Vous avez une longue liste de commentaires clients à classer, des centaines de factures à résumer ou un tableau à nettoyer avant une réunion. Excel sait déjà calculer, trier et organiser les données. Mais peut-il aussi comprendre une demande formulée en français courant ? C’est là qu’intervient le modèle de langage de grande taille, une technologie d’intelligence artificielle qui peut compléter les usages habituels d’un tableur.
Dans cet article, nous allons voir ce qu’est un modèle de langage de grande taille, comment il peut être utilisé avec Excel et quelles précautions prendre avant de lui confier vos données. Pas besoin d’être développeur pour en comprendre les possibilités : avançons étape par étape, avec des exemples concrets.
Qu’est-ce qu’un modèle de langage de grande taille ?
Un modèle de langage de grande taille est un programme d’intelligence artificielle entraîné sur de très nombreux textes. Il apprend à repérer les relations entre les mots et à produire des réponses cohérentes à partir d’une demande. Il peut rédiger, reformuler, résumer, traduire ou classer des informations textuelles.
Le terme anglais « large language model » est souvent abrégé en LLM. En français, on peut parler de modèle de langage de grande taille. L’idée essentielle est la même : le modèle ne comprend pas une phrase exactement comme un humain, mais il calcule quelles suites de mots sont les plus pertinentes au regard de sa demande et de son entraînement.
Imaginez que vous lui transmettiez le commentaire suivant : « Livraison en retard, mais le service client a réglé le problème rapidement. » Vous pouvez lui demander d’en déterminer le ton général, d’en extraire le problème mentionné ou de produire un résumé très court. Le modèle peut proposer des réponses comme « avis mitigé », « retard de livraison » et « problème résolu rapidement ».
Ce type d’outil peut donc compléter Excel, qui excelle dans le calcul et l’organisation structurée des données. Le modèle de langage, lui, est particulièrement utile lorsque les informations sont rédigées en phrases : courriels, avis, comptes rendus, notes ou descriptions de produits.
Ce qu’un modèle de langage n’est pas
Un modèle de langage ne remplace pas une formule Excel et ne garantit pas que chaque réponse soit exacte. Il peut produire une information plausible, mais fausse, ou interpréter une demande différemment de ce que vous aviez en tête. C’est pourquoi il faut vérifier les résultats, surtout lorsque des décisions importantes en dépendent.
Il ne connaît pas automatiquement le contenu de votre classeur. Pour analyser une plage de cellules, il faut qu’une fonction, un complément ou un programme lui transmette les informations nécessaires. Selon l’outil choisi, une partie des données peut être envoyée à un service externe : ce point mérite une attention particulière.
Enfin, un modèle de langage n’est pas un moteur de calcul fiable à lui seul. Pour additionner des ventes, calculer une moyenne ou comparer des dates, une formule Excel reste généralement plus simple à vérifier et plus prévisible. La bonne approche consiste à utiliser chaque outil pour ce qu’il fait le mieux.
Pourquoi associer l’intelligence artificielle à Excel ?
Les classeurs ne contiennent pas uniquement des nombres. Dans beaucoup d’entreprises, une part importante des informations utiles se trouve dans des cellules textuelles. Les traiter manuellement peut vite devenir répétitif : ouvrir chaque ligne, lire le texte, décider de sa catégorie, puis recopier le résultat dans une autre colonne.
Un modèle de langage peut aider à accélérer ces tâches. Il peut, par exemple, analyser chaque commentaire d’une enquête et proposer une catégorie, ou transformer une description longue en résumé. Excel reste alors l’espace où les données sont triées, contrôlées et exploitées.
Voici quelques usages possibles :
-
Classer des commentaires selon leur thème : livraison, prix, qualité ou service client.
-
Repérer le ton d’un avis : positif, négatif ou neutre.
-
Résumer des notes de réunion dans une colonne dédiée.
-
Uniformiser des descriptions de produits rédigées par plusieurs personnes.
-
Extraire des informations précises, comme une date, un lieu ou un type de demande.
-
Rédiger une première version de réponses à des questions fréquentes.
Ces tâches concernent surtout le langage. Pour calculer le chiffre d’affaires mensuel ou trouver le produit le plus vendu, les fonctions d’Excel et les tableaux croisés dynamiques restent souvent le meilleur choix.
Exemple : classer des avis clients dans Excel
Supposons que la colonne A de votre feuille contienne des avis. Vous souhaitez ajouter en colonne B une catégorie et en colonne C un résumé. Pour quelques lignes, un classement manuel est facile. Pour plusieurs milliers d’avis, il devient plus difficile de rester rapide et cohérent.
Avec un outil relié à un modèle de langage, vous pourriez lui demander de traiter chaque avis selon des consignes précises : « Indique le sujet principal parmi livraison, qualité, prix et service client. Réponds uniquement par une catégorie. » Une seconde demande pourrait produire un résumé de quinze mots au maximum.
La qualité des résultats dépend beaucoup de la consigne. Une demande vague, comme « analyse cet avis », peut donner des réponses difficiles à comparer. Une consigne détaillée précise le format, les catégories autorisées et la longueur attendue. Vous pouvez aussi lui indiquer quoi faire si aucune catégorie ne convient, par exemple renvoyer « autre ».
Avant de traiter toute la feuille, testez la méthode sur un petit échantillon. Comparez les résultats avec votre propre classement et repérez les cas ambigus. Par exemple, « Le produit est excellent, mais son prix est trop élevé » contient à la fois un avis positif sur la qualité et une critique du prix. Il faudra décider si vous voulez une seule catégorie ou plusieurs.
