Une partie prenante vous demande une « liste de clients propre » et fiable pour une campagne d’e-mailing et la mise à jour d’un tableau de bord. Vous disposez de l’exportation sous forme de tableur, mais celle-ci contient des cellules vides, des formats de date disparates, des noms de pays incohérents et des doublons. Le risque ne réside pas dans la difficulté du nettoyage en soi. Le risque est qu’une étape de nettoyage rapide, suggérée par l’IA, modifie silencieusement le nombre d’enregistrements ou leur signification ; vous seriez alors responsable de l’échec en aval si la campagne ciblait les mauvaises personnes ou si les données du tableau de bord étaient faussées.
Dans ce cours, l’IA sert d’outil de conception et d’accélération. Vous l’utilisez pour proposer des transformations, des formules, des scripts (Apps Script ou VBA) et pour lister les problèmes potentiels de qualité des données. Vous ne la laissez pas décider quelles données supprimer, comment imputer les valeurs manquantes ou ce qui constitue un « doublon ». Les critères de réussite sont les conditions mesurables définissant un niveau de propreté suffisant pour la tâche métier. Vous les définissez en amont afin que le nettoyage ne soit pas qu’un simple exercice esthétique.
Votre règle fondamentale est simple : chaque étape générée par l’IA doit pouvoir être exécutée, annulée et auditée dans Excel ou Google Sheets, avec des preuves que vous pourrez présenter lors d’une revue.
Prenons l’exemple d’un jeu de données nommé customer_contacts_export.xlsx, contenant 18 240 lignes issues d’une exportation CRM couvrant la période du 1er janvier 2025 au 30 juin 2025. Chaque ligne correspond à un contact. Les champs clés incluent email, full_name, signup_date, country, phone et source. Les dimensions de segmentation qui intéressent le responsable marketing sont country et source, et la question spécifique porte sur les pays connaissant la croissance la plus rapide en termes d’inscriptions mensuelles.
Examinons la nature des problèmes présents dans les données brutes.
Votre livrable ne se résume pas à un « fichier nettoyé ». Il s’agit d’un ensemble d’éléments rendant votre travail reproductible.
Vous produisez une table nettoyée dans laquelle les identifiants critiques sont normalisés et les règles d’analyse cohérentes. Vous fournissez des contrôles qualité prouvant qu’aucune ligne n’a été perdue à votre insu et qu’aucune valeur impossible n’a été créée. Vous établissez un journal des modifications précisant exactement ce qui a été modifié ou supprimé, ainsi que les raisons de ces actions.
Un LLM (grand modèle de langage) génère du texte, des formules et du code en se basant sur des schémas issus de son entraînement et sur vos données d’entrée. Il n’a pas accès à l’état de votre classeur, sauf si vous le lui communiquez. Un prompt (ou invite) correspond aux instructions et au contexte fournis au LLM pour générer un résultat potentiel. Une hallucination désigne une affirmation ou une règle générée qui semble plausible mais qui ne repose ni sur vos données ni sur vos contraintes.
Les erreurs commises avec une fausse assurance sont fréquentes lors du nettoyage, car cette opération nécessite de prendre en compte des définitions métier. Le modèle peut suggérer une clé de dédoublonnage telle que e-mail + nom_complet, mais il est incapable de déterminer si des adresses e-mail partagées correspondent à des familles, à des boîtes de réception communes ou à des erreurs de saisie. Si vous acceptez cette règle et supprimez des lignes, vous introduisez un biais irréversible dans tous les décomptes et taux calculés ultérieurement.
Identifiez les tâches qu’il est possible de déléguer sans risque et celles qui nécessitent une vérification.