« Agent IA » est utilisé pour de nombreux outils tableur différents. Certains agents écrivent une formule. D’autres travaillent dans un classeur. Certains analysent un fichier téléchargé. D’autres transforment plusieurs exports en un rapport ou un tableau de bord.
Ce sont des capacités utiles, mais elles ne devraient pas être évaluées avec un seul classement vague. Votre équipe a besoin de savoir ce qu’un agent peut consulter, ce qu’il modifie, comment son travail est révisé, et si le résultat final correspond à la prochaine décision métier.
Cette version du guide inclut des preuves d’interface enregistrées pour les sept catégories d’agents, un test visible « données brutes / nettoyage », trois cas d’échec observés, un clip de workflow de 10 secondes, et un classeur de test téléchargeable. Elle publie également les lacunes : Copilot, Gemini et ChatGPT n’ont pas été exécutés indépendamment sur le même jeu de test pour cet article, donc aucun classement croisé de vitesse ou de précision n’est revendiqué.
Points clés à retenir :
- Utilisez un agent natif du classeur quand le classeur est le livrable ; utilisez un agent « fichier vers rapport » quand le travail commence par plusieurs exports et se termine par un rapport ou un tableau de bord révisé.
- Un test d’agent crédible inclut un doublon connu, une date de format mixte, une clé manquante, une étiquette ambiguë et un total de contrôle calculé indépendamment. Réussir signifie à la fois signaler les exceptions et correspondre au total.
- Une limite de taille de fichier annoncée n’est pas un résultat de performance. Pour un CSV de 50 Mo, mesurez le succès de l’analyse, la réconciliation du nombre de lignes, le temps jusqu’au premier résultat utilisable, et si la même invite donne les mêmes totaux groupés lors d’une seconde exécution.
- RowSpeak est conçu pour l’analyse et le reporting basés sur des fichiers ; Microsoft Copilot et Gemini sont plus naturels quand le travail doit rester dans Excel ou Sheets ; BI est la destination plus solide quand le rafraîchissement en direct et les métriques gouvernées dominent.
- Les exécutions observées de RowSpeak ont donné à la fois des résultats utiles et de réelles faiblesses : des types de dates mixtes sont restés après un passage de nettoyage, une réponse d’audit a spéculé sur un résidu inexpliqué de
53 250, et un classeur généré contenait des graphiques nécessitant encore des réparations.
Qu’est-ce qu’un agent IA pour tableur ?
Pour ce guide, un agent IA pour tableur est un outil capable de prendre une tâche de tableur en plusieurs étapes, d’une instruction vers un résultat. Il peut inspecter des colonnes, suggérer des transformations, générer une formule, créer un graphique, rédiger une explication ou préparer un rapport.
Cela ne supprime pas le besoin d’approbation. Un agent peut proposer un mappage de catégorie ou une formule, mais la personne responsable du rapport reste propriétaire de la définition et du résultat.
Preuves et périmètre de test de ce guide
Ce guide sépare trois types de preuves souvent mélangées dans les listes d’outils IA :
- Workflow produit observé : les captures d’écran RowSpeak ci-dessous proviennent de démonstrations produit enregistrées dans le dépôt de ce site. Elles montrent de vraies invites, résultats, artefacts téléchargeables et défauts visibles. Certains enregistrements utilisent l’ancien nom Excelmatic ; Excelmatic est désormais RowSpeak, donc l’étiquette de marque est historique, même si les preuves de workflow restent pertinentes.
- Capacité documentée par le fournisseur : les affirmations concernant Microsoft Copilot, Gemini et ChatGPT décrivent leur surface produit au niveau d’une catégorie. Elles ne sont pas présentées comme des résultats pratiques. La disponibilité, les règles d’abonnement et les limites de fichiers peuvent changer, donc vérifiez la documentation actuelle du fournisseur avant d’acheter.
