En bref — 3 prompts structurés pour qu'un dirigeant de PME interroge ses données de vente avec ChatGPT et obtienne des analyses actionnables, sans consultant.
Image : racheocity — Openverse (by-nd)
En bref — Avec trois prompts structurés, un dirigeant de PME peut interroger ses propres données de vente dans ChatGPT et obtenir une lecture claire de sa performance commerciale — sans DAF, sans consultant, sans formation en finance.
Tu n'as pas de DAF. Tu n'as pas le temps de passer deux heures dans Excel. Et pourtant, tes chiffres de vente sont là, quelque part dans ton CRM ou ton tableur, et tu sais qu'il y a des signaux à lire dedans.
C'est exactement ce pour quoi un modèle de langage est utile : transformer un bloc de données brutes en analyse lisible, en hypothèses actionnables, en questions à poser à ton équipe. Pas de magie, pas de BI à 50k€. Juste un prompt bien construit et tes propres données.
Voici les trois prompts que tu peux utiliser dès aujourd'hui. Et à la fin, la méthode pour préparer tes données avant de les coller.
Ce que l'IA peut vraiment faire sur tes chiffres de vente
L'IA ne remplace pas un expert-comptable ni un DAF. Elle ne certifie pas tes comptes, ne connaît pas ton secteur, et ne sait pas ce qui s'est passé en mars si tu ne le lui dis pas.
Ce qu'elle fait bien : lire un tableau de données, identifier des patterns, classer des éléments par ordre de performance, formuler des hypothèses d'explication et rédiger une synthèse claire.
En pratique, ça couvre trois besoins fréquents chez les dirigeants de PME :
- Savoir quels produits ou services tirent la marge — et lesquels la plombent.
- Repérer des tendances dans le temps sans faire du BI.
- Comparer deux périodes et comprendre pourquoi ça a bougé.
Un prompt IA pour analyser des chiffres de vente ne vaut rien sans données propres. On revient là-dessus à la fin. Mais d'abord, les prompts.
Prompt 1 : identifier tes produits ou services les plus et moins rentables
Ce prompt est utile quand tu veux savoir où concentrer tes efforts commerciaux — et quoi arrêter ou repriser.
Colle ton tableau de données (produit, chiffre d'affaires, volume vendu, coût si disponible), puis envoie ce prompt :
Tu es analyste commercial. Voici mes données de vente sur [période] :
[colle ton tableau ici]
Analyse ces données et réponds à ces questions :
1. Quels sont les 3 produits/services qui génèrent le plus de chiffre d'affaires ? Et les 3 qui en génèrent le moins ?
2. Si j'ai fourni les coûts, quels sont les produits avec la meilleure et la plus faible marge brute ?
3. Y a-t-il des produits à fort volume mais faible valeur unitaire qui mériteraient une réévaluation de prix ?
4. Formule 2 recommandations concrètes sur la structure de mon offre.
Présente tes résultats sous forme de liste classée, puis donne tes recommandations en 3-4 phrases maximum.
Ce que tu obtiendras : un classement clair, une lecture de la structure de ton portefeuille, et des questions à poser à ton commercial ou ton associé.
Prompt 2 : détecter les tendances saisonnières sur 12 mois
Ce prompt est fait pour repérer des cycles dans tes ventes — les mois creux, les pics, les anomalies — et anticiper plutôt que subir.
Pour qu'il fonctionne, tu as besoin de données mois par mois sur au moins une année complète.
Tu es analyste commercial. Voici mes ventes mensuelles sur 12 mois :
[colle ton tableau : mois | CA | volume]
Analyse ces données et réponds :
1. Quels sont les 3 mois les plus forts et les 3 mois les plus faibles en chiffre d'affaires ?
2. Y a-t-il un schéma saisonnier visible (ex. : pic en fin d'année, creux en été) ?
3. Y a-t-il des mois qui semblent anormaux par rapport à la tendance générale ? Si oui, lesquels ?
4. Sur la base de ces données uniquement, quels mois devrais-je anticiper comme creux l'année prochaine pour adapter mes ressources ou mes actions commerciales ?
Présente une courbe textuelle simplifiée (ex. : Jan ▁ Fév ▂ Mar ▄...) et un paragraphe de synthèse.
La courbe textuelle n'est pas indispensable, mais elle aide à visualiser le rythme d'un coup d'œil. Certains modèles la restituent mieux que d'autres.
Prompt 3 : comparer deux périodes et formuler des hypothèses
C'est le prompt le plus puissant des trois. Il sert à répondre à une question simple que tout dirigeant se pose : "Le dernier trimestre était meilleur (ou moins bon) que le précédent — pourquoi ?"
L'IA ne sait pas pourquoi. Mais elle peut formuler des hypothèses structurées que tu vas valider ou invalider avec ta connaissance terrain. C'est ça qui est utile.
Tu es analyste commercial. Voici les données de vente sur deux périodes :
Période A ([dates]) :
[colle ton tableau]
Période B ([dates]) :
[colle ton tableau]
Compare ces deux périodes et réponds :
1. Quelle est la variation en % du chiffre d'affaires entre A et B ? Et du volume vendu ?
2. Quels produits ou services ont le plus progressé ? Lesquels ont le plus reculé ?
3. Formule 3 hypothèses d'explication pour les variations les plus significatives (sans inventer de faits — base-toi uniquement sur les données fournies).
4. Quelles données supplémentaires me faudrait-il pour confirmer ou infirmer ces hypothèses ?
Sois factuel sur les chiffres, explicite sur tes hypothèses, et indique ce que tu ne peux pas déduire des données seules.
La dernière instruction — "indique ce que tu ne peux pas déduire" — est volontaire. Elle force le modèle à rester honnête sur ses limites plutôt que d'inventer des explications plausibles mais fausses.
Comment préparer tes données avant de coller dans le prompt
Un mauvais format de données donne une mauvaise analyse. Voici la méthode en 4 étapes.
1. Exporte depuis ton outil. CRM, comptabilité, tableur : exporte en CSV ou copie le tableau directement. Tu as besoin des colonnes suivantes au minimum : période (mois ou semaine), produit/service, chiffre d'affaires, volume vendu. La marge est un plus.
2. Nettoie les anomalies visibles. Ligne vide, cellule fusionnée, total en bas du tableau qui double les données — retire tout ça avant de coller.
3. Anonymise si nécessaire. Si ton tableau contient des noms de clients, remplace-les par des identifiants neutres (Client A, Client B). Tu envoies ces données à un serveur externe — même si les CGU des grands modèles prévoient la non-utilisation pour l'entraînement sur les comptes Pro, le principe de précaution s'applique.
4. Limite la taille. Un tableau de 50 à 200 lignes passe bien. Au-delà, découpe par produit ou par période. Trop de données d'un coup dégrade la précision de l'analyse.
Si tu travailles régulièrement avec ce type d'analyse, ça vaut le coup de créer un template de tableau standardisé dans ton outil de gestion pour éviter de refaire le nettoyage à chaque fois. C'est une automatisation simple — tu trouveras des exemples concrets dans les cas d'usage du site.
Ces trois prompts couvrent l'essentiel de ce qu'un dirigeant a besoin de lire dans ses ventes. Ils ne remplacent pas une vraie revue financière, mais ils permettent de tenir une cadence d'analyse mensuelle sans expertise comptable.
Tu veux aller plus loin et brancher ce type d'analyse sur un flux automatisé — export CRM → analyse IA → rapport hebdomadaire dans ta boîte mail ? C'est le genre de workflow qu'on construit avec n8n. Vois comment on automatise ça ici.