IA & TechnologiesUsages & méthodes

Excel + IA

Nettoyer, calculer, classer, contrôler et visualiser des données dans Excel avec l'aide de l'IA, sans jamais coller une formule que l'on n'a ni comprise ni testée.

Pour qui

Salariés de toutes fonctions — administration, ventes, achats, RH, logistique, qualité, service client — et équipes d'entreprise qui reçoivent, nettoient et analysent des données dans Excel et veulent s'appuyer sur l'IA sans perdre la maîtrise de leurs chiffres.

Durée

7 h

Format

Présentiel · Distanciel · Hybride

Niveau

Intermédiaire

Résultat visé

Votre classeur d'analyse complet : source intacte, données préparées, contrôles, tableaux croisés, graphiques et note d'analyse

Vous cherchez une formation…

Pour moiPour mon organisation

Choisir mon parcours Recevoir le programme

À propos de cette formation

Une journée pour transformer un export brut en analyse exploitable avec Excel et l'IA : nettoyage, formules, classification, anomalies, visualisation et automatisation légère. Le tableur calcule, l'IA aide à écrire et à expliquer, l'humain vérifie chaque résultat.

Dans presque tous les métiers, une partie du travail consiste à retraiter des données : exports de logiciels métier, fichiers reçus de collègues ou de clients, listes saisies à la main. Dates au mauvais format, doublons, libellés incohérents, formules héritées que plus personne ne sait relire : la préparation prend souvent plus de temps que l'analyse. L'IA peut écrire une formule, expliquer un calcul ou proposer une grille de classement en quelques secondes, mais une formule collée sans être comprise ni testée introduit des erreurs silencieuses dans des classeurs qui servent ensuite à décider.

La journée suit un fil rouge : l'export fictif et volontairement imparfait d'un outil de suivi des demandes clients, que les participants amènent jusqu'à une analyse présentable. Ils apprennent à décrire leur tableau à l'IA sans lui transmettre de données sensibles, à lui faire écrire et expliquer des formules qu'ils testent sur des cas connus, à classer des textes libres par une table de correspondance, à traduire des règles de contrôle en formules, puis à construire tableaux croisés, graphiques et commentaire vérifié. Ils rendent enfin la préparation rejouable avec Power Query ou une macro simple. La méthode vaut avec Copilot dans Excel comme avec un assistant conversationnel ouvert à côté du classeur, et ne dépend d'aucun métier en particulier.

Le problème traité

Les salariés passent beaucoup de temps à préparer des données dans Excel avant de pouvoir les analyser, et l'IA utilisée sans méthode y ajoute des formules incomprises, des classements non vérifiés et des calculs faits de tête. Il faut une façon de travailler où l'IA accélère la préparation et l'analyse, et où chaque résultat reste vérifiable.

Trois bénéfices clés

Moins de temps passé à retraiter des fichiers et à chercher la bonne formule, davantage à analyser.

Des classeurs plus fiables : données sources conservées, corrections tracées, formules testées, contrôles intégrés.

Une méthode transverse, valable quel que soit le métier et l'outil d'IA autorisé dans l'entreprise.

Quand cette formation est pertinente

Des salariés retraitent chaque mois les mêmes exports à la main avant de pouvoir s'en servir.
L'équipe utilise déjà l'IA pour écrire des formules, sans toujours comprendre ni tester ce qu'elle colle dans ses classeurs.
L'entreprise a ouvert Copilot ou un assistant conversationnel et veut en faire un usage sûr sur ses tableaux de données.

Les problématiques auxquelles elle répond

« Je passe plus de temps à nettoyer l'export qu'à l'analyser. »
« L'IA m'a donné une formule qui marche sur trois lignes et renvoie une erreur sur la quatrième. »
« J'ai des centaines de commentaires saisis librement que je n'arrive pas à exploiter. »
« Une erreur de saisie nous a échappé et s'est retrouvée dans la présentation au comité. »
« Je refais exactement les mêmes manipulations à la main chaque mois. »

Prérequis

Usage régulier d'Excel : saisie, formules simples (SOMME, SI), tris et filtres ; avoir déjà construit un tableau croisé dynamique est un plus. Excel pour Microsoft 365 ou une version récente, de préférence sous Windows (certaines fonctions d'automatisation diffèrent sur Mac et sur le web). Accès à un outil d'IA autorisé par l'entreprise — Copilot dans Excel selon les licences, ou un assistant conversationnel — ou à un compte gratuit. Venir si possible avec un fichier récurrent de son poste, anonymisé, ou sa seule structure.