- Méthode d’évaluation : les tests de 5 Mo, 25 Mo et 50 Mo ci-dessous sont un protocole reproductible, et non des résultats de benchmark publiés entre fournisseurs. Nous n’avons pas chronométré chaque fournisseur sur le même matériel et la même offre de compte, donc cet article ne prétend pas que RowSpeak est plus rapide que Copilot ou tout autre produit.
Cette délimitation est importante. Une démo bien léchée prouve qu’un workflow existe ; elle ne prouve pas que chaque classeur, chaîne de formules ou CSV volumineux se comportera de la même manière.
Sept types d’agents IA pour Excel et Google Sheets
1. Agents de formules
Idéal pour : Convertir une demande en langage clair en une formule de départ ou expliquer une formule existante.
Utilisez-les quand l’utilisateur va tester le résultat dans le classeur. Ils sont utiles pour la logique de recherche, les calculs de dates, les formules conditionnelles et les explications de formules. Ils ne remplacent pas un workflow de reporting complet.
Le résultat enregistré de l’agent de formules ci-dessous présente plusieurs exemples SUMIFS, notamment des ventes supérieures à 1 000 $, des ventes avant une date et des descriptions contenant « transfert ».
Limite observée : les formules sont affichées sous forme de texte rendu plutôt que de cellules insérées, et la capture d’écran ne montre pas un recalcul indépendant par rapport à la plage source. Le critère de date mérite également un examen, car la locale et le fait que le 3 octobre soit inclusif ou non peuvent changer le résultat. Traitez les formules comme des candidates jusqu’à ce qu’Excel renvoie les totaux de contrôle attendus.
2. Assistants natifs du classeur
Idéal pour : Les équipes qui ont besoin d’aide tout en restant dans Excel ou Google Sheets.
Ces agents peuvent être un choix naturel lorsque le classeur ou la feuille reste la surface de travail principale. Vérifiez les permissions, les paramètres du tenant, la disponibilité des fonctionnalités et l’historique des modifications avant d’autoriser un assistant à modifier des classeurs de production.
Nous n’avons pas exécuté Microsoft Copilot ou Gemini sur le jeu de test de cet article. La preuve la plus proche de sortie de classeur observée est une exécution RowSpeak qui a généré un fichier Excel à quatre feuilles — Raw_Data, KPI_Definitions, Pivot_Summary et Dashboard — à partir d’une demande de 60 lignes d’exemple sur six mois.
La capture est précisément utile parce qu’elle est imparfaite. Le classeur et les feuilles existent, et certains graphiques contiennent des données, mais plusieurs zones de graphiques semblent vides ou mal remplies dans l’aperçu. Un agent de sortie de classeur n’a pas terminé lorsque le fichier s’ouvre ; le relecteur doit recalculer, inspecter les plages de sources des graphiques, tester les filtres et confirmer que les formules ont survécu à l’export.
3. Agents de nettoyage de fichiers
Idéal pour : Corriger les étiquettes incohérentes, les champs vides, les enregistrements en double et les structures non harmonisées entre exports.
Utilisez un tableau de révision plutôt que de laisser un agent écraser silencieusement les valeurs sources. Une proposition de mappage pour Nord-Est, Northeast et NE a besoin qu’un propriétaire l’approuve.
Cette séquence de nettoyage réelle a commencé avec huit enregistrements non vides visibles, des ID de commandes en double, trois représentations de dates, des prix vides, une casse client incohérente et des statuts vides. Le premier tableau renvoyé montre six enregistrements visibles après déduplication – mais les dates mélangent encore du texte et des nombres de série Excel.
C’est un véritable schéma d’échec en plusieurs étapes : un passage améliore une dimension tout en laissant une autre dimension non résolue. Une deuxième invite peut normaliser les dates et la casse des clients, mais le résultat visible doit être vérifié à nouveau pour les régressions de déduplication et la gestion des valeurs manquantes.
L’exécution RowSpeak enregistrée suivante a utilisé Registry.xlsx et l’invite : « nettoie les données du tableau, normalise le format des données et remplis les valeurs manquantes avec N/A (cellules surlignées en rouge). »
Le résultat indique les transformations tentées et fournit un classeur nettoyé à télécharger.
