Academy
5. Transformer et nettoyer les données
Décrivez des transformations en langage naturel — filtrer, dériver, agréger ou joindre — tout en conservant le jeu de données d'origine intact.
OupiData vous permet de transformer et de nettoyer des jeux de données entièrement en langage courant. Plutôt que d'écrire des formules ou du code, vous décrivez ce dont vous avez besoin — filtrer des lignes, dériver de nouvelles colonnes, agréger des valeurs ou joindre deux jeux de données — et l'IA traduit votre intention en opération concrète. Point essentiel : chaque transformation produit une nouvelle vue ; le jeu de données d'origine n'est jamais modifié. Cette approche non destructive vous permet d'expérimenter librement : essayez différents filtres, créez des colonnes calculées, remodelez vos données, et revenez toujours à la source si le résultat n'est pas celui attendu. Les transformations consomment des crédits par opération, et le coût est affiché avant confirmation.
Il existe quatre types de transformations essentielles que vous pouvez demander en langage naturel :
• Filtrer — Réduisez votre jeu de données selon des conditions : « Afficher uniquement les lignes où le chiffre d'affaires dépasse 10 000 » ou « Ne garder que les entrées du T3 ». • Dériver — Créez de nouvelles colonnes à partir des colonnes existantes : « Ajouter une colonne qui calcule la marge comme le chiffre d'affaires moins le coût ». • Agréger — Résumez les données par groupes : « Valeur moyenne de commande par segment client ». • Fusionner — Combinez deux jeux de données sur une clé commune : « Fusionner le jeu de données des ventes avec le catalogue produits sur l'ID produit ».
Dans chaque cas, vous rédigez l'instruction comme vous le feriez avec un collègue. L'IA l'interprète, exécute l'opération, puis vous montre à la fois le résultat et la logique sous-jacente afin que vous puissiez vérifier ce qui s'est passé.
Soyez précis dans vos demandes de transformation. Plutôt que « nettoyer les dates », essayez « Convertir la colonne de date au format AAAA-MM-JJ et supprimer les lignes où la date est vide ». Plus votre instruction en langage naturel est précise, plus le résultat est exact — et vous pouvez toujours vérifier la logique sous-jacente affichée par l'IA.
Après avoir exécuté une transformation, enregistrez la requête qui la sous-tend. Vous pourrez la relancer plus tard lorsque les données source seront actualisées, ou l'utiliser comme point de départ pour d'autres ajustements — sans avoir à retaper deux fois la même instruction.
Comme les transformations ne modifient jamais le jeu de données d'origine, vous pouvez enchaîner plusieurs étapes en toute sécurité. Par exemple : filtrez d'abord vos données de vente sur l'année en cours, puis dérivez une colonne de marge bénéficiaire, puis agrégez par catégorie de produit. Chaque étape crée une vue actualisée que vous pouvez examiner indépendamment. Si une étape semble incorrecte, ajustez uniquement cette instruction — le reste de la chaîne et les données source restent intacts. Cela rend le nettoyage itératif des données pratique, même sur des fichiers volumineux et désordonnés.
Ouvrez l'écran Requête, choisissez l'un de vos jeux de données importés, puis saisissez une transformation en langage naturel — par exemple : « Filtrer les lignes où la colonne montant est vide, puis afficher le nombre restant par catégorie ». Vérifiez le résultat et la logique affichés par l'IA, puis enregistrez la requête pour une réutilisation ultérieure.
Les transformations dans OUPI Data sont décrites en langage courant — filtrer, dériver, agréger ou fusionner — et l'IA se charge de l'exécution de manière transparente. Le jeu de données d'origine reste toujours intact ; chaque opération produit une vue actualisée que vous pouvez examiner, ajuster ou abandonner. Enregistrez les transformations utiles sous forme de requêtes pour les relancer sur des données mises à jour. Chaque opération basée sur l'IA consomme des crédits, affichés avant votre confirmation.