Créer une copie de travail avant la première question
Commencez avec un tableau dont vous connaissez la fonction : inscriptions, inventaire, dépenses ou suivi de demandes. Fermez le fichier maître et créez une copie datée, par exemple « inventaire-centre-2026-10-04-revision ». Si le document contient des noms, des adresses, des numéros de téléphone ou des renseignements financiers, remplacez-les par des identifiants neutres avant de le transmettre à un assistant. Gardez une table de correspondance séparée seulement si elle est nécessaire au retour dans le système officiel. Dans la copie, ajoutez trois colonnes vides : anomalie proposée, justification et décision humaine. L’assistant pourra y décrire ce qu’il remarque sans écraser une valeur existante. Cette séparation évite le problème le plus difficile à détecter : une correction plausible qui remplace silencieusement une donnée vraie. Notez aussi le nombre de lignes, la date de l’exportation et les totaux importants avant l’analyse. Ces repères serviront à confirmer que le fichier reçu à la fin contient encore le même ensemble de dossiers.
Expliquer chaque colonne et les règles qui comptent
Un assistant ne peut pas deviner ce que « actif », « total » ou « date » signifie dans votre organisation. Préparez un petit dictionnaire des colonnes. Pour chacune, indiquez le type attendu, les valeurs permises et les exceptions connues. Par exemple : « statut : nouveau, en traitement ou fermé; un dossier fermé doit avoir une date de fermeture ». Précisez l’unité des montants, le format des dates et la façon de reconnaître un champ volontairement vide. Transformez ensuite vos attentes en tests observables. Demandez de signaler un numéro en double, une date de fin antérieure à la date de début, un montant négatif interdit ou une catégorie absente de la liste approuvée. Distinguez les règles certaines des soupçons. Deux lignes portant le même nom peuvent être légitimes; deux identifiants uniques identiques ne le sont probablement pas. Une consigne utile dit donc : « signale le doublon, mais ne fusionne aucune ligne ». Cette nuance garde l’IA dans un rôle de vérification plutôt que de décision.
Demander un rapport d’anomalies au lieu d’un fichier corrigé
Donnez d’abord un petit extrait de dix à vingt lignes et demandez une sortie structurée. Chaque constat devrait contenir le numéro de ligne, la colonne, la valeur observée, la règle appliquée, la correction suggérée et un niveau de confiance. Ajoutez une catégorie « à confirmer » pour les cas où le contexte manque. Interdisez explicitement l’ajout de valeurs inventées et demandez d’écrire « information absente » lorsqu’une correction ne peut pas être déduite du tableau. Examinez ce premier rapport avant de soumettre le reste. Si l’assistant confond une cellule vide avec une erreur, reformulez la règle et relancez le même extrait. S’il change un code interne pour le rendre plus lisible, ajoutez que les codes doivent rester exactement tels quels. Lorsque le format vous convient, conservez la consigne avec le fichier. Traitez ensuite le tableau par lots raisonnables afin de pouvoir retrouver une erreur et reprendre une étape. Un rapport séparé facilite la révision, car rien n’est encore accepté automatiquement.
Vérifier les résultats avec des calculs simples
Choisissez un échantillon qui comprend des lignes normales, des anomalies connues et quelques cas limites. Reprenez chaque signalement à partir du fichier source. Pour un montant, refaites le calcul avec une formule du tableur ou une calculatrice. Pour un doublon, comparez toutes les colonnes qui permettent de distinguer deux dossiers. Pour une date, vérifiez le format réel de la cellule : une valeur affichée comme le 4 octobre peut être stockée comme texte ou interprétée selon un format américain. Comparez aussi les totaux avant et après toute correction envisagée. Le nombre de lignes ne devrait pas changer si vous n’avez autorisé aucune suppression. La somme d’une colonne peut changer, mais seulement du montant expliqué par les décisions approuvées. Si 12 anomalies sont proposées, sélectionnez-en au moins quelques-unes au hasard en plus de vérifier tous les cas à risque élevé. Une réponse peut être cohérente sur les premiers exemples et devenir moins fiable lorsqu’un lot contient des cellules fusionnées, des notes libres ou plusieurs unités.
Appliquer les corrections une par une et conserver la preuve
Décidez humainement de chaque changement dans la colonne prévue. Utilisez des statuts simples : accepté, refusé ou à vérifier. Appliquez ensuite les corrections acceptées dans une nouvelle version du fichier, idéalement avec un outil qui conserve l’historique. Pour chaque modification, gardez la valeur d’origine, la nouvelle valeur, la règle invoquée et les initiales de la personne qui l’a approuvée. Une correction groupée n’est acceptable que lorsque la même règle déterministe a été vérifiée sur plusieurs exemples. Terminez par une réconciliation. Confirmez le nombre de lignes, les totaux de contrôle et les identifiants uniques. Ouvrez quelques dossiers au hasard dans le système qui recevra les données afin de vérifier que les formats sont encore compatibles. Archivez la copie analysée, le rapport d’anomalies, la consigne et le fichier final dans un dossier daté. Cette méthode demande quelques minutes de préparation, mais elle transforme l’IA en deuxième paire d’yeux traçable. Le fichier maître reste intact jusqu’à ce qu’une personne comprenne et approuve les changements.
