Analyse de données avec ChatGPT : où elle s’arrête et quoi brancher

Chaque mois, le même rituel. Exporter le CSV des paiements depuis Stripe. En exporter un autre depuis le compte publicitaire. Glisser les deux dans un chat, demander quel canal a vraiment été rentable, obtenir une réponse propre en moins d’une minute. L’analyse de données de ChatGPT est vraiment bonne sur cette partie du milieu : plus rapide et plus patiente que moi face à un tableau croisé dynamique. Le problème, ce sont les deux étapes de part et d’autre : récupérer les fichiers, et faire quelque chose de la réponse. Les deux se font encore à la main, par moi, un lundi matin.

C’est le plafond que les gens touchent en ce moment. Pas un plafond d’intelligence, un plafond de tuyauterie, et la solution n’est pas un meilleur prompt.

Ce que l’analyse de données de ChatGPT fait vraiment bien

Rendons à César ce qui est à César. Donne-lui un fichier propre et une question claire, et il écrit et exécute du Python pour toi. La propre page d’aide d’OpenAI sur l’analyse de données décrit un environnement de notebook Jupyter avec état, qui résume les lignes, les colonnes, les tendances et les valeurs aberrantes, effectue des calculs statistiques et génère des graphiques sous forme d’images, avec une option interactive pour les barres, les courbes, les camemberts et les nuages de points. Il montre son code, donc tu peux auditer la méthode au lieu de faire confiance à un chiffre.

Pour une question ponctuelle sur un fichier déjà sur ton ordinateur, c’est le meilleur rapport qualité-prix de l’analytique. Rien ici n’est un argument contre son utilisation. C’est un argument sur l’endroit où le workflow s’arrête.

Où s’arrête l’analyse de données de ChatGPT

Quatre murs, dans l’ordre où tu les percutes.

Il ne peut pas aller chercher les données

Directement tiré de la même page d’aide, dans la section Constraints : « L’environnement Python utilisé pour l’analyse de données ne peut pas effectuer de requêtes web externes ni d’appels d’API. » Pas d’appel à ton API Stripe, pas de réplique en lecture, pas d’endpoint partenaire. Les chiffres doivent arriver sous forme de fichier apporté par un humain.

Les connecteurs atténuent le problème sans le supprimer : la même page précise que, là où ils sont disponibles, tu peux joindre des fichiers depuis Google Drive, OneDrive et SharePoint. C’est un sélecteur de fichiers, pas une requête. Si la version la plus fraîche de la vérité vit derrière une API, quelqu’un fait encore l’export.

Les limites de fichiers arrivent plus tôt que prévu

OpenAI les publie dans la FAQ sur l’envoi de fichiers : une limite stricte de 512 Mo par fichier, des fichiers texte et documents plafonnés à 2 M de tokens chacun et, celle qui fait vraiment mal, « pour les fichiers CSV ou les tableurs, la taille du fichier ne peut pas dépasser environ 50 Mo, selon la taille de chaque ligne ». Un export transactionnel un peu large s’en approche plus vite que tu ne le voudrais.

Les plafonds de débit sont sur la même page : jusqu’à 80 fichiers toutes les 3 heures, 3 envois par jour sur le forfait gratuit, et un stockage partagé limité à 25 Go par utilisateur et 100 Go par organisation, tous chats, Projects et connaissances de GPT personnalisés confondus.

Les scans et les captures d’écran restent un pari

La page d’aide est franche : ChatGPT « peut ne pas extraire de façon fiable les valeurs exactes des tableaux sous forme d’image, des fichiers scannés ou des fichiers à la mise en page visuelle complexe », et recommande d’envoyer un tableur ou un fichier texte quand les valeurs exactes comptent. Bon conseil, inutile quand la source est un PDF qu’un fournisseur t’a envoyé par email. C’est un autre job pour un autre outil, d’où l’intérêt d’extraire automatiquement des données structurées de factures PDF au lieu d’espérer qu’une fenêtre de chat lise correctement le tableau.

La réponse s’arrête là où tu te trouves

C’est ici que la plupart des conseils sur internet sont dépassés. ChatGPT sait maintenant programmer du travail : les tâches planifiées sont disponibles pour les utilisateurs Plus, Pro, Business et Enterprise sur le web, le mobile et le desktop, elles peuvent utiliser des applis comme Gmail quand elles sont activées, et la page de tarifs d’OpenAI liste « Projects, scheduled tasks, and custom GPTs » dans le forfait Plus à 20 $ par mois. Un briefing récurrent du lundi, c’est un problème réglé.

