Excel statistique avec l’IA : corrélation ou causalité ?

« Excel statistique » ramène presque toujours à la même situation : un tableau de données, et le besoin d’en tirer une moyenne, un écart type ou une corrélation sans rouvrir un cours de statistiques. Une IA peut écrire la formule ou expliquer le résultat, mais le risque n’est pas qu’elle se trompe de calcul — c’est qu’elle donne une interprétation qui sonne juste et qui ne l’est pas.

L’erreur la plus fréquente : demander « quelles conclusions tirer de ce tableau » et accepter la première réponse. Une IA formule alors souvent un lien de cause à effet là où les chiffres montrent seulement que deux colonnes bougent ensemble — une corrélation, pas une explication.

Ce qui fonctionne bien, et ce qui demande une vérification

• —Moyenne, médiane, écart type sur une colonne propre : fiable, même sur plusieurs milliers de lignes, tant que les cellules vides sont traitées correctement.
• —Une corrélation entre deux colonnes : le calcul lui-même est fiable, mais l’interprétation ne l’est pas automatiquement — une corrélation ne dit jamais laquelle des deux colonnes influence l’autre, ni même si un troisième facteur explique les deux.
• —Une régression ou une projection à partir de peu de points : plus le nombre de lignes est faible, plus une IA a tendance à présenter une tendance comme solide alors qu’elle repose sur quelques valeurs isolées.

Un détail souvent oublié : Excel calcule la moyenne d’une colonne en ignorant les cellules vides, mais une IA à qui vous copiez le tableau en texte peut, selon la formulation de la demande, traiter une cellule vide comme un zéro. Sur une colonne de notes ou de montants, cette différence change la moyenne — mieux vaut demander explicitement comment les valeurs manquantes ont été traitées avant d’accepter un résultat.

Une méthode qui tient même sur un gros tableau

Plutôt que de demander une analyse complète en un seul message, vous avancez par étapes. Cela prend deux minutes de plus et évite de faire passer une lecture erronée dans une décision.

1. 01Décrivez d’abord les colonnes vous-même, ou demandez à l’IA de confirmer ce qu’elle a compris des en-têtes, avant de poser la vraie question.
2. 02Posez une question précise sur un seul calcul à la fois : « calcule la moyenne et l’écart type de la colonne C » plutôt que « analyse ce tableau ».
3. 03Pour une corrélation, demandez explicitement le coefficient et son interprétation prudente : « indique si les deux colonnes évoluent ensemble, sans supposer qu’une cause l’autre ».
4. 04Faites vérifier le calcul sur un sous-ensemble que vous pouvez recalculer à la main ou avec une formule Excel classique, avant d’appliquer la méthode à tout le tableau.

Un exemple du début à la fin

Prenez un tableau avec deux colonnes sur 200 clients : le nombre de visites du site par mois, et le montant total dépensé. Prompt faible : « analyse ce tableau et dis-moi ce qui fait dépenser plus ». Résultat probable : une phrase du type « plus un client visite le site, plus il dépense », présentée comme une explication alors que le tableau montre seulement un lien statistique entre les deux colonnes.

Prompt complet, en deux temps : d’abord « calcule le coefficient de corrélation entre la colonne B (visites) et la colonne C (montant dépensé), et donne le nombre de lignes utilisées dans le calcul ». Puis, une fois le chiffre obtenu : « ce coefficient montre-t-il que les visites causent la dépense, ou seulement qu’elles évoluent ensemble ? Cite un facteur qui pourrait expliquer les deux à la fois. » Cette deuxième question force une réponse plus prudente — par exemple, que les clients déjà fidèles visitent et dépensent tous les deux davantage, sans que l’un cause forcément l’autre.

Un coefficient de corrélation répond à une question précise : est-ce que deux colonnes évoluent ensemble. Il ne répond jamais à la question qu’on lui pose le plus souvent : pourquoi.

Pourquoi un résultat qui a l’air rigoureux peut rester faux

Un chiffre calculé correctement — une moyenne, un coefficient, un pourcentage — donne à la phrase qui l’accompagne un air de rigueur, même quand cette phrase dépasse ce que le calcul permet réellement d’affirmer. C’est le point que soulignent régulièrement les lignes directrices de l’OCDE sur l’IA : la vérification humaine reste un principe, pas une option, en particulier quand un résultat automatisé sert à une décision réelle.

Le Stanford AI Index suit chaque année l’écart entre une réponse qui semble juste et une réponse qui l’est vraiment — il se réduit, mais plus lentement que ce que laisse penser un premier essai réussi. Sur l’ampleur réelle de l’usage de ces outils par les entreprises françaises, l’INSEE publie des statistiques plus fiables qu’un argumentaire commercial, et la DARES suit spécifiquement l’évolution des tâches concernées par ces outils dans l’emploi.

Si le tableau contient des données personnelles — noms de clients, coordonnées, historique d’achat —, les règles de la CNIL s’appliquent dès que ces informations passent par un outil externe, gratuit ou payant. Et le PwC AI Jobs Barometer constate une prime salariale nette pour les personnes qui savent formuler une question précise et vérifier la réponse — pas pour celles qui se contentent du premier chiffre produit.

Ce que vous essayez cette semaine

1. 01Prenez un tableau que vous devez de toute façon analyser cette semaine, pas un exemple de test.
2. 02Décrivez les colonnes vous-même avant de poser la question, ou faites confirmer la lecture par l’IA.
3. 03Pour toute corrélation, demandez explicitement si elle montre une cause ou un simple lien — et un facteur alternatif possible.
4. 04Vérifiez un calcul sur un sous-ensemble que vous pouvez recalculer vous-même, avant de l’appliquer à tout le tableau.

La même logique — décrire précisément, puis vérifier — s’applique à n’importe quelle tâche de tableur, pas seulement aux statistiques : les quatre éléments d’un bon prompt sont détaillés dans Formation prompt IA. Si le prix du logiciel lui-même vous freine avant même d’arriver aux formules, Prix du logiciel Excel explique ce qui fait vraiment varier la facture. Utilisez-vous ce type d’analyse chaque semaine sur des données similaires ? La méthode se retrouve, appliquée à un flux de travail complet plutôt qu’à un seul calcul, dans Automatisation IA.

Si vous préférez un parcours complet plutôt que d’apprendre au fil des tâches, Formation IA générative part de zéro et couvre cette même prudence face à un résultat qui semble juste. Pour une analyse plus générale — sous-totaux, tri, regroupement — plutôt qu’un calcul statistique précis, Analyse de données Excel avec l’IA suit la même méthode par étapes.

Cette compétence — poser une question précise sur un chiffre et vérifier ce qu’il permet vraiment d’affirmer — est ce que Coursium fait pratiquer par petites leçons sur votre téléphone, sur des exemples réels plutôt que sur une démonstration. Gardez une longueur d’avance sur l’IA en commençant ici — ou lisez d’abord à propos de Coursium.