Intelligence artificielle générative

Data Analysis dans ChatGPT

Déposer un fichier de données et laisser ChatGPT écrire, exécuter du code Python et produire des graphiques à votre place : voici comment fonctionne l’analyse de données, sans une ligne de code à taper vous-même.

7 minutes de lecture Niveau intermédiaire Analyse de données

Objectif

À la fin de cette lecture, vous saurez importer un fichier de données, comprendre comment ChatGPT exécute du code pour l’analyser, générer des tableaux et des graphiques, et appliquer les bonnes pratiques pour obtenir des résultats fiables.

Avant de commencer

Cette fonctionnalité, longtemps appelée Code Interpreter puis Advanced Data Analysis, est désormais intégrée nativement à ChatGPT pour toutes les offres payantes — plus besoin de l’activer séparément dans un menu.

1

Importer un fichier de données

CSV ou Excel, comme pour n’importe quel document

  1. Glissez-déposez votre fichier CSV ou Excel dans la conversation, ou utilisez le bouton d’import.
  2. Formulez votre question ou votre objectif d’analyse dans le même message.
Conversation en cours
📎 Resultats_quiz_stagiaires.csv     ✔ importé

Vous : Calcule la moyenne des scores par formation et affiche un graphique en barres.

Une demande claire suffit : ChatGPT écrit et exécute le code nécessaire en coulisses.

2

Comprendre ce qui se passe en coulisses

Un environnement Python isolé et sécurisé

  • ChatGPT ouvre un environnement Python sécurisé (bac à sable) côté serveur, écrit du code, l’exécute, puis renvoie à la fois le résultat et le code utilisé.
  • Cet environnement embarque des bibliothèques comme pandas pour manipuler les données et matplotlib pour produire les graphiques.
  • Vous pouvez toujours consulter le code généré pour vérifier ou réutiliser la méthode.
Bon à savoirLe code affiché n’est pas qu’une trace technique : il documente exactement les calculs effectués, utile si vous devez justifier une analyse.
3

Poser des questions d’analyse

Filtrer, regrouper, calculer

  • Demandez des agrégations (moyennes, sommes, comptages) par catégorie, par période, ou par groupe.
  • Précisez les colonnes concernées et les filtres à appliquer si le fichier en contient plusieurs.
  • ChatGPT présente le résultat sous forme de tableau lorsque cela facilite la lecture.
4

Générer des graphiques

Statiques ou interactifs selon le type

  • Les graphiques peuvent être produits en image statique, ou en version interactive pour les barres, lignes, camemberts et nuages de points.
  • Demandez explicitement le type de graphique souhaité (barres, courbe, camembert) pour orienter le rendu.
AstuceDemandez un graphique interactif si vous voulez pouvoir survoler les points de données pour en lire le détail directement dans la conversation.
5

Appliquer les bonnes pratiques

Des données propres pour une analyse fiable

  • Utilisez des données structurées avec des noms de colonnes clairs et un enregistrement par ligne.
  • Indiquez explicitement ce que vous cherchez à apprendre du fichier : colonnes, calculs, regroupements, type de graphique attendu.
  • Les fichiers tableurs sont plafonnés à environ 50 Mo ; un fichier CSV très dense en colonnes peut échouer avant cette limite.
AttentionVérifiez toujours un résultat chiffré important avant de le réutiliser tel quel : demandez à ChatGPT de détailler le calcul si le résultat vous semble surprenant.

En un coup d’œil

Types de graphiques disponibles

Type de graphiqueVersion interactive
BarresOui
Courbe / ligneOui
CamembertOui
Nuage de pointsOui
Autres typesImage statique

Atelier pratique

Analyser un jeu de données réel

  1. Importez un fichier CSV ou Excel contenant des résultats ou des statistiques de votre activité.
  2. Demandez une agrégation simple (moyenne, total, comptage) par catégorie.
  3. Demandez un graphique en barres, puis un graphique en camembert du même résultat.
  4. Demandez à ChatGPT d’expliquer le code utilisé pour le premier calcul.

J’ai réussi si…

  • Je sais importer un fichier de données et lancer une analyse.
  • Je comprends que ChatGPT exécute réellement du code Python pour produire ses résultats.
  • Je sais demander un type de graphique précis, statique ou interactif.
  • Je connais les limites de taille des fichiers tableurs.
À retenir Data Analysis exécute du vrai code Python dans un environnement sécurisé pour transformer un fichier de données en réponses, tableaux et graphiques. Des données propres et une demande précise (colonnes, calculs, type de graphique) font toute la différence sur la fiabilité du résultat.