Programme détaillé

Module 1 — Tableur, IA, humain : qui fait quoi

45 min

Ce que l'IA fait bien avec un tableur : écrire et expliquer une formule, proposer des étapes de nettoyage, des catégories, des règles de contrôle, du code d'automatisation
Ce qu'elle fait mal : calculer de tête, lire en entier un gros fichier collé, deviner le sens d'une colonne mal nommée
Deux façons de travailler : Copilot dans Excel, selon les licences dont dispose l'entreprise, ou un assistant conversationnel ouvert à côté du classeur — mêmes règles pour les deux
La fiche de données : décrire en-têtes, types, formats et quelques lignes fictives plutôt que transmettre le fichier

Méthodes: Démonstration en direct d'une formule juste, d'une formule fausse et d'un total calculé de tête par l'IA, puis échange sur les usages du groupe.
Outils: Excel ; outil d'IA autorisé ; export fictif du fil rouge et gabarit de fiche de données fournis.
Activité: Exercice 1 — décrire son tableau sans le transmettre, et obtenir un plan de nettoyage.
Résultat attendu: Le participant sait quelles étapes confier à l'IA et lesquelles garder dans le tableur, et décrit un tableau sans en transmettre les données.

Module 2 — Nettoyer et structurer un jeu de données brut

1 h 15

Diagnostiquer un export : doublons, espaces parasites, dates et nombres stockés en texte, cellules fusionnées, colonnes qui mélangent deux informations
Structurer : une ligne par enregistrement, une colonne par information, une plage mise sous forme de tableau
Faire écrire les formules de nettoyage — SUPPRESPACE, NOMPROPRE, CNUM, DATEVAL, fonctions de texte — et le fractionnement de colonnes
Choisir le bon moyen : formule, remplissage instantané, rechercher et remplacer, Power Query
Ne jamais écraser la donnée brute : onglet source intact, journal des corrections, rapprochement du nombre de lignes

Méthodes: Démonstration sur l'export du fil rouge, puis atelier individuel avec contrôle croisé en binôme.
Outils: Excel ; outil d'IA autorisé ; gabarit de journal des corrections fourni.
Activité: Exercice 2 — du fichier brut au tableau propre.
Résultat attendu: Un tableau nettoyé, rapproché de sa source et accompagné de son journal des corrections.

Module 3 — Écrire, comprendre et fiabiliser des formules

1 h 15

Décrire un besoin de calcul à l'IA : structure du tableau, résultat attendu, un exemple chiffré
Croiser deux tables : RECHERCHEX, ou INDEX et EQUIV selon la version d'Excel
Conditions et agrégats : SI, SI.CONDITIONS, SOMME.SI.ENS, NB.SI.ENS, calculs sur les dates
Se faire expliquer une formule héritée, puis la rendre lisible avec LET ou des colonnes intermédiaires
Tester sur des cas connus et des cas limites ; employer SIERREUR pour traiter une erreur prévue, jamais pour la masquer

Méthodes: Démonstration, puis atelier individuel ; chaque formule est expliquée à voix haute à un binôme avant d'être validée.
Outils: Excel ; outil d'IA autorisé ; table des agences et classeur hérité fictifs ; fiche de test de formule fournie.
Activité: Exercice 3 — croiser, calculer et expliquer.
Résultat attendu: Des formules testées sur des cas connus et des cas limites, que le participant sait expliquer sans relire la réponse de l'IA.

