Création de fichiers et analyse de données : ChatGPT en mode production

ChatGPT dispose d’un environnement d’exécution de code sécurisé — un sandbox — qui exécute du Python (et depuis janvier 2026, du Bash, du JavaScript via Node.js, et une dizaine d’autres langages) directement dans votre navigateur. Cet environnement est préchargé avec des centaines de bibliothèques Python : pandas pour la manipulation de données, matplotlib et seaborn pour les visualisations, openpyxl pour créer des fichiers Excel, python-pptx pour les présentations, et bien d’autres. Vous n’avez rien à installer. Vous uploadez vos données, vous décrivez ce que vous voulez, ChatGPT écrit le code, l’exécute, et vous livre le résultat.

Si le code plante, ChatGPT lit l’erreur, corrige automatiquement, et relance. Cette boucle « écrire → exécuter → corriger » fonctionne sans intervention de votre part dans la grande majorité des cas. Avec GPT-5.5 Thinking — sorti le 23 avril 2026 — les performances sur la création et l’édition de tableurs franchissent un palier supplémentaire. OpenAI rapporte 87,3 % sur son benchmark interne de modélisation Excel (vs 68,4 % sur le modèle précédent), et 60 % d’hallucinations en moins.

Ce que ChatGPT peut analyser : formats et limites

ChatGPT accepte un large éventail de formats de fichiers pour l’analyse :

Vous pouvez uploader jusqu’à 20 fichiers dans un Custom GPT (avec Code Interpreter activé). Dans le chat principal, le nombre de fichiers par conversation dépend de votre plan. Les fichiers sont supprimés après une durée variable selon le plan — ne comptez pas sur ChatGPT comme stockage permanent. Les fichiers .xlsm contenant des macros VBA ne sont pas exécutés (sandboxing strict), et les fichiers Excel protégés par mot de passe doivent être déverrouillés avant upload.

Depuis mars 2026, la File Library permet de sauvegarder les fichiers uploadés ou créés pour les réutiliser ultérieurement, sans avoir à les re-uploader à chaque conversation. C’est une amélioration pratique pour les workflows récurrents — mais la fonctionnalité varie selon le plan et la plateforme (web principalement).

Analyse de données : le workflow complet en 4 étapes

À chaque étape, cliquez sur « View Analysis » pour voir le code Python que ChatGPT a exécuté. Vous pouvez le copier pour l’utiliser localement ou le modifier si vous avez des compétences Python.

Création de fichiers : Excel, Word, PowerPoint

ChatGPT ne se contente pas d’analyser des données — il crée des fichiers exploitables directement.

Fichiers Excel avec formules

# Prompt — Créer un tableur Excel complet
Crée un fichier Excel pour le suivi budgétaire mensuel
d'une équipe marketing.

STRUCTURE :
- Onglet 1 "Budget" : colonnes Poste, Budget prévu,
  Dépenses réelles, Écart, % consommé. Formules
  automatiques pour Écart et %. Mise en forme
  conditionnelle : vert si <80%, orange 80-100%, rouge >100%
- Onglet 2 "Détail" : tableau détaillé des dépenses
  avec Date, Poste, Fournisseur, Montant, Validé (oui/non)
- Onglet 3 "Dashboard" : 3 graphiques (répartition par
  poste, évolution mensuelle, comparaison budget/réel)

Pré-remplis avec des données fictives réalistes pour
me montrer le résultat. Fichier téléchargeable en .xlsx.

Le résultat est un fichier .xlsx téléchargeable avec formules fonctionnelles, mise en forme, et graphiques. Ce n’est pas un tableur professionnel de niveau analyste financier, mais c’est une base de travail qui économise 1 à 2 heures de mise en page manuelle.

ChatGPT for Excel : l’add-in natif dans votre classeur

Depuis le 5 mars 2026, OpenAI propose ChatGPT for Excel en bêta — un add-in qui intègre ChatGPT directement dans Excel (dans le ruban, pas dans le chat). Contrairement au sandbox qui travaille sur un fichier uploadé, cet add-in agit dans le classeur ouvert : il construit et met à jour des modèles, exécute des scénarios, trace les erreurs de formules, explique pourquoi un résultat a changé, et préserve votre mise en forme. Avant chaque modification, il demande une validation pour que vous puissiez refuser ou annuler.

Installation : dans Excel, onglet Accueil > Compléments > rechercher « ChatGPT ». L’add-in apparaît dans le ruban avec un bouton dédié. Alimenté par GPT-5.4 au lancement, il bénéficie maintenant des améliorations de GPT-5.5 Thinking sur la modélisation tableur. Disponible pour Plus, Pro, Business, Enterprise, Edu et Teachers (hors EU pour Plus/Pro en bêta), d’abord aux États-Unis, Canada et Australie.

OpenAI a couplé ce lancement à de nouvelles intégrations de données financières : Moody’s, Dow Jones Factiva, FactSet, LSEG, Daloopa, S&P Global, MSCI, Third Bridge et MT Newswire sont accessibles directement depuis ChatGPT pour produire des earnings summaries, valuations, memos de crédit et analyses comparables avec citations. Une intégration équivalente pour Google Sheets est annoncée mais pas encore disponible.

