Tableurs et traitement des données

L'IA pour les feuilles de calcul : nettoyer, analyser et créer des graphiques

Un guide pratique pour utiliser l'IA avec les feuilles de calcul : proposer des formules, vérifier les données désordonnées, créer des synthèses et des graphiques, et contrôler chaque résultat.

10 min de lecture

Évaluations pour les non-ingénieurs : savoir si votre flux de travail d’IA s’améliore ou se dégrade

Les évaluations — la mesure systématique de la qualité des productions de l’IA — sont généralement considérées comme un sujet réservé à l’ingénierie. Pourtant, toute équipe qui utilise des flux de travail d’IA en a besoin, et leurs principes fondamentaux sont accessibles sans écrire de code.

Intermédiaire

Plus de contenus sur ce thème

7 min de lecture

Scénarios de budget du foyer : des calculs hypothétiques sans conseil financier

Construisez des scénarios hypothétiques transparents à partir des chiffres vérifiés de votre foyer – perte d'emploi, hausse du loyer ou arrivée d'un enfant – et examinez clairement les calculs. Ni conseil d'investissement, ni stratégie d'endettement, ni chiffre qui ne provienne de vos documents.

6 min de lecture

Repérer les abonnements oubliés sans exposer votre historique bancaire

Examinez une liste de transactions dont vous avez masqué localement les données sensibles afin de repérer les prélèvements récurrents, sans jamais connecter un outil d'IA à votre compte bancaire. Vous obtenez une liste de commerçants assortie de niveaux de confiance et une liste d'annulations qu'une personne vérifie et exécute.

56 minutes

Agents d'IA dans la finance avec le CFO d'HPE

CXOTalk. Marie Myers, directrice financière de HPE, décrit le déploiement de l'IA agentique — leur plateforme « Alfred » — dans une organisation financière de 3 600 personnes. Elle applique la discipline défendue dans l'article : distinction entre ROI direct et indirect, étapes de validation qui déterminent la poursuite ou l'arrêt de chaque cas d'usage, contrôle qualité obligatoire avec intervention humaine et indicateurs propres au workflow. Elle cite notamment un processus de revue hebdomadaire dont l'effort manuel a diminué d'environ 90 %. L'adoption se mesure par la transformation du travail, pas par le nombre de connexions à un outil.

9 min de lecture

ROI et maturité en IA : mesurer une adoption réellement efficace

L’adoption de l’IA ne se mesure pas au nombre de personnes qui ont essayé ChatGPT. Voici un cadre concret pour mesurer le ROI des flux de travail, la qualité, les risques, la maturité et la capacité de déploiement à grande échelle.

13 min de lecture

Sorties structurées et appels de fonctions : les schémas adaptés à la production

Les sorties structurées et les appels de fonctions permettent de passer d’un « LLM qui génère du texte » à un « système qui exécute des tâches ». En production, les schémas, la gestion des erreurs, l’idempotence et la dégradation progressive comptent davantage que le seul mode JSON.

18 minutes

Comment améliorer vos compétences Excel avec ChatGPT

Leila Gharani. Plus ancienne — début 2023 —, cette vidéo reste l'exemple le plus clair d'une véritable question Excel copiée dans ChatGPT, suivie d'une réponse fondée sur SUMPRODUCT ou la mise en forme conditionnelle, puis d'itérations lorsque la première formule ne convient pas tout à fait. Le modèle a beaucoup progressé ; la méthode de dialogue présentée reste celle que vous utiliseriez aujourd'hui.

12 minutes

La nouvelle fonction IA d'Excel est absolument incroyable (Fonction Copilot)

Leila Gharani. Cette démonstration en direct applique la nouvelle fonction `=COPILOT()` aux données désordonnées décrites dans l'article : des notes de relève transformées en tableau d'actions structuré, des avis en texte libre classés selon leur sentiment et des intitulés de poste incohérents normalisés à partir d'une liste de référence. Leila Gharani expose aussi clairement les limites : n'employez pas cette fonction pour un résultat qui doit être exact et, une fois le travail terminé, figez les résultats sous forme de valeurs.

107 minutes

Pourquoi les évaluations d’IA sont la nouvelle compétence incontournable des concepteurs de produits | Hamel Husain et Shreya Shankar

Lenny's Podcast. Hamel Husain et Shreya Shankar parcourent l’intégralité du flux de travail d’évaluation sur un véritable assistant d’IA de gestion locative — examen des traces, codage ouvert et axial des erreurs, décision du moment où s’arrêter, création d’un LLM utilisé comme juge et validation par rapport au jugement humain. Ce rare entretien approfondi s’adresse réellement aux chefs de produit et aux responsables d’équipe, plutôt qu’aux ingénieurs en apprentissage automatique. Il reprend le rythme recommandé dans l’article : « 30 minutes par semaine après la configuration ».

Intermédiaire

3 minutes

Évaluer des prompts dans la console Anthropic

Anthropic. Cette présentation de trois minutes par Anthropic montre une véritable évaluation dans le Workbench — génération automatique de cas de test réalistes, notation des résultats, ajustement du prompt et nouvelle exécution de la même suite pour une comparaison côte à côte. Le nombre de vues reste sous notre seuil habituel, mais, pour répondre à la question « comment faire concrètement sans écrire de code ? », c’est la démonstration officielle la plus claire. Elle complète parfaitement l’entretien plus stratégique de Husain et Shankar.

Intermédiaire

41 minutes

OpenAI DevDay 2024 | Sorties structurées pour des applications fiables

OpenAI. La vidéo présente `strict: true`, sa différence par rapport à l’ancien mode JSON, le traitement des refus et la manière dont les appels de fonctions s’articulent avec les schémas de format de réponse. Elle est particulièrement utile parce qu’elle décrit le contrat fourni par l’API, sur lequel reposent les schémas de production de l’article.

18 minutes

Pydantic est tout ce dont vous avez besoin : Jason Liu

AI Engineer. Cette présentation a cristallisé le modèle moderne « définir un modèle Pydantic, le transmettre au LLM et laisser la validation faire le reste ». Elle donne des exemples concrets d’objets imbriqués, de validateurs qui détectent les URL hallucinées et de chaîne de pensée représentée par un champ typé. Regardez-la avant de relire la section de l’article sur les validateurs : vous reconnaîtrez l’origine de ses règles de nouvelle tentative et de refus.