Leçon 9 sur 13
Cas pratique : analyse de données
12 min de lecture
Points clés de cette leçon
- L'IA aide à explorer et résumer des données, mais ne remplace pas votre jugement.
- Une question d'analyse doit être formulée avec précision pour être utile.
- Les chiffres et conclusions produits par l'IA doivent toujours être vérifiés.
- La confidentialité des données est une contrainte à traiter dès la délégation.
Deuxième cas pratique : l'analyse de données. C'est un domaine où l'IA peut faire gagner beaucoup de temps, mais où le discernement et la diligence sont particulièrement décisifs. Le framework 4D y est un garde-fou utile.
La situation de départ
Exemple concret et inventé. Vous gérez une petite boutique en ligne et disposez d'un tableau des ventes des six derniers mois : produits, quantités, montants, mois. Vous voulez comprendre ce qui se vend bien, ce qui décline, et préparer votre prochaine commande de stock.
Vous n'êtes pas analyste, et c'est justement le cas typique où une collaboration bien menée avec l'IA apporte beaucoup.
Étape 1 — Delegation : que confier, avec quelles précautions ?
L'analyse exploratoire — repérer des tendances, calculer des totaux, résumer un tableau — se délègue bien. C'est de la production cadrée au sens de la leçon délégation.
Mais une question préalable s'impose : la confidentialité. Vos données de ventes contiennent-elles des informations sensibles ? Avant tout partage, vérifiez les règles applicables dans votre organisation. Au besoin, anonymisez, agrégez ou ne transmettez qu'un extrait. Cette précaution sera reprise dans la leçon limites et précautions.
Les données ne sont pas un texte anodin
Un tableau de ventes peut révéler des informations stratégiques ou personnelles. Traitez la question de la confidentialité dès l'étape de délégation, jamais après coup.
Étape 2 — Description : poser la bonne question
L'erreur classique en analyse est de demander « analyse ces données ». L'IA produira alors un commentaire vague et peu actionnable. Une bonne description pose une question précise.
- Contexte : « Voici les ventes mensuelles de ma boutique sur six mois, par produit. »
- Objectif : « Identifier les trois produits en plus forte croissance et les trois en recul, pour préparer une commande de stock. »
- Format : « Un tableau de synthèse, suivi de trois recommandations courtes. »
- Contraintes : « Appuie chaque conclusion sur les chiffres du tableau, sans extrapoler au-delà. »
Demander le raisonnement
Pour l'analyse, ajoutez une consigne précieuse : « explique comment tu arrives à chaque conclusion ». Un raisonnement visible est bien plus facile à vérifier qu'un chiffre isolé.
Étape 3 — Discernment : les chiffres d'abord
L'IA renvoie un tableau et des recommandations. C'est ici que le discernement devient critique.
Vérifier les calculs
Une IA peut se tromper dans une addition ou une comparaison, tout en présentant le résultat avec assurance. Recoupez les chiffres clés vous-même : reprenez deux ou trois totaux et vérifiez-les à la main ou avec un tableur.
Vérifier la logique
Les conclusions découlent-elles réellement des chiffres ? Méfiez-vous des affirmations trop générales (« ce produit va continuer de croître ») qui extrapolent au-delà des données disponibles. Six mois ne suffisent pas toujours à prédire l'avenir.
Vérifier ce qui manque
L'analyse ignore-t-elle un facteur que vous connaissez ? Une promotion ponctuelle, une rupture de stock, un effet de saison : l'IA ne voit que le tableau, pas le contexte réel de votre activité.
Étape 4 — Diligence : interpréter et décider
Le résultat est vérifié, mais le travail n'est pas fini. La diligence demande de transformer cette analyse en décision — et cette interprétation vous revient.
L'IA vous dit qu'un produit recule ; à vous de savoir si c'est dû à un problème de prix, à un concurrent, ou à un simple creux saisonnier. Vous croisez la lecture chiffrée avec votre connaissance du terrain, puis vous décidez de la commande. La donnée éclaire ; vous tranchez.
L'IA lit, vous interprétez
Un assistant peut décrire ce que disent les chiffres. Il ne sait pas pourquoi ils sont ce qu'ils sont, ni ce qu'il faut en faire. Cette interprétation est le cœur de votre valeur ajoutée.
Ce que ce cas pratique montre
Sur l'analyse de données, le framework 4D protège contre deux risques : partager des données qu'on n'aurait pas dû, et faire confiance à des chiffres ou des conclusions non vérifiés. L'IA accélère l'exploration ; vous gardez la maîtrise de l'exactitude et de la décision.
La prochaine leçon applique le même cycle à un exercice encore plus exigeant : la prise de décision. Pour revoir l'ensemble du parcours, consultez le catalogue des cours.