L'ANALYSE DE DONNÉES AVEC CLAUDE
Comment utiliser Claude dans l'analyse de données : CSV, requêtes SQL et rapports
Le tableur ne rétrécit pas. C'est votre premier passage dans les données qui raccourcit.
Claude d'Anthropic est un bon point de départ pour la première heure de toute tâche d'analyse de données : lire un CSV, décortiquer un schéma, extraire des champs d'une pile de PDF, ou résumer un ensemble de travaux de recherche. Cette page explique comment utiliser Claude dans l'analyse de données en pratique, les prompts qui fonctionnent, et les vérifications qui empêchent un chiffre erroné de se retrouver dans un rapport.
Comment utiliser Claude dans l'analyse de données : cela consiste à donner à Claude d'Anthropic un CSV, un schéma de base de données, ou une pile de documents, puis à lui demander de trouver des tendances, d'écrire des requêtes SQL, d'extraire des données structurées, ou de rédiger un rapport en langage clair. Claude lit de gros fichiers en une seule conversation, explique son raisonnement au fil de l'eau, et écrit du code quand c'est le meilleur outil, mais il n'exécute pas de code et ne se connecte pas à votre base de données en production tout seul ; vous vérifiez son résultat par rapport aux données source, par un calcul de contrôle, ou par une seconde passe avant qu'il n'approche une décision.
Publié le · Dernière révision
Leçon gratuite · sans compteLa boucle d'itérationMaîtriser les essentiels6 minCommencer la leçon gratuiteÀ retenir
- Claude analyse les fichiers CSV en lisant les données collées ou importées directement dans la conversation, sans outil de BI séparé pour un premier passage.
- Claude écrit des requêtes SQL à partir d'une description de schéma, incluant les jointures, les fonctions de fenêtrage et les CTE, et explique ce que fait chaque partie.
- Claude extrait des données structurées à partir de texte désordonné, d'e-mails, de PDF et de pages web, selon un schéma JSON ou CSV que vous définissez.
- Claude n'exécute pas de code et ne se connecte pas à une base de données en production, donc chaque chiffre qu'il produit a besoin d'une étape de vérification avant d'être utilisé.
- Les rapports construits à partir de l'analyse de Claude ont toujours besoin d'une personne pour confirmer les données sous-jacentes et repérer quand une question a été mal posée.
Ce que Claude fait directement vs. ce qu'il te reste à faire
| Tâche | Ce que Claude fait directement | Ce qui a encore besoin d'un contrôle humain |
|---|---|---|
| Analyse de CSV | Lit les données collées ou importées, trouve des tendances, signale des anomalies, résume en langage clair. | Vérifier les totaux avec un tableau croisé dynamique ou un second calcul avant de les communiquer. |
| Requêtes SQL | Écrit et explique les jointures, les CTE et les fonctions de fenêtrage à partir d'une description de schéma. | Exécuter la requête soi-même et vérifier le nombre de lignes et les cas limites comme les valeurs nulles et les doublons. |
| Extraction structurée | Extrait des champs d'un texte en vrac selon un schéma JSON ou CSV que tu définis. | Contrôler un échantillon d'enregistrements par rapport au document source, surtout les champs ambigus. |
| Rédaction de rapport | Transforme les données et les constats en un récit avec un message clair et des recommandations. | Vérifier que chaque chiffre du brouillon remonte aux données source avant diffusion. |
| Synthèse de recherche | Lit plusieurs sources dans une seule conversation et fait apparaître les points d'accord, les contradictions et les lacunes. | Vérifier que les affirmations citées apparaissent bien dans les sources, pas seulement dans un résumé plausible. |
Copier-coller
Des prompts à utiliser dès aujourd'hui
Repérer les tendances et les anomalies dans un CSV
Voici un CSV des ventes mensuelles pour [nombre] produits sur [période]. Identifie quel produit a la tendance de croissance la plus forte, les éventuels motifs saisonniers sur l'année, les mois où tous les produits ont sous-performé en même temps, et les cinq anomalies individuelles les plus significatives avec une explication d'une ligne pour chacune.
Colle le texte brut du CSV, ou décris les colonnes et un échantillon représentatif si le fichier est trop volumineux pour être collé en entier.