Quelles solutions permettent d’utiliser un modèle de langage ?
Il n’existe pas une seule manière de relier un modèle de langage à Excel. Les possibilités dépendent de votre version du logiciel, de votre abonnement et des règles définies par votre organisation.
-
Une fonction intégrée : certaines offres Microsoft peuvent proposer des outils d’intelligence artificielle directement dans les applications de la suite bureautique. Les fonctions disponibles évoluent selon les versions et les comptes.
-
Un complément : un complément peut ajouter des commandes ou des fonctions permettant d’envoyer le contenu de cellules à un service d’intelligence artificielle. Vérifiez son éditeur, ses autorisations et ses conditions d’utilisation.
-
Une interface de programmation : pour une solution personnalisée, un programme peut transmettre des données à un service de modèle de langage. Cette méthode demande davantage de connaissances techniques et une gestion attentive des accès.
-
VBA : une macro peut automatiser certaines étapes d’un classeur et communiquer avec un service externe si elle est correctement configurée. Il faut toutefois gérer les erreurs, les clés d’accès et la confidentialité des données.
Avant d’installer un complément ou de modifier un fichier VBA, vérifiez les règles de sécurité de votre entreprise. Un outil pratique n’est pas forcément adapté à toutes les données, notamment aux informations personnelles, financières ou confidentielles.
Créer une consigne efficace
Pour obtenir des réponses utiles, écrivez des consignes précises, comme si vous briefiez une personne qui découvre le tableau. Indiquez le rôle attendu, la tâche à effectuer, les limites et le format de sortie. Plus la réponse doit s’intégrer directement dans une feuille, plus le format doit être explicite.
Par exemple, pour classer des demandes reçues par courriel, vous pourriez demander : « Classe le message dans une seule catégorie parmi Facturation, Livraison, Retour ou Autre. Réponds uniquement par le nom de la catégorie. Si le message est incomplet, réponds Autre. »
Pour résumer un texte, précisez la longueur et le style : « Résume ce compte rendu en deux phrases, sans ajouter d’information qui n’y figure pas. » Cette dernière précision réduit les ajouts injustifiés, sans garantir leur absence. Une vérification reste nécessaire.
Lorsque plusieurs personnes utilisent le même classeur, conservez les consignes dans une feuille dédiée ou dans une documentation. Vous pourrez ainsi les modifier, les tester et comprendre plus facilement pourquoi les résultats changent.
Les limites à connaître avant de se lancer
Le premier risque est l’erreur. Un modèle peut mal interpréter une phrase, confondre une demande et une réponse, ou inventer un détail dans un résumé. Pour limiter ce problème, gardez le texte d’origine dans une colonne et placez le résultat dans une autre. Vous pourrez ainsi contrôler les cas importants sans perdre la source.
Le deuxième risque concerne la confidentialité. Avant d’envoyer le contenu d’un classeur à un service externe, demandez-vous si vous êtes autorisé à le faire et quelles données sont effectivement transmises. Supprimer les noms ou remplacer les références sensibles par des identifiants peut réduire l’exposition, sans remplacer les règles de votre organisation.
Le troisième risque est lié au coût et au temps de traitement. Selon le service utilisé, chaque demande peut être facturée, limitée ou ralentie. Traiter des dizaines de milliers de lignes une par une peut donc être coûteux. Commencez par un échantillon, mesurez le temps nécessaire et vérifiez le volume maximal autorisé.
Enfin, les résultats peuvent varier selon la formulation de la consigne ou les réglages du modèle. Si vous avez besoin d’une classification stable, définissez des catégories fermées, imposez un format de réponse et surveillez régulièrement un échantillon de résultats.
Un petit projet pour faire vos premiers essais
Pour débuter sans bouleverser votre classeur, choisissez une tâche limitée, comme la classification de cinquante avis fictifs ou anonymisés. Préparez trois colonnes : le texte d’origine, la catégorie proposée et votre validation. Cette dernière colonne vous permettra de mesurer la fiabilité du résultat.
Après le premier essai, examinez les erreurs et améliorez la consigne. Si les réponses mélangent plusieurs catégories, demandez une seule catégorie principale. Si les résumés sont trop longs, fixez une limite. Procédez par petites étapes : il est plus facile de corriger une méthode sur cinquante lignes que sur cinquante mille.
Vous pouvez également comparer le temps gagné avec celui d’un classement manuel. Le meilleur outil n’est pas nécessairement le plus spectaculaire : c’est celui qui résout un problème concret, avec un résultat assez fiable et une méthode que vous pouvez expliquer à vos collègues.
Le bon équilibre entre Excel et le modèle de langage
Excel reste précieux pour organiser les données, appliquer des calculs, filtrer les résultats et produire des tableaux de synthèse. Le modèle de langage apporte une aide complémentaire lorsque les cellules contiennent des textes qui demandent interprétation ou reformulation.
En pratique, vous pouvez utiliser une formule pour nettoyer une donnée, un modèle de langage pour classer un commentaire, puis un tableau croisé dynamique pour compter les catégories obtenues. Chaque étape a un rôle distinct, et le résultat est plus facile à contrôler qu’un traitement entièrement confié à l’intelligence artificielle.
Commencez par une tâche répétitive et peu risquée, testez les réponses, protégez les données et gardez les originaux. Avec ces précautions, le modèle de langage peut devenir un assistant utile dans Excel — pas un magicien, mais un collègue rapide qui a parfois besoin qu’on relise son travail.