Ce que montre cette preuve : le produit a accepté une instruction spécifique au classeur, a décrit la transformation et a renvoyé un artefact. Ce qu’elle ne montre pas : si chaque date et numéro de téléphone ont été correctement mappés, si des blancs légitimes auraient dû rester vides, ou comment le même workflow se comporte sur un CSV de 50 Mo. Un relecteur doit comparer les comptes de valeurs distinctes, les comptes de blancs, les comptes de lignes et cinq enregistrements échantillonnés avant d’accepter le fichier nettoyé.
4. Agents d’analyse
Idéal pour : Poser des questions sur un tableau propre ou vérifié, comparer des périodes, trouver des exceptions et rédiger des explications.
Ces agents sont utiles pour le travail exploratoire. Demandez-leur d’afficher les valeurs groupées, la période et les exceptions nécessitant une révision avant d’accepter une conclusion.
Dans l’exécution d’analyse enregistrée, l’invite demande à RowSpeak de trier 101 enregistrements d’étudiants, de calculer le score moyen et de renvoyer l’intégralité des données pour prévisualisation.
Le résultat rapporte une moyenne de 49,85 et un écart-type de 29,1, mais la capture ne divulgue pas la convention d’écart-type ni ne recalcule indépendamment les valeurs. « À peu près au milieu » est une interprétation, pas un fait calculé, à moins que l’organisation n’ait défini des seuils de scores.
5. Agents de graphiques et tableaux de bord
Idéal pour : Passer de métriques validées à un résumé visuel.
L’agent doit connaître la question métier et le lecteur visé. Un graphique n’est complet que lorsque quelqu’un vérifie l’agrégation, les filtres, les étiquettes et l’interprétation.
Les quatre barres affichées totalisent 11 240 (3 650 + 5 700 + 440 + 1 450). Le visuel lui-même ne montre pas la période de reporting, la devise, les exclusions ou la réconciliation avec la source. Cela fait de 11 240 un total affiché sur le graphique, et non un KPI de ventes approuvé.
6. Agents d’audit et de révision
Idéal pour : Identifier d’éventuelles incohérences de formules, des champs manquants, des valeurs inhabituelles et des changements entre versions de rapports.
Un agent d’audit crée une file de révision. Il ne doit pas prétendre sans révision qu’une transaction ou un classeur est « erroné ».
Cette exécution met en lumière un écart concret : un revenu visible de 500 000, un COGS de 180 000 et une charge d’exploitation de 125 000 impliquent 195 000, tandis que le classeur déclare 141 750. Le résidu est de 53 250. La réponse remarque utilement l’écart, puis affaiblit sa fiabilité en suggérant « autres déductions » sans preuve source. Le statut d’audit correct est non réconcilié — inspectez la formule source et les dépendances cachées.
7. Agents fichier-vers-rapport
Idéal pour : Les équipes qui commencent avec des fichiers Excel, CSV, PDF, des captures d’écran ou des données exportées et ont besoin d’un rapport, d’un tableau de bord ou d’un résumé de gestion.
RowSpeak correspond à cette catégorie. Il aide les équipes à transformer des fichiers métier désordonnés en réponses, rapports et tableaux de bord, avec la possibilité de corriger le workflow lorsque le premier passage nécessite un affinement.
Le tableau de bord fournit une surface de révision partageable, mais la capture seule ne peut pas valider si 1,31 M$ de ventes, 43 commandes et une valeur moyenne de commande de 30,36 K$ utilisent le grain et les filtres prévus. Un agent fichier-vers-rapport a toujours besoin de totaux de contrôle et de définitions de métriques en dehors du récit.
