Préparer ses données pour l'IA : la méthode pas à pas

Préparer ses données pour l'IA, c'est surtout faire en sorte qu'une personne qui ne connaît pas votre entreprise puisse les comprendre. Il faut des tableaux avec une ligne par opération et des colonnes au nom clair. Il faut aussi des documents en texte lisible, à jour et sans doublons. L'outil d'intelligence artificielle (IA) n'invente pas l'ordre qui manque : il répond avec assurance sur ce qu'il trouve. Le guide de la direction générale des Entreprises (DGE) parle d'une « étape essentielle », et précise qu'elle profite aussi à d'autres projets de valorisation des données.

Commencer petit

Ne rangez pas tout. Choisissez une question que vous posez souvent et la source qui y répond, puis préparez seulement cette source. La DGE recommande d'avancer progressivement : commencer par des données assez génériques, comme les courriels, puis aborder des données plus complexes, financières ou juridiques.

Pour un tableau : sept règles

Google, pour Gemini dans Sheets, demande un format cohérent, des en-têtes clairs et pas de valeurs manquantes. Concrètement :

1. Une ligne par opération. Une vente, une facture, une réservation par ligne. Pas de lignes de sous-total au milieu.
2. Un tableau par feuille, qui commence en haut à gauche. Pas de titre fusionné au-dessus, pas de deuxième tableau à droite.
3. Des en-têtes explicites. « Montant HT » (hors taxes) plutôt que « Mt2 ». Dans Power BI, Microsoft signale comme non reconnus les termes absents des données ou les champs mal nommés.
4. Un format par colonne. Les dates en dates, les montants en nombres, sans « € » tapé à la main ni « environ 300 ». Pour rapprocher deux tableaux dans Power Query, Microsoft exige que les colonnes comparées aient le même type de données.
5. Des valeurs écrites toujours pareil. « Bayonne », pas « BAYONNE », « Bayonne (64) » et « bayonne ». Une liste déroulante évite la plupart des écarts.
6. Un identifiant unique pour chaque client, produit ou dossier, repris tel quel dans tous les fichiers.
7. Pas de cellules vides qui veulent dire quelque chose. Si vide veut dire « zéro » ou « inconnu », écrivez-le.

Prenons un classeur de ventes illustratif avec les colonnes « Date », « N° client », « Client », « Produit », « Quantité », « Montant HT ». Avec une ligne par vente et des dates au format date, il répond sans difficulté à « Montant HT par client en octobre ». Ajoutez des lignes « Total octobre » au milieu, et ce même total sera compté deux fois.

Pour des documents : six étapes

La DGE décrit les étapes de préparation des documents. En voici la version pratique :

1. Convertir en texte. Un PDF scanné n'est qu'une image. Il doit passer par la reconnaissance de caractères, qui le transforme en texte. Les présentations se convertissent aussi en texte.
2. Supprimer les doublons et les copies « version finale (2) ».
3. Écarter les documents contradictoires. La DGE recommande de supprimer les documents qui donnent des informations contradictoires. En pratique, archivez les anciennes versions hors du dossier interrogé.
4. Retirer ce qui brouille : en-têtes, pieds de page, pages de garde et tables des matières répétés, cités par la DGE.
5. Ajouter des repères : la DGE conseille d'ajouter à chaque morceau de document des informations de contexte, comme le chapitre, la date d'écriture ou le sujet traité. Pour vous, cela commence par un nom de fichier parlant : « Contrat maintenance chaudière signé mars 2026.pdf ».
6. Protéger les données personnelles : la DGE cite l'anonymisation ou la pseudonymisation, c'est-à-dire le remplacement des noms par des codes.

Un point d'attention : la DGE note que ces outils fonctionnent moins bien sur les documents qui mêlent texte, images et tableaux. Un tableau important enfoui dans un PDF gagne souvent à être repris dans un tableur.

Définir ses mots

La donnée la mieux rangée ne suffit pas si les mots sont flous. Qlik recommande de nettoyer les données brutes avant de connecter un outil d'IA, et de définir les indicateurs et les termes métier en un seul endroit. Écrivez une page de définitions : « chiffre d'affaires = factures émises hors taxes », « client actif = a commandé dans les 12 derniers mois ». Gardez-la à côté des données et reprenez ces mots dans vos questions.

Liste de contrôle avant la première question

Garder les données propres dans le temps

Préparer une fois ne suffit pas si la saisie redevient libre le lendemain. Fixez quelques règles simples : listes déroulantes, modèle de nom de fichier, dossier « archives » pour les anciennes versions. Pour les documents, la DGE indique que la préparation peut être automatisée. Une fois en place, chaque nouveau document ajouté passe par les mêmes étapes.

Ensuite, posez vos premières questions avec les exemples classés par donnée. Si une réponse manque, voyez l'IA ne trouve pas l'information. Les règles propres à chaque source sont sur NL-Q Excel et NL-Q PDF.