Générer une requête SQL à partir d'un schéma
Mon schéma est : users (id, email, created_at), orders (id, user_id, amount, status, created_at). Écris une requête [Postgres] qui renvoie le revenu mensuel par cohorte d'inscription sur les [12] derniers mois, avec le taux de croissance mois sur mois, et explique ce que fait chaque partie de la requête.
Remplace par tes vrais noms de tables et de colonnes, et précise ton moteur de base de données pour que la syntaxe corresponde.
Extraire des données structurées d'un texte non structuré
Extrais les champs suivants de cette offre d'emploi au format JSON : role_title, company, location, salary_range (null si non précisé), required_years_experience, tech_stack sous forme de tableau, et remote_policy. Si un champ est ambigu, ajoute un champ extraction_notes expliquant le choix fait. Offre d'emploi : [colle le texte]
Définis le schéma exact que tu veux en retour ; Claude l'applique de façon cohérente sur un lot de documents.
Rédiger un rapport à partir de données brutes
Voici nos données du [trimestre] pour [département]. Rédige une synthèse d'une page : commence par le constat le plus important, montre les trois indicateurs les plus pertinents avec assez de contexte pour les interpréter, signale un risque, et termine par deux prochaines étapes recommandées. En langage clair, sans jargon.
Donne à Claude le public visé et la longueur souhaitée ; il adaptera le registre.
Transformer des données en vrac en plan d'analyse
J'ai [nombre] mois de données de tickets du support client avec les champs ticket_id, created_at, category, resolution_time_hours, CSAT_score, agent_id, et product_area. Je ne sais pas encore quoi chercher. Suggère les cinq analyses les plus utiles que je pourrais faire sur ce jeu de données, ce que chacune m'apprendrait, et pourquoi c'est important pour l'équipe.
Utile quand tu as des données mais pas encore d'hypothèse ; Claude t'aide d'abord à cadrer la question.
Demander à Claude d'expliquer une requête que tu n'as pas écrite
Explique ce que fait cette requête SQL, étape par étape, y compris les jointures, sous-requêtes ou fonctions de fenêtrage éventuelles. Dis-moi ensuite s'il existe une façon plus simple ou plus rapide de l'écrire, et signale toute partie qui pourrait renvoyer des lignes en double ou manquantes. Requête : [colle le SQL]
Utile pour des requêtes héritées ou lors de la relecture d'une pull request d'un coéquipier.
LEÇONS GRATUITES
Commence par les habitudes de raisonnement derrière une bonne analyse de données
Un analyste de données et quelqu'un qui n'a jamais ouvert un terminal partent du même point : apprendre à donner du contexte à Claude et à vérifier son travail.
FLUX DE TRAVAIL
Six tâches de données que Claude gère bien
Ce sont les tâches qui reviennent le plus souvent dans une semaine d'analyse normale.
Analyse de CSV et de tableurs
Colle des données CSV brutes ou décris les colonnes, et demande des statistiques descriptives, des courbes de tendance, une détection d'anomalies, ou une comparaison de cohortes en langage clair.
Écriture de requêtes SQL
Décris ton schéma et la question à laquelle tu veux une réponse ; Claude écrit la requête, y compris les jointures, les agrégations et les fonctions de fenêtrage, et explique chaque étape.
Extraction de données structurées
Donne à Claude du texte non structuré, comme des e-mails, des PDF, des offres d'emploi ou des articles, et définis le schéma JSON ou CSV que tu veux en retour.
Synthèse de recherche
Colle plusieurs articles ou rapports et demande à Claude de repérer les constats qui se répètent entre les sources, de signaler les contradictions, et de nommer les lacunes.
Génération de rapports
Donne à Claude des données brutes et un public cible ; il rédige le récit, fait ressortir les indicateurs clés, et écrit une synthèse que tu peux modifier.
Conversations exploratoires sur les données
Quand tu as un jeu de données mais pas encore de question claire, Claude t'aide à cadrer ce qui vaut la peine d'être analysé et pourquoi.
POUR DÉMARRER
Claude peut-il analyser un fichier CSV ?