Module 4 — Classer des données et repérer les anomalies

1 h

Faire proposer une grille de catégories à partir d'un échantillon anonymisé de textes libres, puis la corriger et la valider
Appliquer la grille dans Excel par une table de correspondance et des formules, plutôt que ligne à ligne dans la conversation
Contrôler un classement : échantillon relu, catégorie « non classé », ajustement des mots-clés
Traduire des règles de contrôle en formules et en mise en forme conditionnelle : doublons, valeurs manquantes, valeurs hors plage, dates incohérentes
Qualifier chaque anomalie — erreur de saisie, cas réel inhabituel, information à confirmer — et laisser la décision à une personne

Méthodes: Démonstration, atelier individuel, puis mise en commun des grilles de catégories et des règles de contrôle.
Outils: Excel ; outil d'IA autorisé ; échantillon anonymisé de motifs fourni.
Activité: Exercice 4 — classer les motifs et signaler les anomalies.
Résultat attendu: Une colonne de catégorie contrôlée et un tableau des anomalies dont chaque ligne porte un statut décidé par le participant.

Module 5 — Analyser, visualiser et interpréter

45 min

Partir de trois questions métier avant de construire le moindre tableau
Tableaux croisés dynamiques, segments et regroupements par période
Choisir le graphique selon le message — évolution, comparaison, répartition, relation — avec un titre-message et des axes honnêtes
Faire rédiger une lecture des résultats à partir des tableaux agrégés, en séparant constats et hypothèses, puis recontrôler chaque chiffre cité

Méthodes: Démonstration courte, atelier individuel, revue croisée des graphiques et des commentaires.
Outils: Excel (tableaux croisés dynamiques, graphiques) ; outil d'IA autorisé.
Activité: Exercice 5 — trois questions, trois réponses visuelles.
Résultat attendu: Trois graphiques qui répondent chacun à une question, et un commentaire dont chaque chiffre se retrouve dans le classeur.

Module 6 — Automatiser la préparation et atelier final

2 h

Power Query : enregistrer une fois les étapes de préparation, les rejouer sur le fichier suivant par simple actualisation
Macro ou script simple écrit avec l'IA : se le faire expliquer ligne à ligne, l'exécuter sur une copie, respecter les règles internes sur les macros
Documenter : étapes nommées, fiche d'utilisation, contrôles à refaire à chaque actualisation
Atelier final : dérouler la méthode complète sur un nouveau jeu de données, du fichier brut à la note d'analyse

Méthodes: Démonstration guidée de Power Query, exercice individuel, puis production accompagnée du cas final, présentée au groupe et commentée par le formateur.
Outils: Excel avec Power Query ; macros VBA ou Office Scripts selon l'environnement ; outil d'IA autorisé ; jeux de données fictifs du cas final.
Activité: Exercice 6 — rejouer la préparation le mois suivant, puis cas final — du fichier brut à l'analyse exploitable.
Résultat attendu: Une préparation rejouable et documentée, et une analyse complète produite de bout en bout sur un nouveau jeu de données.

Vous ne savez pas si cette formation correspond à votre niveau ? Le diagnostic le dit en trois minutes.

Diagnostiquer mon niveau

Objectifs pédagogiques

01
Répartir les rôles entre le tableur, l'IA et l'humain pour chaque étape d'une analyse de données
02
Décrire la structure d'un jeu de données à une IA sans lui transmettre de données sensibles
03
Nettoyer un jeu de données brut en conservant la source intacte et un journal des corrections
04
Rédiger, faire expliquer et tester des formules de recherche, de condition et d'agrégation
05
Classer des données saisies en texte libre à l'aide d'une grille de catégories validée et d'une table de correspondance
06
Détecter les anomalies d'un tableau par des règles de contrôle traduites en formules et en mise en forme conditionnelle
07
Construire des tableaux croisés dynamiques et des graphiques qui répondent à des questions métier, et en rédiger une interprétation vérifiée
08
Automatiser la préparation d'un fichier récurrent avec Power Query ou une macro simple, testée sur une copie

Compétences acquises

À l'issue de la formation, vous serez capable de…

Obtenir en quelques échanges une formule qui fonctionne, et expliquer ce qu'elle fait sans relire la réponse de l'IA
Reprendre un classeur hérité en faisant décrypter ses formules les plus complexes
Transformer un export illisible en tableau propre, une ligne par enregistrement et une colonne par information
Classer plusieurs centaines de libellés saisis librement sans les relire un par un
Signaler les lignes suspectes d'un fichier avant qu'elles ne faussent une analyse
Choisir le graphique qui porte votre message et l'accompagner d'un commentaire dont chaque chiffre est tracé
Préparer le fichier du mois suivant par simple actualisation, sans refaire les manipulations à la main

Exercices & cas pratiques

6 exercices tirés de situations professionnelles réelles, puis un cas final. Chaque production est commentée par le formateur.

