Pipeline d'analyse récurrent

Industrialiser vos analyses avec ChatGPT

Faire une analyse ponctuelle, c’est bien. La reproduire chaque semaine sans effort, c’est mieux. Cette leçon vous apprend à construire un pipeline d’analyse récurrent : un processus standardisé que vous relancez à chaque nouveau jeu de données, sans repartir de la page blanche ni redécouvrir vos propres choix méthodologiques.

Qu’est-ce qu’un pipeline d’analyse

Un pipeline est une séquence d’étapes qui se répètent à chaque itération. L’intérêt n’est pas seulement le temps gagné. En figeant les étapes, vous garantissez que le chiffre de cette semaine se compare vraiment à celui de la semaine dernière, parce qu’il a été produit de la même façon — même règle de dédoublonnage, même traitement des lignes vides, même périmètre. Sans cette discipline, une variation de 5 % peut n’être que la trace d’un nettoyage fait autrement.

Créer votre prompt pipeline

Le secret d’un pipeline efficace tient dans un prompt maître qui encode toute la logique de l’analyse. Le bon niveau de précision se teste facilement : votre prompt doit être assez explicite pour qu’un collègue l’exécute à votre place pendant vos congés, colonnes attendues et seuils d’alerte compris.

PIPELINE HEBDOMADAIRE — ANALYSE COMMERCIALE

ÉTAPE 1 : VALIDATION
- Vérifie que le fichier contient les colonnes attendues :
  date, id_commande, region, produit, categorie, quantite, montant_ht, montant_ttc
- Signale toute colonne manquante ou renommée
- Affiche : nombre de lignes, période couverte, colonnes détectées

ÉTAPE 2 : NETTOYAGE
- Supprime les doublons sur id_commande
- Isole les montants négatifs (avoirs, retours) et signale-les à part
- Convertis les dates au format AAAA-MM-JJ
- Supprime les lignes où montant_ttc est vide

ÉTAPE 3 : KPIs
- CA total TTC
- Nombre de commandes
- Panier moyen
- Top 5 produits par CA
- Top 3 régions par CA
Chaque KPI avec la variation vs semaine précédente

ÉTAPE 4 : GRAPHIQUES
- Courbe du CA quotidien (7 derniers jours)
- Barres du CA par région
- Camembert répartition par catégorie

ÉTAPE 5 : ALERTES
- Produits dont le CA baisse de plus de 20% vs semaine précédente
- Régions sous 80% de l'objectif hebdomadaire
- Anomalies de volume (>3 écarts-types de la moyenne)

Format : tout en une seule réponse, graphiques inclus.

Chaque règle de nettoyage doit être une décision métier, pas un réflexe : un montant négatif est souvent un avoir, et le transformer en vente gonflerait votre chiffre d’affaires. De même, deux ventes du même produit, le même jour, dans la même région, sont généralement deux ventes distinctes — d’où le dédoublonnage sur le numéro de commande.

Sauvegarder et réutiliser le pipeline

Ce prompt n’a de valeur que s’il survit à la conversation où vous l’avez écrit. Les GPTs personnalisés, longtemps utilisés pour ce rôle, prennent leur retraite le 11 décembre 2026 au profit des plugins et des skills. La solution la plus simple est désormais le projet :

1. Créez un projet « Rapport hebdo ventes »
2. Collez votre prompt pipeline dans les instructions du projet
3. Chaque lundi, ouvrez une nouvelle conversation dans le projet et joignez le fichier de la semaine
4. Relisez les contrôles qualité avant de lire le rapport

Si vous devez partager la méthode avec quelqu’un qui n’a pas accès au projet, enregistrez le prompt dans un fichier texte que vous joignez avec les données :

Le fichier pipeline_hebdo.txt contient mes instructions d'analyse.
Exécute-les sur le fichier de données joint.

Une tâche planifiée peut vous rappeler le rendez-vous du lundi ; elle n’accède pas, en revanche, aux fichiers d’un projet, et l’import des données reste donc manuel.

Gérer l’historique

Un pipeline sans mémoire recommence à zéro chaque semaine et vous prive de toute comparaison : vous obtenez sept photographies successives, jamais un film. Maintenez donc un fichier de suivi que vous rechargez à chaque itération.

Après l'analyse, ajoute les KPIs de cette semaine
au fichier historique "kpis_historique.csv" que je fournis.
Les colonnes sont : semaine, ca_total, nb_commandes, panier_moyen.
Exporte le fichier mis à jour.

Semaine après semaine, cet historique s’enrichit et les comparaisons gagnent en signification. Au bout de six mois, ce petit CSV de quelques kilo-octets vaut davantage que n’importe lequel des rapports isolés qui l’ont alimenté : lui seul permet de dire qu’une baisse est une inflexion et non un accident.

Contrôle qualité automatique

Reste le risque propre à toute analyse automatisée : produire un rapport impeccable à partir d’un fichier incomplet. Un export interrompu à 80 %, une région absente parce que sa remontée a échoué, et vous commentez sérieusement une chute qui n’existe pas. Des garde-fous placés avant l’analyse neutralisent ce scénario.

CONTRÔLES QUALITÉ (avant l'analyse) :
- Le nombre de lignes est-il cohérent avec les semaines précédentes (±20%) ?
- Toutes les régions attendues sont-elles présentes ?
- Les dates couvrent-elles exactement 7 jours ?
- Aucun montant ne dépasse 100 000 € (seuil d'alerte) ?

Si un contrôle échoue : STOP, affiche l'alerte et attends ma confirmation.

L’instruction d’arrêt est la partie la plus importante de ce bloc. Sans elle, ChatGPT signale poliment le problème dans un paragraphe, puis enchaîne sur l’analyse complète — et c’est cette analyse, pas l’avertissement, que vous finirez par transférer.

Mesurer le gain de temps

Mesurez le gain sur vos propres chiffres plutôt que de le supposer : chronométrez une itération manuelle — import, nettoyage, KPIs, graphiques, rédaction —, puis une itération avec le pipeline, vérification comprise. Le temps libéré ne disparaît pas : il se déplace vers la seule partie que la machine ne fera pas à votre place, l’interprétation.

À vous de jouer

Votre premier pipeline.

1. Écrivez votre prompt maître en cinq étapes : validation, nettoyage, KPIs, graphiques, alertes
2. Ajoutez les contrôles qualité avec l’instruction d’arrêt
3. Créez un projet et collez le prompt dans ses instructions
4. Lancez-le sur le fichier de la semaine, avec le fichier historique
5. Chronométrez l’itération, vérification comprise, et comparez avec la méthode manuelle

Sources officielles : Projects in ChatGPT · Custom GPT retirement and migration FAQ · Scheduled tasks in ChatGPT · Data analysis with ChatGPT (centre d’aide OpenAI)

Points clés à retenir

• Un pipeline est un prompt structuré qui encode toute la logique de votre analyse récurrente
• Rangez vos pipelines dans les instructions d’un projet : les GPTs prennent leur retraite le 11 décembre 2026
• Intégrez des contrôles qualité pour détecter les fichiers problématiques avant l’analyse
• Maintenez un fichier historique pour enrichir les comparaisons au fil du temps
• Mesurez le gain de temps sur vos propres itérations, vérification comprise