Registre d’exécution observé
Voici les preuves réellement disponibles à partir des exécutions enregistrées. « Non capturé » est maintenu visible plutôt que transformé en un score favorable.
| Catégorie d’agent | Jeu de test ou tâche observé(e) | Résultat concret visible | Échec ou vérification non résolue | Verdict de la preuve |
|---|---|---|---|---|
| Formule | Cinq scénarios SUMIFS |
Formules, valeurs calculées et explications | Aucun recalcul de la plage source montré ; sémantique des dates à revoir | Validation partielle |
| Sortie de classeur | Demande : 60 lignes, six mois, quatre feuilles | Fichier .xlsx avec Raw_Data, KPI_Definitions, Pivot_Summary et Dashboard |
Plusieurs zones de graphiques semblent vides ou incomplètes | Artefact créé ; échec de présentation |
| Nettoyage de fichier | Huit enregistrements sources visibles avec ID en double, dates mixtes, blancs et casse incohérente | Six lignes visibles après déduplication ; sorties de normalisation/remplissage ultérieures | Premier passage conserve des types de dates mixtes ; les passages ultérieurs doivent être vérifiés pour régression | Validation partielle |
| Analyse | 101 enregistrements étudiants | Moyenne 49,85, écart-type 29,1, classements, récit, classeur téléchargeable |
Convention de formule et recalcul indépendant non capturés | Résultat observé ; précision non vérifiée |
| Graphique | Quatre catégories de produits | Barres étiquetées 3 650, 5 700, 440 et 1 450 ; total affiché 11 240 |
Période, devise, filtres et total source absents | Validation visuelle ; KPI non vérifié |
| Audit | Chaîne de formule de résultat net | Détecte un résidu visible de 53 250 |
Suggère « autres déductions » sans preuve | Validation de l’écart ; échec de l’explication |
| Fichier vers rapport | Classeur de ventes vers tableau de bord | Filtres, cinq cartes KPI, graphiques et insights écrits | Grain des KPI et réconciliation source non capturés | Artefact validé ; approbation métrique en attente |
Aucune durée de téléchargement, utilisation de jetons du modèle, taux d’erreur de formules sur un large corpus, ni résultat de traitement de 50 Mo n’a été capturé dans ces enregistrements. Ces champs restent non testés, et non nuls.
Où les agents IA pour tableur échouent encore en 2026
Échec 1 : une étape de nettoyage peut en régresser une autre
La séquence de données brutes démontre pourquoi « nettoyé avec succès » n’est pas un statut suffisant. La suppression des doublons a produit six lignes visibles, mais les cellules de date mélangeaient encore des chaînes et des valeurs de série Excel. Les captures d’écran de normalisation ultérieures montrent des dates et une casse plus propres, pourtant des ID en double sont à nouveau visibles, car il n’a pas été prouvé que la transformation opérait sur l’artefact précédemment dédupliqué.
Contrôle : exigez un registre avant/après du nombre de lignes, du nombre de clés en double, du nombre de valeurs nulles par colonne, du nombre de catégories distinctes et d’un échantillon de cellules modifiées après chaque transformation – pas seulement à la fin.
Échec 2 : un agent d’audit peut trouver l’écart et inventer le pont
L’exécution de l’audit de formule expose correctement un résidu de 53 250, puis spécule qu’il représente « autres déductions ». C’est une histoire comptable plausible, mais la plausibilité n’est pas une preuve.
Contrôle : forcez les sorties d’audit dans trois libellés : réconcilié, non réconcilié ou nécessite une dépendance source. Empêchez tout texte causal sauf si les cellules ou lignes sources exactes sont nommées.
Échec 3 : un classeur généré peut s’ouvrir et être encore inachevé
Le classeur à quatre feuilles démontre une création d’artefact réussie, mais l’aperçu du tableau de bord contient des zones de graphiques avec peu ou pas de données visibles. Le fichier n’est pas prêt pour la direction simplement parce qu’un téléchargement .xlsx existe.
Contrôle : rouvrez et recalculez le classeur, inspectez les erreurs de formule, tracez les plages de sources des graphiques, testez les filtres et affichez chaque feuille de sortie avant acceptation.