Oui. La façon la plus directe d'utiliser Claude dans l'analyse de données est de coller un CSV directement dans la conversation, ou d'importer le fichier, puis de poser une question précise à son sujet. Claude lit l'intégralité du fichier que tu lui donnes dans le contexte plutôt que d'échantillonner quelques lignes, il peut donc comparer chaque mois, chaque gamme de produits, ou chaque segment de clientèle en une seule passe.
Pour un gros fichier, colle la ligne d'en-tête plus un échantillon représentatif et décris le nombre total de lignes et les particularités : valeurs manquantes, formats de date incohérents, une colonne qui est en fait deux champs fusionnés. Claude raisonnera sur l'ensemble du jeu de données à partir de cette description, mais sa fiabilité dépend entièrement de l'échantillon et de la description que tu lui donnes : un échantillon biaisé produit une lecture biaisée.
Claude n'ouvre pas un tableur en direct et n'exécute pas ton fichier ; il travaille à partir de ce que tu colles ou importes. Si tu as besoin de traiter un fichier plus volumineux que ce que tu peux coller, ou de refaire la même analyse sur un nouveau fichier chaque semaine, il t'écrira le code Python ou SQL pour le faire, plutôt que d'essayer de garder tout le jeu de données dans une conversation.
SQL
Claude peut-il écrire des requêtes SQL ?
Oui, et c'est l'un des usages les plus fiables de Claude dans l'analyse de données. Décris ton schéma, avec les noms de tables, les noms de colonnes, et les relations entre les tables, et formule la question métier à laquelle tu veux une réponse. Claude écrit la requête et, si tu le demandes, détaille ce que fait chaque clause et pourquoi.
Il gère les jointures, les sous-requêtes, les CTE et les fonctions de fenêtrage sans qu'on ait à trop le guider, et il optimisera ou simplifiera une requête que tu colles depuis ailleurs. Le schéma compte plus que la formulation de ta question : plus tu décris précisément tes tables, moins Claude a besoin de deviner les noms de colonnes ou les types de données.
Claude ne se connecte pas à ta base de données et ne peut pas confirmer que la requête s'exécute ou renvoie les bons chiffres. Exécute toujours la requête toi-même avant de faire confiance au résultat, et vérifie le nombre de lignes par rapport à ce que tu attendais : une requête qui renvoie zéro ligne ou deux fois plus que prévu te dit quelque chose.
EXTRACTION
Claude peut-il extraire des données structurées à partir de documents ?
Oui. Définis les champs exacts que tu veux, précise le type de chacun, et dis à Claude quoi faire quand un champ est manquant ou ambigu : le mettre à null, le signaler, ou faire sa meilleure estimation en le précisant. Claude applique ce schéma de façon cohérente, que tu extraies des données structurées d'un document ou de cinquante, ce qui le rend utile pour les offres d'emploi, les factures, les contrats, ou les pages web récupérées.
Le piège à surveiller, c'est un champ qui a l'air rempli avec assurance mais qui a en réalité été déduit plutôt qu'énoncé dans la source. Demande à Claude d'ajouter un champ de notes pour tout ce qu'il a dû déduire, et contrôle un échantillon du résultat par rapport aux documents originaux avant de le charger où que ce soit en aval.
FIABILITÉ
Claude est-il fiable en analyse de données, et comment le vérifier ?
Claude raisonne bien sur les statistiques et repère de lui-même beaucoup d'erreurs courantes : il signalera qu'une tendance est portée par une seule valeur aberrante, qu'un échantillon est trop petit pour généraliser, ou que tu es sur le point de comparer deux chiffres qui ne sont en réalité pas comparables. Mais il peut aussi énoncer un chiffre erroné avec le même ton assuré qu'un chiffre correct, surtout quand il travaille à partir d'un échantillon partiel ou d'une description des données plutôt que du jeu de données complet.
La solution n'est pas de ne faire confiance à rien de ce que produit Claude ; c'est d'intégrer quelques vérifications dans ta façon de l'utiliser. Demande-lui de montrer son raisonnement, pas seulement sa conclusion, pour voir d'où vient un chiffre. Contrôle au moins un calcul à la main ou par rapport à une source de confiance. Et quand un résultat est surprenant, demande à Claude d'argumenter contre sa propre conclusion avant de l'accepter. Un rapide pré-mortem sur un chiffre suffit souvent à repérer une mauvaise hypothèse.