01Décrire son tableau sans le transmettre20 min

Contexte: Le fil rouge de la journée : l'export brut de l'outil de suivi des demandes clients d'une entreprise fictive de services — 1 500 lignes, sept colonnes (numéro, date d'ouverture, date de clôture, agence, client, montant facturé, motif saisi librement), avec des noms de clients et des montants.
Consigne: Rédiger la fiche de données du fichier (en-têtes, type et format de chaque colonne, cinq lignes fictives représentatives, défauts visibles), la soumettre à l'IA pour obtenir un diagnostic et un plan de nettoyage, puis confronter ce plan à un examen du fichier dans Excel par tris et filtres.
Production attendue: La fiche de données et le plan de nettoyage commenté : étapes retenues, étapes écartées, défauts constatés que l'IA n'avait pas signalés.
Critère de réussite: Aucune donnée réelle ne figure dans la demande, et chaque étape retenue du plan correspond à un défaut effectivement constaté dans le fichier.

02Du fichier brut au tableau propre45 min

Contexte: Le même export : dates saisies dans trois formats, montants stockés en texte avec leur symbole monétaire, noms de clients avec espaces parasites et casse irrégulière, code d'agence et ville mêlés dans une même colonne, lignes en double.
Consigne: Conserver l'onglet source intact, mettre les données sous forme de tableau, faire écrire par l'IA les formules de nettoyage (espaces, casse, conversion des dates et des montants, séparation de colonne), les tester sur dix lignes contrôlées à la main, lister les doublons avant de les retirer, et tenir le journal des corrections.
Production attendue: Un classeur à trois onglets : source intacte, tableau nettoyé, journal des corrections (étape, lignes concernées, formule ou outil utilisé).
Critère de réussite: Toutes les dates et tous les montants sont reconnus comme tels par Excel, l'écart de lignes entre la source et le tableau nettoyé est entièrement expliqué par les doublons listés, et chaque transformation figure au journal.

03Croiser, calculer et expliquer45 min

Contexte: Le tableau nettoyé de l'exercice 2, une table des agences (code, région, responsable) et un classeur hérité d'un collègue où le délai de traitement est calculé par une formule de SI imbriqués que personne ne sait plus relire.
Consigne: Décrire chaque besoin en français et obtenir de l'IA les formules : région de chaque demande, délai de traitement en jours, montant et nombre de demandes par agence et par mois. Se faire expliquer la formule héritée et la réécrire plus lisiblement, puis tester chaque formule sur des cas connus et des cas limites (cellule vide, agence inconnue, date de clôture manquante).
Production attendue: Les colonnes calculées et le tableau de synthèse par agence et par mois, avec une fiche de test par formule : cas testés, résultat attendu, résultat obtenu.
Critère de réussite: Chaque formule donne le résultat attendu sur tous les cas testés, cas limites compris, et le participant explique oralement chacune d'elles à son binôme sans relire la réponse de l'IA.

04Classer les motifs et signaler les anomalies40 min

Contexte: La colonne « motif » de l'export, saisie librement par les agences sous plusieurs centaines de formulations différentes, et le tableau calculé de l'exercice 3.
Consigne: Soumettre à l'IA un échantillon anonymisé de cent motifs pour obtenir une grille de six catégories au plus avec leurs mots-clés, la corriger, l'appliquer dans Excel par une table de correspondance et des formules, relire trente lignes classées et traiter les « non classés ». Faire ensuite proposer des règles de contrôle (numéro en double, clôture avant ouverture, montant négatif ou hors plage, agence inconnue), les traduire en colonnes de contrôle et en mise en forme conditionnelle.
Production attendue: La grille de catégories validée, la table de correspondance, la colonne de catégorie, les colonnes de contrôle et un tableau des anomalies avec un statut : à corriger, à confirmer, cas réel.
Critère de réussite: Les trente lignes relues sont correctement classées ou corrigées, les « non classés » sont tous traités, et chaque anomalie porte un statut décidé par le participant, sans aucune ligne supprimée hors du journal.