Présentations PowerPoint

# Prompt — Créer un PowerPoint à partir de données
À partir du fichier CSV que je viens d'uploader
(résultats commerciaux Q1 2026), crée une présentation
PowerPoint de 8 slides :

1. Page de titre : "Résultats commerciaux Q1 2026"
2. Chiffres clés (CA, marge, nombre de clients)
3. Évolution mensuelle du CA (graphique en barres)
4. Top 5 clients par CA
5. Performance par commercial (tableau)
6. Comparaison Q1 2026 vs Q1 2025
7. Points d'attention et risques
8. Objectifs Q2 2026

Style professionnel, sobre. Fichier .pptx téléchargeable.

Le fichier .pptx sera fonctionnel mais visuellement basique — les capacités de mise en page de python-pptx sont limitées par rapport à PowerPoint natif. La stratégie la plus efficace : générez la structure et le contenu avec ChatGPT, puis affinez le design dans PowerPoint ou dans un outil de design IA.

Documents Word et PDF

ChatGPT peut aussi créer des fichiers .docx (via python-docx) et .pdf. Pour les rapports, le workflow optimal est : analyse de données → rédaction du rapport dans le chat ou dans Canvas → export en .docx avec mise en forme. Pour les PDF, ChatGPT utilise des bibliothèques Python comme reportlab ou fpdf.

Le sandbox étendu : Bash, Node.js et au-delà

Depuis janvier 2026, le sandbox de ChatGPT a été considérablement étendu. Ce n’est plus seulement un interpréteur Python : c’est un environnement Linux complet.

En pratique, cette extension signifie que ChatGPT peut manipuler des fichiers dans des formats exotiques, convertir entre formats, et exécuter des scripts dans le langage de votre choix — pas seulement Python. Pour l’analyse de données, Python reste le langage dominant (pandas + matplotlib sont les outils les plus fiables dans ce contexte), mais la possibilité d’installer des packages élargit considérablement les possibilités.

Workflows multi-format : de la donnée brute au livrable

La vraie puissance de l’analyse de données dans ChatGPT apparaît quand vous enchaînez les étapes dans une même conversation.

# Workflow complet — CSV → Analyse → Rapport → Slides
ÉTAPE 1 : [Uploader le CSV]
"Décris ce dataset et identifie les problèmes de qualité."

ÉTAPE 2 : "Nettoie les données : supprime les doublons,
standardise les noms de colonnes, convertis les dates
en format ISO."

ÉTAPE 3 : "Analyse : calcule le CA par mois, par région,
par produit. Génère un graphique pour chaque dimension."

ÉTAPE 4 : "Crée un fichier Excel avec 3 onglets :
données nettoyées, tableaux croisés, graphiques."

ÉTAPE 5 : "À partir de cette analyse, rédige un rapport
de 500 mots avec les 5 insights principaux et 3
recommandations."

ÉTAPE 6 : "Transforme ce rapport en présentation
PowerPoint de 6 slides avec les graphiques intégrés."

Chaque étape s’appuie sur la précédente. Le contexte est maintenu tout au long de la conversation. Le résultat : un pipeline données → analyse → rapport → présentation qui prend 15 à 20 minutes au lieu de 3 à 4 heures manuellement. Pour maximiser la fiabilité sur les étapes d’analyse lourdes, sélectionnez GPT-5.5 Thinking dans le sélecteur de modèle—le raisonnement avancé réduit nettement les erreurs d’interprétation statistique.

Les limites à connaître

Pas de connexion réseau sortante. Le sandbox ne peut pas accéder à des API ou à des bases de données externes pendant l’exécution du code. Si votre analyse nécessite des données en temps réel, vous devez d’abord les exporter dans un fichier et les uploader—ou utiliser les apps connectées qui contournent cette limite pour certaines sources (Drive, Slack, bases financières).

Timeout sur les exécutions longues. Les analyses très lourdes (millions de lignes, modèles de machine learning complexes) peuvent dépasser le temps d’exécution autorisé. Au-delà de 50 Mo par fichier, les erreurs « Out of Memory » deviennent fréquentes. Pour ces cas, exportez le code et exécutez-le localement, ou découpez votre dataset.

La qualité des fichiers créés a ses limites. Les .pptx générés sont fonctionnels mais visuellement basiques. Les .xlsx sont solides sur les formules mais limités sur la mise en forme conditionnelle complexe. Les .docx manquent souvent de finesse typographique. Considérez les fichiers générés comme des premiers jets à affiner, pas comme des livrables finaux.

Vérifiez les calculs. ChatGPT peut faire des erreurs dans les analyses statistiques, surtout quand les données sont ambiguës ou mal structurées. Consultez toujours le code source (cliquez « View Analysis ») pour comprendre ce qui a été calculé. Les hallucinations existent aussi dans l’analyse de données : ChatGPT peut interpréter une corrélation comme une causalité ou ignorer des biais dans les données.

Ce que vous pouvez faire maintenant

Prenez un fichier CSV ou Excel que vous analysez régulièrement (rapport de ventes, données marketing, suivi de projet). Uploadez-le dans ChatGPT et demandez : « Décris ce dataset, identifie les tendances principales, et crée 3 visualisations pertinentes. » Comparez le résultat avec votre processus habituel en temps et en qualité. Puis testez le workflow multi-format : données → analyse → rapport → slides dans une seule conversation.