Quatre workflows courants
| Équipe et travail | Meilleur type d’agent | Révision requise |
|---|---|---|
| FP&A : rapport mensuel réel vs budget | Fichier vers rapport + audit | Définitions des métriques, mappage des comptes, écarts significatifs |
| Opérations commerciales : revue hebdomadaire du pipeline | Analyse + tableau de bord | Définitions des étapes, propriétaires manquants, règles de stagnation |
| E-commerce : revue des stocks et retours | Nettoyage de fichier + analyse | Mappage SKU, période de demande, classifications des retours |
| Marketing : suivi de campagne Google Sheets | Natif du classeur + formule | Mappage des sources, règles d’attribution, champs calculés |
La sélection d’agent doit suivre le workflow. Un agent de formules peut être parfait pour le suivi marketing mais inadéquat pour le dossier financier mensuel.
Cas limites qui exposent rapidement les agents faibles
Les lignes de test les plus révélatrices sont rarement les propres. Ajoutez ces cas à une copie sécurisée de votre fichier :
| Cas limite | Un résultat faible | Un résultat révisable |
|---|---|---|
01/02/2026 apparaît à côté de 2026-02-01 |
Choisit silencieusement une locale | Signale l’ambiguïté et demande la convention de date |
NE, Northeast et North East apparaissent ensemble |
Fusionne automatiquement toutes les valeurs | Propose un mappage et conserve la valeur d’origine |
| Une commande est dupliquée mais avec un statut différent | Supprime une ligne | Renvoie les deux lignes dans un tableau de révision des doublons |
| Une ligne de sous-total se trouve dans les données de transaction | Compte le sous-total comme une transaction supplémentaire | Détecte ou interroge le grain mixte |
| « N/A » signifie « non applicable » dans une colonne et « manquant » dans une autre | Traite les deux comme nuls | Utilise des règles spécifiques à la colonne |
| Une formule fait référence à une feuille cachée | Explique uniquement les cellules visibles | Nomme la dépendance non résolue ou demande l’accès |
| Un CSV de 50 Mo se termine par des lignes tronquées | Produit un total plausible | Réconcilie le nombre de lignes et les totaux de contrôle avant analyse |
Ces cas rendent l’évaluation moins nette, mais ils reflètent le travail qu’un responsable de reporting doit réellement approuver.
Un test pratique pour acheteur, pas une liste de contrôle générique
Réalisez l’évaluation en trois passes.
Passe 1 : exactitude sur un petit jeu de test. Utilisez 200–500 lignes anonymisées avec cinq problèmes intentionnels et un total de contrôle calculé dans Excel. Enregistrez les problèmes trouvés, ceux manqués, et si le total s’est réconcilié.
Passe 2 : répétabilité sur le fichier de la période suivante. Renommez une colonne, introduisez une nouvelle catégorie et supprimez un champ facultatif. Un agent utile doit soit conserver le mappage documenté, soit s’arrêter et demander une clarification. Un remappage silencieux est un échec pour un reporting récurrent.
Passe 3 : échelle opérationnelle. Si vos exports réels atteignent 50 Mo, testez des versions de 5 Mo, 25 Mo et 50 Mo sous la même offre de compte et conditions réseau. Capturez le succès du téléchargement, le temps d’analyse, le nombre de lignes, le total de contrôle, le temps de réponse, la taille de la sortie et les corrections du relecteur. Ne comparez pas un test de téléchargement RowSpeak avec un test de classeur Copilot comme si le chemin de données était identique.
Téléchargez le classeur de test de données brutes
Utilisez le même petit jeu de test que celui des captures de nettoyage : téléchargez Sales_Data_Cleaning_Test.xlsx. Il contient des ID de commandes en double, des formats de date mixtes, une casse client incohérente, des valeurs vides et une ligne vide. Calculez le nombre de lignes attendu et le nombre d’exceptions avant de le soumettre à un agent.