05Trois questions, trois réponses visuelles35 min

Contexte: La direction des opérations pose trois questions : comment évoluent les demandes par mois et par catégorie, quelles agences ont les délais de traitement les plus longs, quels motifs pèsent le plus dans le montant facturé.
Consigne: Construire le tableau croisé dynamique qui répond à chaque question, demander à l'IA le type de graphique adapté à chaque message et le justifier, réaliser les graphiques avec un titre-message, puis faire rédiger à partir des tableaux agrégés un commentaire de huit lignes qui sépare constats et hypothèses, et recontrôler chaque chiffre cité.
Production attendue: Trois tableaux croisés, trois graphiques titrés et un commentaire de huit lignes.
Critère de réussite: Chaque graphique répond à sa question sans axe trompeur, chaque chiffre du commentaire se retrouve dans un tableau croisé, et aucune hypothèse n'est présentée comme un fait.

06Rejouer la préparation le mois suivant30 min

Contexte: L'export du mois suivant arrive, avec les mêmes défauts et une colonne supplémentaire ajoutée par l'éditeur du logiciel.
Consigne: Reconstruire dans Power Query les étapes de nettoyage de l'exercice 2 en se faisant guider par l'IA, actualiser avec le nouveau fichier et rapprocher le résultat de la source. Faire ensuite écrire une macro ou un script de mise en forme, se le faire expliquer ligne à ligne et l'exécuter sur une copie du classeur.
Production attendue: Une requête Power Query aux étapes nommées, une macro ou un script commenté, et une fiche d'utilisation d'une demi-page.
Critère de réussite: Le fichier du mois suivant est préparé par simple actualisation, son nombre de lignes est rapproché de la source, la colonne ajoutée ne casse pas la requête, et chaque instruction de la macro est commentée en français.

FINALDu fichier brut à l'analyse exploitable1 h 15

Contexte: Au choix : un fichier récurrent du participant, anonymisé et autorisé par sa politique interne, ou l'un des trois jeux de données fictifs fournis — inscriptions à des formations internes, commandes passées à des fournisseurs, réponses à une enquête clients avec commentaires libres.
Consigne: Appliquer la méthode de la journée de bout en bout : fiche de données, nettoyage tracé, formules testées, classification, contrôles d'anomalies, trois questions traitées en tableaux croisés et graphiques, note d'analyse d'une page, préparation rendue rejouable. Présentation de trois minutes au groupe.
Production attendue: Un classeur structuré (source, données préparées, contrôles, analyse), une note d'analyse d'une page et la liste des demandes à l'IA utilisées.
Critère de réussite: La source est intacte et chaque correction tracée, chaque formule a été testée, chaque chiffre de la note se retrouve dans le classeur, et un collègue peut rejouer la préparation sur le fichier suivant avec la seule fiche d'utilisation.

Méthodes pédagogiques

Un fil rouge sur toute la journée : un même export brut amené jusqu'à une analyse présentable

Démonstrations en direct dans Excel, erreurs de l'IA comprises : formule fausse, total calculé de tête, classement approximatif

Plus de la moitié du temps en pratique : exercices individuels et contrôle croisé en binôme

Chaque formule testée sur des cas connus et expliquée à voix haute avant d'être validée

Production accompagnée du cas final, présentée au groupe et commentée par le formateur

Les exercices se font dans Excel, avec l'outil d'IA autorisé dans l'entreprise — Copilot dans Excel selon les licences, ou un assistant conversationnel à côté du classeur ; à défaut, avec les versions gratuites de ChatGPT, Claude ou Copilot et des jeux de données fictifs fournis par le formateur.

