Vous exportez vos factures ou vos ventes et demandez à ChatGPT : « Quels sont les mois les plus rentables ? » Quelques secondes plus tard, un graphique apparaît. Mais un chiffre peut inclure deux fois la même facture, une période incomplète ou des montants TTC mélangés à des montants HT. Et un export de ventes ne contient pas nécessairement les coûts nécessaires pour mesurer la rentabilité.
Le bon objectif n’est donc pas de demander une conclusion rapide. C’est de passer d’un fichier à un calcul que vous pouvez retrouver, expliquer et vérifier. Voici une méthode pour entrepreneurs et freelances, avec un petit jeu de données fictif et des prompts à adapter. Si vous découvrez les possibilités générales de l’assistant, commencez au besoin par utiliser ChatGPT au travail ; ici, nous nous concentrons sur le chemin qui mène de l’export à un chiffre traçable.
1. Définir la question et protéger le fichier avant l’envoi
Écrivez la décision à préparer, puis la question mesurable. « Dois-je relancer mon activité ? » est une décision. « Quel est le total facturé HT par mois, avoirs inclus, sur janvier et février ? » est une question calculable, à condition de disposer des bonnes données. Précisez aussi la date de l’export, sa source et le caractère complet ou non de la période.
Définissez les colonnes utiles : que représente une ligne, une facture ou une ligne de facture ? Quelle date faut-il utiliser : émission, paiement ou échéance ? Quel montant mesure-t-on : facturé, encaissé ou marge ? Une vente, un encaissement et un bénéfice ne sont pas interchangeables. Pour une marge, il faut les coûts pertinents et une méthode convenue ; si ces données manquent, la réponse est « non calculable », pas une estimation inventée.
Avant de transmettre quoi que ce soit, retirez les champs sans rapport avec la question : coordonnées, commentaires libres, identifiants clients, voire montants détaillés si un exemple fictif suffit pour tester la méthode. Masquer le nom ne rend pas automatiquement une donnée anonyme. Selon la CNIL sur l’anonymisation, les données pseudonymisées peuvent rester personnelles si une personne peut être réidentifiée.
Lorsque des données personnelles sont en jeu, vérifiez la finalité, la base juridique applicable, les obligations d’information, les contrats et les éventuels transferts, avec votre référent ou un conseil compétent si nécessaire. La CNIL recommande d’encadrer les usages et d’évaluer le prestataire. Vérifiez aussi les accès, l’entraînement, la conservation, la suppression et les connecteurs de l’offre réellement utilisée. Désactiver l’entraînement ne signifie pas absence de conservation. OpenAI précise que la conservation des fichiers dépend de leur emplacement : supprimer une conversation ne supprime pas nécessairement une copie enregistrée séparément.
Pour votre équipe, formalisez ces choix dans une charte d’utilisation de l’IA. Si les conditions ne permettent pas le partage, utilisez un outil autorisé en local ou travaillez sur un jeu fictif : ne transmettez pas le fichier en espérant qu’un simple prompt le rende confidentiel.
2. Importer le tableau sans perdre sa structure
Conservez l’export original en lecture seule et travaillez sur une copie nommée et datée. Notez son origine, sa période, le nombre d’enregistrements attendu et, si disponible, un total de contrôle issu du logiciel d’origine. Le nom du fichier ne prouve pas son contenu : vérifiez que la bonne version a été transmise et que tous les mois attendus sont présents.
Un CSV n’est pas toujours séparé par des virgules. Il peut utiliser un point-virgule, des tabulations et des guillemets autour de certains champs. La documentation Python sur le format CSV montre ces variantes et rappelle qu’un enregistrement peut contenir un saut de ligne. Ne confondez donc pas le nombre de lignes physiques avec celui des enregistrements lus.
Repérez les accents transformés en caractères étranges, par exemple « Café ». Cela peut signaler un mauvais encodage. Revenez à l’export et identifiez son encodage réel ; réexportez si possible en UTF-8, puis comparez des libellés accentués à la source. Ne remplacez pas les caractères au hasard : un libellé déformé peut fausser un regroupement par client ou par catégorie.
Vérifiez aussi les nombres et les dates. « 1 200,50 » peut devenir du texte si les espaces et la virgule décimale sont mal interprétés. Une date comme 03/04/2026 est ambiguë sans convention : 3 avril ou 4 mars ? Indiquez le format attendu et contrôlez quelques cas où le jour et le mois sont tous deux inférieurs à 13. Ne convertissez pas silencieusement les valeurs impossibles ; isolez-les pour correction.