Le clip de 10 secondes ci-dessous montre le workflow enregistré de l’invite à l’artefact nettoyé. Il s’agit d’une démonstration d’interaction, pas d’un benchmark de performance ; l’enregistrement peut être modifié et n’isole pas le temps de traitement serveur.
Copiez cette grille d’évaluation dans Excel ou Sheets
Utilisez des passerelles strictes avant le score pondéré. Un agent échoue au test si les lignes importées ne se réconcilient pas, si un total de contrôle matériel est erroné, ou si la sortie supprime silencieusement des lignes rejetées.
| Critère | Poids | Règle de score (0–5) | Preuve requise |
|---|---|---|---|
| Intégrité de l’import | Passerelle | 5 uniquement lorsque les nombres de lignes/colonnes se réconcilient ; sinon échec |
Résumé de l’import et nombre de lignes rejetées |
| Totaux de contrôle matériels | Passerelle | 5 uniquement lorsque tous les totaux convenus correspondent ; sinon échec |
Calcul Excel indépendant |
| Rappel des problèmes intentionnels | 20 % | Problèmes trouvés ÷ problèmes insérés | Tableau d’exceptions avec lignes sources |
| Contrôle des faux positifs | 10 % | 5 signifie qu’aucun enregistrement valide n’a été modifié incorrectement |
Journal de décision du relecteur |
| Exactitude numérique | 25 % | Métriques groupées et formules correctes | Champs de calcul, filtres et période |
| Répétabilité | 15 % | Même résultat à la deuxième exécution et avec une colonne renommée | ID d’exécution, invites et comparaison des sorties |
| Révisabilité et provenance | 20 % | Valeurs traçables vers des lignes, champs, formules ou artefacts | Références sources et liste non résolue |
| Utilisabilité de la sortie | 10 % | Le relecteur peut utiliser le classeur/rapport après des corrections mineures ou nulles | Nombre de corrections et note d’acceptation |
Calculez le résultat sur 100 points comme SOMMEPROD(score, poids) / 5, après avoir confirmé que les deux passerelles passent. Publiez les oublis, les échecs et les champs « non testés » à côté du score. Un score élevé avec un total de contrôle échoué reste une évaluation échouée.
Pour les données sensibles de finance, paie, juridique ou employé, n’utilisez pas de données personnelles réelles simplement pour tester un agent. Utilisez des données anonymisées lorsque possible et évaluez le déploiement privé pour les workflows nécessitant des limites de données contrôlées.
IA générique, assistants classeur et RowSpeak
Les produits ci-dessous doivent être comparés par surface d’opération et livrable, et non par un score unique de « qualité IA ».
| Option | Où l’agent travaille | Meilleure adéquation | Surface de révision | Preuve dans cet article | Limite importante à tester |
|---|---|---|---|---|---|
| Microsoft Copilot dans Excel | Dans un classeur Microsoft 365 | Aide à la formule, analyse de classeur et modifications quand Excel reste le livrable | Formules, tableaux et contexte de modification du classeur | Documentation fournisseur uniquement ; non exécuté indépendamment | Disponibilité tenant/offre, structure du classeur et comportement sur les packages de fichiers externes |
| Gemini dans Google Sheets | Dans le workflow Google Workspace | Travail collaboratif sur Sheets, création de tableaux, formules, résumés et contexte Workspace | Cellules de la feuille, historique des versions et révision partagée | Documentation fournisseur uniquement ; non exécuté indépendamment | Disponibilité des fonctionnalités et si le rapport métier final doit quitter Sheets |
| Analyse de données ChatGPT | Chat général avec fichiers téléchargés | Exploration rapide, analyse assistée par code et prototypes | Conversation, tableaux générés, code et artefacts téléchargeables | Documentation fournisseur uniquement ; non exécuté indépendamment | Répétabilité, politique de conservation des fichiers et passage à un processus de reporting governé |
| RowSpeak | Espace de travail d’analyse et de reporting basé sur fichiers | Entrées Excel/CSV/PDF/captures nécessitant réponses, rapports ou tableaux de bord | Invite, analyse affichée, artefacts téléchargeables et sortie rapport/tableau de bord | Sept catégories de workflow enregistrées plus trois cas d’échec visibles | Changements de mappage, définitions ambiguës, comportement sur fichiers volumineux et flux de correction du relecteur |
| Plateforme BI | Modèle governé connecté aux systèmes métier | Métriques partagées, rafraîchissement programmé, permissions et large distribution de tableaux de bord | Modèle sémantique, journaux de rafraîchissement, lignage et permissions des tableaux de bord | Comparaison de catégories uniquement ; aucun benchmark de plateforme | Effort de mise en œuvre et si un petit workflow basé sur export justifie le modèle |
RowSpeak est utile lorsque le besoin métier se situe entre l’assistance au classeur et la BI : une équipe a des fichiers exportés, a besoin d’un workflow d’analyse et de reporting reproductible, et souhaite des sorties que les collègues peuvent réviser et partager. Explorez le workflow assistant tableur pour le travail général sur fichiers, ou le guide des agents de reporting métier pour une comparaison axée sur le reporting.