Les limites sont dans la forme, pas dans l’existence. La même page indique que les tâches ne peuvent pas s’exécuter plus d’une fois par heure, et sa section sur les limites d’utilisation plafonne les tâches actives à 3 sur Go, 5 sur Plus, 10 sur Business et Edu, et 15 sur Pro et Enterprise. Et surtout : « Les tâches planifiées ne prennent pas en charge les webhooks pour l’instant, elles conviennent donc mieux aux points réguliers ou récurrents qu’aux automatisations déclenchées par un événement. »

Donc « tous les lundis à 7 h, résume la semaine dernière » fonctionne. « Quand un gros remboursement tombe, relance le contrôle de marge et publie-le dans le fil ops » ne fonctionne pas. Et dans les deux cas, le résultat apparaît dans ChatGPT, un endroit où il faut aller faire un tour, plutôt que dans la page que l’équipe lit ou le fil où la décision se prend.

La version job par job

Quoi brancher

Trois briques, et aucune n’est un modèle plus intelligent.

Une récupération qui n’est pas une personne. L’analyse n’est jamais plus fraîche que l’export. Branche la source une fois pour toutes (Stripe, le CRM, le tableur, la boîte mail) pour que les données arrivent sans que personne ne clique sur Télécharger.

Un déclencheur qui ne dépend pas de ta mémoire. Le récurrent, c’est la moitié facile. La moitié qui a de la valeur est déclenchée par des événements : une nouvelle ligne, un email entrant, un webhook venant de ton propre produit. C’est la différence entre un rapport et un système qui te dit quelque chose que tu n’as pas demandé.

Une livraison qui arrive là où se prend la décision. Une info que personne ne lit ne pèse rien. Le résultat a sa place dans la page, la fiche du deal ou le fil de discussion, pas dans un historique qu’il faut remonter.

Comment je m’y prends

J’ai gardé ChatGPT pour réfléchir à voix haute avec un fichier, et j’ai déplacé le travail récurrent dans Notis, où la liste des déclencheurs est justement l’intérêt : notis.ai propose des plannings cron, des exécutions ponctuelles, des appels de webhooks externes, des événements d’intégration quand une appli déclenche un événement, et des changements dans les bases de données à la création ou à la mise à jour d’un enregistrement. Les deux derniers, les tâches de ChatGPT ne les font pas encore.

Le schéma que j’utilise le plus : une automatisation se déclenche sur un planning ou un événement, l’agent récupère les chiffres à jour depuis l’intégration plutôt qu’un vieil export, fait les calculs, écrit le résultat dans une base de données Notion et m’envoie la version en deux lignes sur WhatsApp. Si je veux discuter, je réponds dans le même fil.

Ce qui m’a surpris, c’est la petite taille de chaque exécution. La consommation Notis est incluse dans le forfait plutôt que facturée en plus : la page de tarifs indique que Pro inclut 20 $ de consommation par mois, Pro+ 59 $ et Ultra 149 $, et que la moyenne de la semaine dernière sur l’ensemble des utilisateurs Notis était de 0,09 $ par tâche. Au-delà de l’enveloppe, la consommation à la demande continue de tourner et est facturée a posteriori. Les lectures payées à l’usage fonctionnent de la même façon (la lecture d’une page web coûte 0,0038 $ selon les tarifs publiés) et tout appel estimé au-dessus de 1,20 $ est refusé tant que je ne l’ai pas confirmé, c’est exactement le garde-fou que je voulais avant de laisser quoi que ce soit tourner sans surveillance. Le forfait coûte 13 $ par mois en facturation annuelle.

Une dernière chose si tu paies déjà ChatGPT : sur n’importe quel forfait Notis payant, tu peux connecter cet abonnement, et la facture des modèles y est imputée au lieu de ta consommation Notis. Tu n’achètes donc pas deux fois les mêmes tokens. Pour le calcul complet de ce que coûte un agent qui tourne en permanence, j’ai détaillé un vrai mois d’utilisation.

Qui ne devrait pas s’embêter

Reste sur ChatGPT seul si l’analyse est vraiment ponctuelle : une question différente à chaque fois, un fichier déjà sur ta machine, une réponse nécessaire une seule fois. Ajouter un pipeline à ça, c’est un hobby, pas un workflow.

Passe à un entrepôt de données et à SQL si tu as besoin de jointures ligne à ligne entre plusieurs systèmes, ou si quelqu’un va auditer le chiffre. Un bac à sable de chat n’est pas fait pour ça, et Notis non plus.

Branche quelque chose quand tu as fait la même analyse trois fois, ou quand le moment intéressant est un événement plutôt qu’une date. Le signal, c’est la répétition, pas la sophistication de la question.

ChatGPT fait bien l’analyse et pas du tout la logistique. La plupart des gens en concluent qu’il leur faut un meilleur modèle, prennent un forfait plus cher et continuent d’exporter des CSV à la main. La solution se trouve en amont et en aval de la partie intelligente. L’article sur les limites couvre le reste de ces murs.