Dans un tableur, privilégiez une ligne d’en-tête explicite et une ligne par enregistrement, sans sous-totaux insérés au milieu des données. Si votre fichier Excel comporte plusieurs feuilles ou formules, précisez celle qui fait foi et vérifiez les valeurs obtenues. Une copie CSV d’une feuille n’embarque pas nécessairement le contexte des autres feuilles.
3. Faire un diagnostic avant de calculer
Commencez par un inventaire : colonnes et types détectés, nombre d’enregistrements, dates minimale et maximale, valeurs absentes, montants non numériques et catégories inattendues. Demandez aussi combien de lignes ont été effectivement lues et lesquelles ont échoué. Une réponse qui s’appuie sur un aperçu ou un échantillon ne doit pas être présentée comme un résultat sur tout le fichier.
Pour les doublons, définissez une clé adaptée au métier. Deux lignes de même montant ne sont pas forcément des doublons : deux clients peuvent acheter la même prestation. À l’inverse, deux lignes avec le même numéro de facture peuvent être légitimes si chacune représente une prestation différente. Demandez les lignes suspectes et leur raison ; confirmez la règle avec la source avant toute exclusion.
Séparez également les unités et les statuts. Additionner des euros et des dollars, ou des montants HT et TTC, n’a pas de sens sans conversion et règles explicites. Une valeur négative peut être un avoir valide, pas une erreur. Une cellule vide n’est pas forcément un zéro : elle peut signifier « inconnu ». Gardez-la visible jusqu’à ce que son sens soit confirmé.
Pour un calcul important, demandez un résultat avec les filtres, les lignes exclues et les sommes avant et après traitement. Si l’écart avec le total de contrôle n’est pas expliqué, arrêtez l’interprétation. Si l’assistant annonce avoir analysé tout le fichier mais ne peut pas prouver le nombre de lignes lues, traitez la couverture comme non vérifiée.
4. Exemple fictif : une facture dupliquée change la conclusion
Imaginons un export fictif de factures et d’avoirs, exprimé en euros HT. Chaque ligne représente ici un document entier ; les dates sont celles d’émission. Le fichier couvre entièrement janvier et février. Le métier confirme que chaque identifiant doit être unique et que la répétition exacte de F103 est une erreur d’export.
Le fichier brut contient six enregistrements pour un total de 4 200 € HT. Après exclusion d’une seule copie confirmée de F103, il reste cinq documents et un total de 3 000 € HT. Le rapprochement est explicite : 4 200 − 1 200 = 3 000. L’avoir négatif reste inclus, conformément à la définition retenue.
Janvier représente 1 000 + 600 = 1 600 € HT. Février représente 1 200 + 400 − 200 = 1 400 € HT. L’évolution de février par rapport à janvier est donc (1 400 − 1 600) / 1 600 = −12,5 %. Sans suppression du doublon, février afficherait 2 600 € et une hausse apparente de 62,5 %. Le signe de la tendance changerait.
Ces chiffres décrivent uniquement la facturation nette d’avoirs dans cet exemple. Ils ne prouvent ni le montant encaissé ni la rentabilité, et deux mois ne suffisent pas à expliquer une tendance durable. Si janvier valait zéro, le pourcentage ne serait pas calculable avec cette formule : indiquez plutôt l’écart absolu et demandez une autre base de comparaison.
5. Copier deux prompts : diagnostic, puis calcul traçable
La documentation OpenAI sur l’analyse de données indique que ChatGPT peut analyser des CSV et, pour certaines tâches, exécuter du code Python. Les possibilités dépendent notamment du compte, du modèle et de l’espace utilisé. Demandez les détails de l’analyse quand ils sont accessibles et contrôlez les résultats : un code exécuté n’est pas automatiquement correct.
Prompt 1 — diagnostiquer, sans corriger :
Ce dernier point réduit l’ambiguïté mais ne constitue pas une protection garantie. Un fichier externe peut contenir une consigne visant l’assistant ; limitez les connexions et les permissions. Notre guide sur la prompt injection dans les fichiers détaille ce risque.
