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 directement dans votre navigateur. Depuis janvier 2026, il exécute aussi du Bash, du JavaScript via Node.js, et une dizaine d’autres langages. 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, puis vous livre le résultat.

Si le code plante, ChatGPT lit l’erreur, corrige automatiquement, puis relance. Cette boucle « écrire → exécuter → corriger » fonctionne sans intervention de votre part dans la grande majorité des cas. Un levier à connaître : en montant le niveau de raisonnement (GPT-5.6 Sol) sur les forfaits payants, les performances sur la création et l’édition de tableurs franchissent un palier supplémentaire. Les erreurs d’interprétation statistique reculent nettement.

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. Ne comptez pas sur ChatGPT comme stockage permanent : les fichiers sont supprimés après une durée variable selon le plan. Autres restrictions à connaître : 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.

La File Library permet de sauvegarder les fichiers uploadés ou créés pour les réutiliser ultérieurement, sans 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. C’est en revanche une base de travail qui économise 1 à 2 heures de mise en page manuelle.

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

ChatGPT for Excel est 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. Il explique aussi pourquoi un résultat a changé, tout en préservant votre mise en forme.

Installation : dans Excel, onglet Accueil > Compléments > rechercher « ChatGPT ». Pour Google Sheets, l’add-on s’installe depuis le Google Workspace Marketplace, puis s’ouvre via le menu Extensions. Cette intégration, longtemps annoncée sans être livrée, est désormais disponible elle aussi. Avant chaque modification, ChatGPT demande une validation pour que vous puissiez refuser ou annuler.

Ce qui a changé depuis le lancement en bêta : l’add-in n’est plus limité à quelques pays ni à quelques plans. Il est désormais disponible sans restriction géographique, y compris en France, sur tous les forfaits.

Côté facturation : sur Plus et Pro, l’usage de l’add-in décompte votre quota d’usage agentique inclus dans le forfait. Sur Business, Enterprise, Edu et K-12, l’aperçu gratuit s’est arrêté le 2 juin 2026. L’usage suit désormais les crédits et conditions tarifaires propres à chaque forfait. Un classeur volumineux ou une analyse en plusieurs étapes consomme logiquement plus de quota qu’une simple correction de formule.

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. Elles sont accessibles directement depuis ChatGPT pour produire des earnings summaries, valuations, memos de crédit et analyses comparables avec citations.

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.

ChatGPT for PowerPoint : l’add-in dans vos slides, désormais généralisé

ChatGPT for PowerPoint complète l’add-in Excel avec la même logique. Il intègre ChatGPT dans PowerPoint pour construire et retravailler une présentation directement dans le logiciel, en respectant votre gabarit et votre charte. Une validation reste demandée avant chaque modification.

Passé en disponibilité générale le 6 juillet 2026, l’add-in couvre désormais tous les forfaits, Free et Go inclus, sans restriction géographique. Sa facturation a rejoint celle de l’add-in Excel : l’aperçu gratuit pour Business, Enterprise et Edu s’est arrêté le 6 août 2026. L’usage suit désormais les mêmes règles de crédits. C’est la voie à privilégier quand la mise en forme compte, là où le .pptx généré par le sandbox reste un premier jet à affiner.

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, puis rédaction du rapport dans le chat ou dans un bloc d’écriture, puis 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, puis exécuter des scripts dans le langage de votre choix, pas seulement Python. Pour l’analyse de données, Python reste le langage dominant, avec pandas et matplotlib comme outils les plus fiables. La possibilité d’installer des packages élargit néanmoins 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, montez le niveau de raisonnement (GPT-5.6 Sol) 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, exportez-les d’abord dans un fichier à uploader. Autre option : 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 par le sandbox sont fonctionnels mais visuellement basiques, et les .xlsx sont solides sur les formules mais limités sur la mise en forme conditionnelle complexe. Les .docx, eux, manquent souvent de finesse typographique. Considérez les fichiers générés comme des premiers jets à affiner, ou passez par les add-ins Excel et PowerPoint quand la présentation compte.

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 : une corrélation peut être interprétée à tort comme une causalité, ou un biais dans les données être ignoré.

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 ensuite 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.