Traite la première réponse de Claude comme un bon brouillon, pas comme une analyse terminée. C'est cette habitude qui fait la différence entre l'analyse de données avec Claude et une analyse de données qui se contente d'impliquer Claude.
POUR S'ÉQUIPER
Faut-il connaître Python pour analyser des données avec Claude ?
Non. Tout ce qui précède fonctionne en simple conversation : colle des données, pose une question, obtiens une réponse en langage naturel. Tu n'as pas besoin d'écrire une seule ligne de code pour obtenir une analyse de tendance, une requête SQL, ou une extraction structurée de Claude.
Python devient utile dès que tu veux refaire la même analyse sur un nouveau fichier chaque semaine, traiter un jeu de données trop volumineux pour être collé, ou transmettre un script réutilisable à un coéquipier. Dans ce cas, demande à Claude d'écrire le code pandas, SQL, ou de visualisation pour toi, et de t'expliquer ce qu'il fait. Tu n'écris toujours pas le code toi-même, mais tu obtiens quelque chose qui fonctionne en dehors de la fenêtre de conversation.
CONTEXTE
Donner à Claude le contexte qui rend l'analyse utile
Les prompts d'analyse de données fonctionnent mieux avec plus de contexte, pas moins. Pour les CSV, cela veut dire les définitions des colonnes et les problèmes de qualité des données connus. Pour les requêtes SQL, cela veut dire le vrai schéma, pas une paraphrase. Pour l'extraction de données structurées, cela veut dire le schéma de sortie exact et ce qu'il faut faire des cas limites. Pour les rapports, cela veut dire le public visé et la décision que le rapport doit soutenir.
La leçon La boucle d'itération du cours Maîtriser les essentiels aborde ce point directement : traite la première réponse comme un brouillon, puis corrige le contexte et redemande plutôt que de tout recommencer avec un prompt plus long. Pour le travail sur les données en particulier, la correction est généralement un bout de schéma manquant ou une particularité des données oubliée, pas un défaut dans la formulation de la question.
LIMITES
Est-il prudent d'importer des données d'entreprise dans Claude, et quelles sont les limites ?
Traite toute donnée que tu colles ou importes comme tu traiterais une donnée dans un e-mail : n'y mets rien que tu ne serais pas à l'aise de voir traité par les systèmes d'un prestataire, et vérifie la politique de gestion des données de ton organisation avant d'importer des fiches clients, des détails financiers, ou tout ce qui comporte des informations personnelles. En cas de doute, retire les colonnes identifiantes ou travaille à partir d'une version agrégée du jeu de données.
La plus grande limite n'est pas la confidentialité, c'est la vérification. Claude n'a pas accès à ta base de données en production, à ton tableau de bord de BI, ou à ton véritable fichier tableur, sauf si tu lui donnes directement les données ; il peut donc bien raisonner sur ce que tu lui as montré, mais ne peut pas confirmer de façon indépendante qu'un chiffre est juste. Chaque rapport, description de graphique, ou indicateur clé qui sort d'une conversation avec Claude doit pouvoir remonter à une source avant d'arriver chez un client, un acheteur, un étudiant, ou un collègue.
C'est autant une question de responsabilité professionnelle qu'une question technique : c'est la personne qui envoie le rapport qui est responsable de son contenu, pas l'outil qui a aidé à le rédiger.
PAR OÙ COMMENCER
Un parcours de départ pour le travail sur les données avec Claude
Maîtriser les essentiels est le moyen le plus rapide d'y arriver. La leçon La boucle d'itération enseigne l'habitude centrale derrière chaque flux de travail ci-dessus : traiter le premier passage de Claude comme un brouillon, le corriger avec un meilleur contexte, et redemander plutôt que de tout recommencer. Analyse de documents couvre la façon dont Claude lit et raisonne sur un fichier que tu lui confies, ce qui est exactement ce qui se passe quand tu colles un CSV ou une pile de rapports. Recherche et réflexion couvre la synthèse de plusieurs sources en une seule réponse claire, la même compétence derrière la synthèse de recherche et la rédaction de rapports.
