L'IA pour analyser les données de la boutique : ce qu'on peut lui confier

L'analyse par IA consiste à utiliser des modèles de langage (assistants de chat et assistants intégrés aux outils d'analyse) pour poser des questions sur les données de votre boutique en langage courant : « pourquoi le chiffre d'affaires a-t-il baissé ? », « quels produits rapportent le plus ? ». Les modèles préparent vite des requêtes et des explications, mais ils se trompent sur les chiffres : le résultat doit donc être vérifié.

En termes simples

L'IA est efficace pour produire un brouillon : une requête de base de données, une formule de tableur, une courte description d'un graphique. L'exactitude lui est plus difficile : elle peut sauter une valeur dans un tableau, se tromper dans une addition ou ne pas voir que les données contiennent une erreur. Il est donc raisonnable de lui confier la préparation et de laisser la vérification à une personne.

Ce que disent les études

• Données imparfaites. Le benchmark RADAR (NeurIPS 2025, 2 980 paires tableau-requête issues de données réelles) teste si les modèles repèrent les valeurs manquantes, les valeurs aberrantes et les incohérences logiques. Conclusion des auteurs : les modèles de pointe s'en sortent bien sur des tableaux propres, mais la qualité chute nettement dès que de tels défauts apparaissent (arXiv, 2025). Les données d'une boutique sont en général imparfaites : commandes en double, achats de test, champs vides.
• Erreurs de lecture des tableaux. Un article d'ACL 2026 (juin 2026) montre que les modèles se trompent en citant ou en sautant des valeurs d'un tableau, même quand ils comprennent la structure de celui-ci ; ces erreurs ont été trouvées dans tous les modèles testés (de 1,7 à 20 milliards de paramètres) (arXiv, 2026). C'est une étude sur de petits modèles ; elle ne donne pas de chiffres directs pour les plus grands services.
• Requêtes complexes sur une base de données. Le benchmark LLMSQL (2025) montre que, sur un test nettoyé fondé sur WikiSQL, DeepSeek-R1 atteint 88,40 % de précision sans entraînement supplémentaire (arXiv, 2025). C'est un test simple, avec des requêtes sur une seule table ; le résultat ne se transpose pas au schéma de données complexe d'une boutique. Il n'existe pas de chiffres distincts sur la précision avec des données réelles de boutique en ligne.

Les assistants intégrés aux outils

GA4 dispose d'un assistant conversationnel, Analytics Advisor. En octobre 2025, Search Engine Journal a signalé qu'il était apparu chez certains utilisateurs, alors que Google n'avait publié à ce moment-là ni page d'aide ni annonce officielle ; l'étendue de la disponibilité, le traitement des données et la possibilité de le désactiver restaient flous (SEJ, 2025). Vérifiez l'état actuel dans l'aide de Google Analytics.

Ce qu'on peut lui confier

Règles de sécurité

1. Ne téléversez pas de données personnelles de clients (téléphones, adresses) vers des services publics. Voir RGPD.
2. Demandez-lui d'afficher la requête ou les étapes, et refaites le calcul à la main sur un petit échantillon.
3. Nettoyez d'abord les données (doublons, commandes de test), sinon le modèle additionnera aussi les erreurs.
4. Fixez les définitions des indicateurs (ce qui compte comme « chiffre d'affaires », comme « commande »), pour que l'IA et les personnes comptent de la même façon.
5. Comparez la réponse avec un tableau de bord (Tableau de bord du dirigeant).

Erreurs fréquentes

• Prendre un ton assuré pour de l'exactitude.
• Demander « pourquoi ? » quand les données n'ont aucun champ qui contienne la réponse.
• Se fier à une estimation de l'effet de la publicité fondée sur une corrélation : les causes se prouvent par un test A/B.
• Confier à l'IA des données de travail qui contiennent des données personnelles de clients.

FAQ

L'IA peut-elle remplacer un analyste ? Une seule chose découle des données confirmées : l'IA accélère la préparation, mais des erreurs de chiffres se produisent (études 2025-2026). Les études ne confirment pas un remplacement.

Puis-je interroger ChatGPT sur mes ventes ? Oui, si le fichier ne contient pas de données personnelles de clients et que vous vérifiez le résultat.

Que faut-il vérifier en premier ? Les totaux et le nombre de lignes : correspondent-ils à votre système comptable ?

Termes associés

• Agent IA
• Automatisation par l'IA pour une boutique en ligne
• Entrepôt de données (data warehouse)
• GA4 pour une boutique en ligne
• Le tableau de bord du propriétaire de la boutique

Sources

• Gu K. et al., RADAR: Benchmarking Language Models on Imperfect Tabular Data (NeurIPS 2025) — arxiv.org/abs/2506.08249
• Yang Y. et al., When LLMs Read Tables Carelessly (ACL 2026 ; juin 2026) — arxiv.org/abs/2606.32029
• Pihulski D. et al., LLMSQL: Upgrading WikiSQL for the LLM Era of Text-to-SQL (2025) — arxiv.org/abs/2510.02350
• Search Engine Journal, Google tests Analytics Advisor inside GA4 (13.10.2025) — searchenginejournal.com/google-tests-analytics-advisor-inside-ga4-according-to-reports/558123