Vous repartez avec

Votre classeur d'analyse complet : source intacte, données préparées, contrôles, tableaux croisés, graphiques et note d'analyse
Le gabarit de fiche de données pour décrire un tableau à l'IA sans lui transmettre les données
Une bibliothèque de demandes testées : nettoyage, écriture et explication de formules, classification, règles de contrôle, graphiques, macro
La fiche de test d'une formule et la liste de contrôles avant diffusion d'une analyse
Une requête Power Query et sa fiche d'utilisation pour préparer un fichier récurrent

Outils utilisés

Méthodes transférables : fiche de données, test des formules sur cas connus et cas limites, journal des corrections, règles de contrôle
Excel pour Microsoft 365 ou version récente : formules, tableaux croisés dynamiques, graphiques, Power Query, macros
Copilot dans Excel, selon les licences dont dispose l'entreprise
ChatGPT, Claude ou Copilot en conversation à côté du classeur — selon l'outil autorisé dans l'entreprise

Confidentialité & bonnes pratiques

Ne jamais transférer de données confidentielles dans un outil que l'entreprise n'a pas autorisé.
Anonymiser les données personnelles et sensibles avant tout usage — noms, coordonnées, montants, identifiants.
Respecter la politique interne d'usage de l'IA et les règles de son service.
Vérifier chaque production avant de la diffuser : une réponse fluide n'est pas une réponse juste.
Garder une validation humaine sur toute décision, tout envoi et tout document engageant.
Pour obtenir une formule ou un plan de nettoyage, décrire la structure du tableau — en-têtes, types, quelques lignes fictives — plutôt que coller ou joindre les données réelles.
Ne jamais exécuter une macro ou un script produit par une IA sans l'avoir fait expliquer ligne à ligne, toujours sur une copie du classeur et dans le respect des règles internes sur les macros.
Conserver les données sources intactes et tracer chaque correction : un chiffre diffusé doit pouvoir être retrouvé dans le fichier d'origine.

Évaluation & attestation

Avant la formation: Questionnaire d'auto-positionnement : fonctions Excel déjà maîtrisées (recherche, conditions, tableaux croisés, Power Query), usages actuels de l'IA, fichiers retraités chaque semaine ou chaque mois. Chaque participant choisit le jeu de données de son cas final.
Pendant: Exercices corrigés dans le classeur, fiches de test des formules relues par le formateur, explication orale d'une formule au binôme, quiz de mi-journée sur la confidentialité des données et les limites de l'IA en calcul.
En fin de formation: Cas final évalué sur cinq critères : source intacte et corrections tracées, formules testées, classement et anomalies contrôlés, chiffres de la note tracés, préparation rejouable. Auto-positionnement de sortie comparé à celui du matin.
Attestation: Attestation de formation remise à l'issue du parcours.

Questions fréquentes

Quel niveau d'Excel faut-il ?

Un usage régulier : formules simples, tris, filtres. Les fonctions de recherche, les tableaux croisés dynamiques et Power Query sont travaillés pendant la journée, avec l'IA pour aider à écrire et à comprendre. La formation ne convient pas à une première prise en main d'Excel.

Faut-il Copilot ou un abonnement payant ?

Non. Tous les exercices se font aussi avec un assistant conversationnel ouvert à côté du classeur, dans sa version gratuite si besoin. Si l'entreprise dispose de licences Copilot, le formateur montre les deux façons de travailler.

Quelle différence avec « IA pour finance & contrôle de gestion » et « Microsoft 365 Copilot » ?

La première traite les tâches de la fonction finance — commentaires de KPI, budget/réalisé, reporting. La seconde parcourt cinq applications Microsoft 365. « Excel + IA » consacre une journée entière à la compétence Excel elle-même — nettoyage, formules, classification, contrôles, visualisation, automatisation — pour tous les métiers.

Peut-on travailler sur nos propres fichiers ?

Oui, si votre politique interne le permet et après anonymisation. La fiche de données enseignée dès le matin permet d'ailleurs d'obtenir des formules sans transmettre les données. Sinon, le formateur fournit des jeux de données fictifs construits sur des formats d'export courants.

Nous travaillons sous Google Sheets : la formation est-elle adaptée ?

La méthode et la plupart des formules se transposent. Power Query et les macros sont propres à Excel : en intra, la partie automatisation peut être adaptée aux outils disponibles dans Google Sheets.

La formation peut-elle être organisée en intra-entreprise ?

Oui. En intra, le fil rouge et le cas final sont construits sur les exports et les fichiers récurrents de vos équipes, dans la version d'Excel et avec l'outil d'IA déployés chez vous.

Et maintenant ?

Construisons votre parcours.

Construire mon parcours Parler avec LSI