire confiance au classeurRapprocher avec un contrôle indépendant

Priorité à la politique des données

Utilisez uniquement les fichiers et champs autorisés par votre organisation dans l'espace de travail approuvé. Le forfait, les paramètres du espace de travail et les permissions des sources connectées peuvent affecter les fonctionnalités disponibles et le traitement des données.

Essayez l'audit en dix minutes

Audit d'un fichier simple
  1. Choisissez une petite feuille de calcul non sensible et faites-en une copie.
  2. Écrivez une règle de champ requis, une règle d’unicité et une règle de rapprochement.
  3. Lancez le prompt réutilisable et examinez le tableau des anomalies.
  4. Ouvrez une ligne signalée dans le fichier d’origine et vérifiez-la manuellement.
  5. Enregistrez les règles finales pour qu’un collègue puisse répéter l’audit.

La bonne habitude est simple : s'assurer que les données sont fiables avant de demander une analyse. Avec des contrôles explicites et répétables, ChatGPT devient un second regard, pas une source de fausse confiance. Les courtes missions de Bokili aident les équipes à pratiquer ce type de vérification jusqu'à ce qu'il devienne un réflexe.

Sources

  1. Data analysis with ChatGPTOpenAI Help Center
  2. What types of files are supported?OpenAI Help Center
  3. Managing data, sharing, and privacy in ChatGPT BusinessOpenAI Help Center
PartagerX

Lire, c'est bien. Pratiquer, ça change tout.

Bokili transforme ce type de compétence en missions de dix minutes pour toute l'équipe, avec un retour immédiat et une progression visible.

Commencer

À lire ensuite

Un document généré par l’IA et erroné passe par le diagnostic, la correction et la vérification avant validation humaine.
Perspectives5 min de lecture

La maîtrise de l'IA commence à la première erreur

La vraie maîtrise de l'IA ne se mesure pas à la perfection d'une première réponse, mais à la capacité de détecter une erreur, la corriger et valider le résultat.