Pour les détails de capacités actuelles, commencez par la documentation des fournisseurs eux-mêmes : Microsoft Copilot dans Excel, Gemini dans Google Sheets et la FAQ des téléchargements de fichiers ChatGPT. Les pages des fournisseurs décrivent la disponibilité et les limites ; ce ne sont pas des benchmarks de performance indépendants.
Effectuez un premier test contrôlé
Commencez par le jeu de test téléchargeable ci-dessus et écrivez le résultat attendu avant d’exécuter un agent :
- huit enregistrements sources non vides ;
- deux paires de doublons exacts (
1001et1002), laissant six lignes uniques si les doublons exacts sont supprimés ; - dates exprimées comme du texte pointillé, du texte au format slash et des valeurs de type date ;
- prix manquants pour les commandes
1003et1005; - statuts manquants pour les commandes
1003et1006; - casse incohérente des noms clients ;
- une ligne vide qui ne devrait pas devenir une transaction.
Utilisez cette invite :
Profile ce classeur avant de le modifier. Renvoie le nombre de lignes sources, les groupes
de doublons exacts, les représentations de dates et le nombre d'absences par colonne. Crée
ensuite un nouveau classeur avec les lignes en double exact supprimées, les dates normalisées
au format aaaa-mm-jj, les noms clients normalisés de manière cohérente, et les valeurs
manquantes conservées sauf si une règle est explicitement approuvée. Inclus une feuille
Modifications listant la ligne source, le champ, l'ancienne valeur, la nouvelle valeur et
la règle. Réconcilie le nombre de lignes de sortie avec la source.
Échouez l’exécution si l’agent modifie un prix manquant en zéro, supprime une ligne non identique qui partage seulement un ID de commande, convertit une date ambiguë sans déclarer de locale, ou omet le journal des modifications. Exécutez ensuite la même invite deux fois et comparez le nombre de lignes, les mappages, les cellules modifiées et les totaux de contrôle.
Ce n’est qu’après que le petit jeu de test a réussi que vous devriez créer des variantes de 5 Mo, 25 Mo et 50 Mo. Dans cet article, ces résultats de grands fichiers entre fournisseurs restent non testés. Publier cette limite est plus digne de confiance que d’inventer un tableau de temps de réponse Copilot contre RowSpeak.
L’agent IA utile n’est pas celui qui prétend tout faire. C’est celui qui accomplit la bonne partie de votre processus tableur avec des limites auxquelles votre équipe peut faire confiance.
Si vous souhaitez évaluer la catégorie fichier vers rapport, exécutez le jeu de test et la grille ci-dessus sur un export nettoyé dans le workflow assistant tableur RowSpeak. Gardez l’invite, la sortie, le journal des exceptions et la décision du relecteur ensemble pour que le résultat puisse être audité avant que le workflow n’atteigne la production.
