IA et Excel : analysez vos tableaux sans écrire une formule.

Répondons directement : oui, on peut analyser un tableau avec l'IA sans écrire une seule formule. ChatGPT, Claude et Copilot acceptent tous l'upload d'un fichier Excel ou CSV, et répondent à des questions posées en français ordinaire, « quels sont mes 10 clients qui baissent ? », « quelle est ma marge par famille de produits ? ». Ce n'est pas un gadget : pour une PME, c'est la différence entre des chiffres qui dorment et des chiffres qui servent. Car le problème n'a jamais été le manque de données. Selon Bpifrance Le Lab, 43 % des PME et ETI françaises ne font aucune analyse de données pour piloter leur activité. Pas par choix : par manque de temps, et parce que le tableur croisé dynamique est resté une compétence de spécialiste.

Pourquoi 43 % des PME n'analysent jamais leurs chiffres

Toute entreprise produit des tableaux : export du logiciel de facturation, balance comptable, suivi commercial, relevés bancaires. Mais entre produire un fichier et en tirer une décision, il y a un mur : il faut savoir manier Excel, et il faut y consacrer des heures. Le dirigeant de PME n'a ni l'un ni l'autre, et le paradoxe est documenté par la même enquête Bpifrance : 58 % des dirigeants jugent l'IA importante pour la pérennité de leur entreprise à horizon 3-5 ans, mais 43 % seulement ont une stratégie IA. L'analyse de tableaux est précisément l'endroit où combler cet écart coûte le moins cher : le fichier existe déjà, l'outil existe déjà, il ne manque que le geste.

Les quatre usages de l'IA sur Excel qui marchent vraiment

1 · Poser une question en français à votre fichier

C'est l'usage le plus immédiat. Vous déposez l'export dans ChatGPT, Claude ou Copilot, et vous posez la question comme vous la poseriez à un contrôleur de gestion :

La dernière phrase n'est pas décorative : demander la méthode avant le résultat est votre premier outil de contrôle (on y revient plus bas). Ce qui prenait une demi-journée de tableau croisé dynamique prend cinq minutes, et la question suivante (« et par commercial ? », « et hors client X ? ») ne coûte qu'une phrase de plus. D'autres exemples concrets d'usage de l'IA en PME suivent la même logique : partir d'une tâche qui existe déjà, pas d'un projet nouveau.

2 · Faire écrire, et expliquer, les formules

Vous avez quand même besoin d'un fichier qui recalcule tout seul chaque mois ? L'IA écrit la formule pour vous, et surtout elle l'explique. Fini le RECHERCHEV hérité d'un ancien salarié que plus personne n'ose toucher :

Le bénéfice caché est là : vous ne dépendez plus d'une formule subie. Vous comprenez ce que fait votre fichier, donc vous pouvez le modifier. C'est exactement la logique que nous détaillons dans notre guide pour écrire de bons prompts : plus le contexte est précis (noms de colonnes, feuilles), plus la réponse est juste du premier coup.

3 · Nettoyer un export sale

Le vrai temps perdu sur Excel n'est pas l'analyse, c'est le nettoyage : doublons, dates tantôt au format 01/02/2025 tantôt « 1 février 2025 », noms de clients orthographiés de trois façons. L'IA excelle à ce travail ingrat. Prompt type : « Ce fichier contient des doublons probables et des formats de dates incohérents. Liste d'abord tous les problèmes que tu détectes, puis produis une version nettoyée en expliquant chaque correction. » Vous validez la liste des corrections avant qu'elles soient appliquées, vous restez maître du fichier.

4 · Produire un commentaire de gestion

Un tableau juste ne suffit pas : il faut le transformer en trois paragraphes lisibles pour un comité, un banquier ou un associé. À partir du même fichier, demandez : « Rédige un commentaire de gestion d'une demi-page : les 3 chiffres qui progressent, les 3 qui se dégradent, et les questions qu'un dirigeant devrait se poser. » C'est la brique de base d'un vrai tableau de bord de dirigeant assisté par IA, et le point de départ naturel avant d'aller vers des usages plus ambitieux comme les prévisions de trésorerie.

Les deux pièges, honnêtement

Piège n° 1 : l'IA peut se tromper dans un calcul. Pas souvent, mais ça arrive, une colonne mal interprétée, un filtre oublié. La parade tient en deux gestes. D'abord, exigez la méthode : « explique quelles colonnes tu utilises et quel calcul tu fais avant de donner le résultat ». Ensuite, vérifiez deux ou trois totaux que vous connaissez par cœur, le chiffre d'affaires de l'année, le nombre de factures. Si les points de contrôle tombent juste, l'analyse est fiable ; sinon, reformulez. Vous validez comme vous valideriez le travail d'un stagiaire brillant : sur pièces.

Piège n° 2 : les données personnelles. Un export de ventes contient des noms de clients, des emails, parfois des données de salariés. La CNIL est claire : le RGPD s'applique dès que des données personnelles entrent dans une IA générative, prompts et fichiers inclus. Règle simple : jamais de données nominatives dans un fichier uploadé sans pseudonymisation. Remplacez la colonne « Client » par des codes (« Client 042 »), l'analyse chiffrée reste rigoureusement identique. Et travaillez sur un compte professionnel payant, avec garantie contractuelle de non-entraînement sur vos données : c'est la condition pour traiter des données internes, et le budget reste modeste, de l'ordre de 20 à 30 € par utilisateur et par mois. Le détail des obligations est dans notre guide IA et RGPD.

Par où commencer cette semaine

• Choisissez un fichier que vous ouvrez déjà, l'export de facturation du trimestre, par exemple. Pas un projet neuf : une tâche existante.
• Pseudonymisez la colonne des noms si elle existe (deux minutes avec un rechercher-remplacer… que l'IA peut aussi vous écrire).
• Posez trois questions en exigeant la méthode, et vérifiez un total connu.
• Gardez les prompts qui marchent dans un document partagé : le mois suivant, l'analyse prend cinq minutes.

Si vous pilotez cette montée en compétence pour toute une équipe de direction, le parcours Direction couvre précisément ce terrain : analyse de données, tableau de bord, notes de synthèse.

Questions fréquentes