En 2026, analyser des données avec ChatGPT n’a plus rien à voir avec la manip de 2023. Il n’y a plus de plugin à activer, plus de case à cocher dans un menu bêta. Tu ouvres une conversation, tu joins un fichier (un tableau Excel, un CSV, un export de ta base) et tu poses ta question en français. ChatGPT écrit et exécute du code Python pour nettoyer, croiser, calculer et te sortir un graphique. Voici comment ça marche aujourd’hui, ce que ça coûte, et où sont les vraies limites.
De « Code Interpreter » à une fonction intégrée : ce qui a changé
La fonction est née en juillet 2023 sous le nom de Code Interpreter, un plugin réservé aux abonnés payants. OpenAI l’a rebaptisée Advanced Data Analysis en août 2023, au moment du lancement de ChatGPT Enterprise. Depuis, elle a fondu dans l’interface : il n’y a plus de « plugin » ni de mode spécial à sélectionner.
Concrètement, tous les vieux tutos qui te demandent d’aller dans « Settings », « Beta features » et de cocher « Advanced data analysis » sont périmés. Le comportement est automatique : dès que tu joins un fichier de données et que tu demandes une analyse, ChatGPT lance le code tout seul. Le nom « Data Analysis » a d’ailleurs disparu de l’interface, c’est devenu une capacité par défaut plutôt qu’un outil à part.
Ce que ChatGPT sait faire avec tes données
Sous le capot, ChatGPT écrit du code Python et l’exécute dans un environnement isolé, avec les bibliothèques classiques de la data (pandas, numpy, matplotlib). Ça lui permet de faire du travail concret sur ton fichier, pas juste d’en parler :
- Nettoyer : repérer les valeurs manquantes ou aberrantes, corriger les formats, dédupliquer, harmoniser des colonnes.
- Analyser : moyennes, totaux, tableaux croisés, corrélations, segmentation, tri par critère.
- Visualiser : histogrammes, courbes, camemberts, nuages de points générés à partir de tes chiffres.
- Croiser plusieurs fichiers : fusionner deux exports, rapprocher des tables sur une clé commune.
- Rendre le code : tu peux ouvrir le code Python qu’il a écrit pour le réutiliser ou l’auditer.
Depuis une mise à jour de mai 2024, les tableaux et graphiques sont interactifs. Quand tu ajoutes un jeu de données, ChatGPT crée un tableau que tu peux ouvrir en plein écran et suivre pendant qu’il travaille. Tu cliques sur une zone du graphique pour poser une question de suivi, tu ajustes, et tu télécharges le graphique final pour le coller dans une présentation. Tu peux aussi connecter directement ton Google Drive ou ton Microsoft OneDrive pour tirer un Google Sheets ou un fichier Excel sans passer par un téléchargement manuel.
Analyser un fichier, étape par étape
- Ouvre une nouvelle conversation dans ChatGPT.
- Clique sur le bouton de pièce jointe et joins ton fichier (CSV, Excel, JSON, texte), ou importe-le depuis Google Drive ou OneDrive.
- Décris ta question en clair. Par exemple : « Voici mes ventes 2025. Quel mois a fait le meilleur chiffre d’affaires et pourquoi ? Fais-moi un graphique en barres. »
- Lis la réponse. Ouvre le tableau ou le graphique interactif, et demande des ajustements (« passe en camembert », « enlève les remboursements », « ajoute la moyenne »).
- Récupère ce qu’il te faut : télécharge le graphique, ou ouvre le code Python si tu veux reproduire l’analyse ailleurs.
Le bon réflexe : découper. Plutôt qu’une consigne géante, avance question par question. Tu gardes le contrôle sur chaque étape et tu repères plus vite si ChatGPT part dans la mauvaise direction.
Un exemple concret
Imagine un export de commandes d’e-commerce en CSV : date, produit, montant, canal d’acquisition. Tu le joins et tu demandes « Répartis le chiffre d’affaires par canal et montre-moi l’évolution mois par mois ». ChatGPT lit les premières lignes pour comprendre la structure des colonnes, écrit le code pandas qui regroupe les données, puis affiche une courbe par canal. Tu vois d’un coup d’oeil quel canal décroche, tu cliques pour demander le détail d’un mois, et tu exportes le visuel. Le tout sans écrire une ligne de code toi-même.
Combien ça coûte et qui y a accès
C’est le point à comprendre avant de te lancer. Sur le plan gratuit, tu peux joindre un fichier pour que ChatGPT le lise et le résume (un PDF, un Word, une image), mais l’analyse de données complète, celle qui exécute du code Python sur ton fichier, n’est pas incluse et les quotas d’import sont serrés.
Pour la vraie analyse de données, il faut un plan payant. ChatGPT Plus coûte environ 20 $ par mois en 2026 et débloque l’exécution de code, avec des quotas de fichiers bien plus larges. Les offres supérieures (Pro, Team, Enterprise) montent encore le plafond. À noter : quel que soit le plan, chaque fichier est limité à 512 Mo, ce qui couvre la grande majorité des tableaux mais pas les très gros jeux de données bruts.
Les limites à connaître en 2026
La fonction est solide, mais elle n’est pas magique.
- Elle ne remplace pas ton jugement. ChatGPT peut se tromper dans l’interprétation d’un résultat ou choisir une méthode statistique discutable. Sur une décision qui compte, vérifie le code et recoupe les chiffres.
- Les gros volumes coincent. Au-delà de fichiers lourds ou de traitements très complexes, l’exécution peut échouer ou tronquer. Pour de la vraie ingénierie de données, les outils dédiés (pandas en local, Talend, Alteryx) restent plus adaptés.
- La session a une mémoire courte. L’environnement d’exécution se réinitialise après un temps d’inactivité : si tu reviens plus tard, il faudra parfois recharger ton fichier.
Une précision qui traîne dans les vieux articles : non, l’analyse n’est pas bloquée par une « date de coupure des connaissances ». ChatGPT travaille directement sur le fichier que tu lui donnes, donc tes données de 2026 sont parfaitement analysables. La date de coupure ne concerne que ce que le modèle sait du monde, pas les chiffres que tu lui fournis.
Si tu débutes avec l’outil, commence par le guide complet de ChatGPT avant de te lancer dans l’analyse de données. Et garde le réflexe de base : ChatGPT accélère l’analyse, il ne signe pas tes conclusions à ta place.