Ces trois leçons, dans cet ordre, couvrent les habitudes de raisonnement derrière chaque flux de travail de données sur cette page. À partir de là, les prompts ci-dessus sont des modèles que tu peux adapter à ton propre schéma, ton propre jeu de données, et ton propre format de rapport.
Passe à la pratique avec l'analyse de données
Lire des prompts pour les CSV et le SQL, c'est différent de les exécuter réellement sur ses propres données. Le programme gratuit de Nightschool AI commence avec La boucle d'itération, l'habitude qui fait mieux fonctionner chaque prompt de données de cette page la deuxième fois.
Questions fréquentes
Claude peut-il analyser un fichier CSV ?
Oui. Colle le CSV directement dans une conversation ou importe-le, et pose une question précise sur les tendances, les anomalies, ou les comparaisons. Claude lit l'intégralité du fichier que tu lui donnes en une seule passe plutôt que d'échantillonner des lignes, il peut donc comparer des chiffres sur tout un jeu de données en une fois. Pour les fichiers trop volumineux pour être collés, décris plutôt les colonnes et un échantillon représentatif.
Claude peut-il écrire des requêtes SQL ?
Oui. Décris ton schéma de base de données, avec les noms de tables et de colonnes, et formule la question à laquelle tu veux une réponse. Claude écrit des requêtes qui gèrent les jointures, les agrégations, les sous-requêtes et les fonctions de fenêtrage, et peut expliquer chaque partie ou optimiser une requête que tu as déjà. Tu dois quand même exécuter la requête toi-même pour confirmer qu'elle renvoie les bonnes lignes.
Claude est-il fiable en analyse de données ?
Claude raisonne bien sur les statistiques et repère souvent de lui-même des problèmes comme des échantillons trop petits ou une comparaison trompeuse. Mais il peut énoncer un chiffre incorrect avec le même ton assuré qu'un chiffre correct, en particulier quand il travaille à partir d'un échantillon partiel. Traite sa première réponse comme un bon brouillon et vérifie les chiffres clés avant de les utiliser.
Claude peut-il extraire des données structurées à partir de documents ?
Oui. Définis les champs et le format exacts que tu veux, comme un schéma JSON, et Claude l'applique de façon cohérente sur des e-mails, des PDF, des contrats, ou des pages web. Demande-lui de signaler tout ce qu'il a dû déduire plutôt que trouvé énoncé directement, et contrôle un échantillon du résultat par rapport aux documents source.
Comment vérifier l'analyse de Claude pour détecter des erreurs ?
Demande-lui de montrer son raisonnement plutôt que juste une conclusion, pour voir d'où vient chaque chiffre. Contrôle au moins un calcul à la main ou par rapport à une source de confiance. Pour les résultats surprenants, demande à Claude d'argumenter contre sa propre conclusion avant de l'accepter. Cela seul permet de repérer beaucoup de mauvaises hypothèses.
Est-il prudent d'importer des données d'entreprise dans Claude ?
Vérifie la politique de gestion des données de ton organisation avant d'importer des fiches clients, des détails financiers, ou des informations personnelles, et envisage de retirer les colonnes identifiantes ou d'agréger les données au préalable. Claude ne conserve pas d'accès indépendant à tes systèmes au-delà de ce que tu partages dans la conversation, mais la responsabilité des données que tu partages t'appartient.
Ai-je besoin de connaître Python pour analyser des données avec Claude ?
Non. Tout, de l'analyse de tendance à la génération SQL jusqu'à l'extraction structurée, fonctionne en simple conversation sans écrire de code. Python devient utile si tu veux refaire une analyse automatiquement sur de nouveaux fichiers ou transmettre un script réutilisable, et Claude peut écrire ce code pour toi quand tu en as besoin.
Claude peut-il créer des graphiques ou des visualisations à partir de données ?
Claude peut écrire le code pour générer un graphique, comme un script de visualisation en Python, mais il n'exécute pas ce code et ne te rend pas un graphique directement dans la conversation. Demande-lui le code du graphique et une description de ce qu'il doit montrer, puis exécute-le dans ton propre environnement.
Commence là où l'habitude se forme
Le prompt s'améliore une fois que l'habitude s'améliore.