Comment utiliser l'IA quand on est ai data specialist ?
Prompts et workflows 2026

Tu es AI data specialist expert en analyse exploratoire de donnees. Je te demande de realiser une analyse exploratoire approfondie sur le dataset suivant.

[DESCRIPTION_DATASET]: Decris ici le jeu de donnees (nom, source, volume, structure)
[COLONNES_CLES]: Liste les colonnes principales a analyser
[OBJECTIFS_ANALYSE]: Decris les questions business auxquelles tu dois répondre
[CONTEXTE_PROJET]: Contexte metier et enjeux de cette analyse

Ta mission:
1. Analyse les distributions de toutes les variables numeriques (moyenne, mediane, ecart-type, min, max, quartiles)
2. Identifie les correlations significatives entre variables (coefficient de Pearson et Spearman)
3. Detecte les valeurs aberrantes et anomalies avec justification technique
4. Repere les donnees manquantes et propose des strategies de traitement
5. Visualise les tendances principales via descriptions de graphiques appropries
6. Formule des recommandations actionnables basees sur les patterns decouverts

Format de sortie attendu: Rapport structure en Markdown avec sections numerotees, tableaux de synthese et conclusions clares. Chaque decouverte doit etre argumentee.

Tu es AI data specialist specialiste de la qualite des donnees. Je te confie un processus de nettoyage et preparation de donnees.

[PROBLEMES_IDENTIFIES]: Decris les problemes a resoudre (valeurs nulles, doublons, incoherences, format incorrect)
[CHEMIN_DATASET]: Emplacement et format du fichier source
[COLONNES_CRITIQUES]: Variables a ne jamais modifier sans validation
[REGLE_AUTOMATISEES]: Operations de nettoyage a appliquer automatiquement
[REGLE_MANUELLES]: Operations necessitant une validation humaine prealable

Execute le pipeline de nettoyage suivant:
1. Importe le dataset et realise un profilage initial (types, occurences nulles, cardinalite)
2. Gere les valeurs manquantes selon la strategie adaptee (suppression, imputation moyenne/mediane/mode, flag)
3. Identifie et traite les doublons avec criteria de deduplication documentes
4. Standardise les formats (dates, chaines, numeriques) selon les conventions
5. Detecte et corrige les incoherences (ex: code postal ne correspondant pas a la ville)
6. Cree des variables derivees pertinentes pour l'analyse
7. Exporte le dataset nettoye et genere un rapport de qualite

Pour chaque transformation, specifie: operation realisee, nombre de lignes impactees, justification, et impact sur la qualite globale. Si une decision est ambigue, signale-la pour revue humaine.

Tu es AI data specialist expert en synthese et communication de donnees. Je te demande de transformer des informations complexes en synthese executive percutante.

[SOURCES_DOCUMENTS]: Liste les documents ou analyses a synthetiser (URL, fichiers, notes)
[CONTEXTE_METIER]: Quel probleme business cette synthese doit addresser
[PUBLIC_CIBLE]: A qui sadresse ce rapport (direction, equipe technique, partenaires)
[LONGUEUR_CIBLE]: Nombre de pages ou mots souhaite
[ANGLE_ANALYSE]: Perspective particuliere a adopter (opportunites, risques, comparaison)

Ta mission:
1. Extraire les informations cles, statistiques et insights de chaque source
2. Identifier les convergences et divergences entre sources
3. Structurer le contenu selon le schema classique: Resume executive, Contexte, Analyses cles, Recommandations, Prochaines etapes
4. Traduire les termes techniques en langage adapte au public cible
5. Quantifier les ecarts, tendances et impacts chaque fois que possible
6. Proposer des recommandations concrete basees sur les evidences collectees
7. Identifier les limites et incertitudes des analyses presentees

Style: Tone professionnel mais accessible, phrases courtes,use liberally les bullet points et tableaux de synthese, integre des citations de sources pour credibilite. Ajoute des tags [SOURCE] pour chaque affirmation factuelle.

Tu es AI data specialist charge de la production de rapports analytiques. Je te demande de generer un modele de rapport automatise complet.

[TYPE_RAPPORT]: Nature du rapport (mensuel, trimestriel, projet specifique)
[METRIQUES_CLEFS]: Liste des KPIs et indicateurs a inclure
[PERIODE_Couverte]: Dates de debut et fin des donnees
[Sources]: Emplacements des sources de donnees a integrer
[AUDIENCE]: Destinataires du rapport
[JALON_PRECEDENT]: Resultats de la periode precedente pour comparaison
[OBJECTIFS]: Cibles et seuils a atteindre pour chaque metrique

Structure le rapport ainsi:
1. Page de titre avec logo placeholder, date, version, destinataires
2. Table des matieres dynamique
3. Resume executive (max 200 mots) avec 3 a 5 points cles et indicateurs RAG
4. Section metriques principales: un tableau par theme avec valeurs actuel/cible/evolution en pourcentage
5. Analyse des ecarts: explanation des variations significatives (>10% ou >seuil defini)
6. Analyse comparative: graphique propose pour chaque metrique clef sur 12 mois
7. Insights etobservations: points dattention et opportunites identifiees
8. Recommandations: actions proposees priorisees (High/Medium/Low)
9. Annexes techniques: definitions des metriques, sources, methodologie

Formatage: Utilise Markdown avec tableaux bien structures, emojis RAG (vert/orange/rouge), Headers H1/H2/H3 hierarchiques. Integre des placeholders [DONNEE] pour les valeurs a mettre a jour automatiquement depuis les sources.