Après avoir répondu aux questions du diagnostic et confirmé les règles, passez au calcul. Le prompt suivant suppose que le fichier autorisé est déjà présent dans la conversation :
Prompt 2 — produire un résultat contrôlable :
Ces consignes servent de cadre, pas de certificat. Remplacez les crochets et ajoutez vos définitions. Si le code n’est pas visible ou si l’outil n’a pas pu l’exécuter, réclamez une méthode reproductible et considérez le résultat comme à vérifier, pas comme prouvé.
6. Recalculer, documenter et décider avec prudence
Recalculez indépendamment au moins un total et un regroupement dans votre tableur ou votre logiciel source, avec exactement les mêmes filtres. Comparez aussi les nombres de lignes avant et après exclusion. Si les totaux diffèrent, recherchez d’abord une période mal bornée, un statut oublié, un montant textuel ou un doublon traité différemment. N’ajustez pas les chiffres pour obtenir le résultat attendu.
Contrôlez des lignes individuelles : prenez des cas aux deux bornes de la période, des montants extrêmes, des valeurs vides, des avoirs et les doublons signalés. Ajoutez un petit échantillon tiré au hasard parmi les lignes restantes ; notez la méthode et, si un script le permet, la graine aléatoire pour le reproduire. Adaptez sa taille au volume et au risque. Un échantillon, même aléatoire, ne prouve pas l’absence d’erreurs dans tout le fichier ; pour un faible volume ou un enjeu élevé, étendez le contrôle.
Conservez une trace proportionnée et protégée : référence et date de l’export, version utilisée, définition des indicateurs, filtres, règles de nettoyage approuvées, comptages, formules ou code, résultat du rapprochement, anomalies encore ouvertes et nom du valideur. Une empreinte du fichier, si vous savez la calculer, peut aider à vérifier qu’on reparle bien de la même version. Ne transformez pas ce journal en nouvelle copie incontrôlée de données personnelles : limitez ses accès et sa durée de conservation.
Enfin, distinguez constat, hypothèse et décision. Dans notre exemple, la baisse calculée est un constat sur les deux mois fictifs. « Une campagne commerciale a échoué » serait une hypothèse à confronter à d’autres données. Fixer un budget ou relancer un client relève de vous, éventuellement avec votre comptable ou le responsable métier. Le protocole vérifier, apprendre, décider aide à garder cette séparation.
FAQ : analyser un CSV avec ChatGPT
ChatGPT peut-il analyser un fichier CSV entier ?
Il peut le faire dans les conditions prises en charge par votre compte et dans les limites de l’environnement. L’import réussi ne prouve pas que toutes les données ont été traitées. Faites confirmer le nombre d’enregistrements lus et comparez-le à l’export ; si le fichier est trop volumineux ou si la lecture est incomplète, réduisez le périmètre ou découpez-le avec une méthode de rapprochement.
Que faire si le total calculé ne correspond pas au logiciel d’origine ?
Vérifiez d’abord que les deux totaux portent sur les mêmes dates, statuts, unités et règles d’avoirs. Contrôlez ensuite les lignes manquantes, les doublons et les montants lus comme texte. Gardez l’écart ouvert tant que vous ne l’expliquez pas ; un total proche ne suffit pas à valider les regroupements.
Peut-on envoyer un fichier client pseudonymisé ?
Pas automatiquement. Remplacer les noms par des codes réduit l’exposition directe, mais les données peuvent rester personnelles et confidentielles. Examinez la nécessité du transfert, les contrats, le cadre RGPD, les paramètres et les garanties du service. En cas de doute, n’envoyez pas le fichier avant validation.
L’IA peut-elle expliquer pourquoi les ventes baissent ?
Elle peut proposer des hypothèses et des vérifications, mais une baisse observée ne démontre pas sa cause. Il faut comparer des données pertinentes sur une période suffisante et tenir compte notamment des changements d’offre, de saison et de périmètre. Une corrélation ne suffit pas à attribuer une cause.
Conclusion : partez d’un export que vous pouvez contrôler
Un bon résultat n’est pas seulement un tableau lisible : c’est un chiffre associé à une source, une définition, des filtres et un contrôle indépendant. L’IA accélère l’exploration et rend les anomalies plus faciles à repérer ; elle ne répare pas seule un export incomplet et ne porte pas votre décision.
Pour commencer, choisissez un export non sensible, formulez une seule question chiffrée et lancez le diagnostic. Confirmez les règles de nettoyage, recalculez un total et documentez l’écart éventuel avant de décider. Vous pourrez ensuite réutiliser ce protocole pour le fichier suivant, sans sacrifier la preuve à la vitesse.



