Depuis que des outils d’intelligence artificielle savent proposer une formule Excel à partir d’une simple phrase, la question revient souvent, parfois avec un peu d’inquiétude : est-ce qu’il faut encore apprendre à construire une formule soi-même ? La réponse n’est ni « l’IA fait tout » ni « l’IA ne change rien ». Elle se situe ailleurs : ce qui compte aujourd’hui n’est plus tout à fait ce qui comptait hier.
L’IA sait-elle vraiment créer des formules Excel ?
Oui, dans une certaine mesure. Des fonctionnalités comme Copilot dans Excel permettent de décrire un besoin en langage courant et d’obtenir une proposition de formule. D’autres outils intégrés à Excel, comme l’analyse de données, peuvent aussi aider à interroger et explorer un tableau sans construire soi-même tous les calculs. C’est un vrai gain de temps sur des demandes simples et bien formulées.
Mais générer une formule n’est pas la même chose que résoudre le bon problème. L’IA travaille à partir de ce qu’on lui décrit, et de ce qu’elle peut observer dans le fichier. Si la description est imprécise, ou si le fichier contient des particularités que l’IA ne perçoit pas d’emblée, la formule produite peut être syntaxiquement correcte tout en répondant à côté de la question posée.
Pourquoi une formule générée par l’IA peut-elle être fausse ?
Il y a plusieurs façons pour une formule de « se tromper », et elles ne se ressemblent pas.
La première est une erreur de plage : l’IA calcule sur une zone qui ne correspond pas exactement aux données réelles, par exemple en oubliant une ligne ajoutée récemment ou en incluant une ligne de total qui fausse le résultat.
La deuxième est une erreur de référence : confondre une référence relative et une référence absolue peut faire qu’une formule, copiée sur plusieurs lignes ou colonnes, ne pointe plus vers les bonnes cellules après quelques décalages.
Exemple : une formule correcte en première ligne peut devenir fausse après recopie si une référence qui devait rester fixe se décale. L’IA peut proposer la formule, mais il faut encore savoir vérifier ce qui bouge et ce qui doit rester constant.
La troisième, la plus difficile à repérer, est une erreur d’intention métier. La formule peut être techniquement valide : elle calcule quelque chose de cohérent, sans pour autant répondre à la vraie question posée. Par exemple, une formule qui additionne un chiffre d’affaires « brut » alors que le besoin réel portait sur un montant « net » ne provoquera aucune erreur visible dans Excel : le résultat sera juste faux, silencieusement.
Exemple : l’IA peut proposer une formule qui additionne correctement une colonne de chiffre d’affaires, alors que le besoin réel concernait uniquement les montants hors taxes. Le calcul fonctionne, mais il ne répond pas à la bonne question.
Faut-il encore connaître les fonctions Excel par cœur ?
Pas de la même manière qu’avant. Il y a quelques années, savoir écrire une formule de mémoire, avec la bonne syntaxe et le bon ordre d’arguments, était une compétence en soi. Aujourd’hui, ce savoir-écrire pèse moins : l’IA peut proposer une syntaxe adaptée sans qu’on ait besoin de la retenir exactement.
Ce qui reste indispensable, en revanche, c’est le savoir-comprendre : être capable de lire une formule, qu’elle vienne de l’IA, d’un collègue ou d’un fichier hérité, et de saisir ce qu’elle fait réellement. Sans ce savoir-comprendre, une formule reste une boîte noire, pratique tant que tout va bien, dangereuse dès que quelque chose ne colle pas.
Quelles bases faut-il absolument comprendre malgré l’IA ?
Quelques notions restent la fondation sur laquelle tout le reste s’appuie, quelle que soit la façon dont la formule a été écrite.
La différence entre référence relative et référence absolue reste centrale : une formule qui se comporte différemment selon qu’on la copie vers le bas ou vers la droite continuera de dérouter ceux qui ne comprennent pas ce mécanisme, IA ou pas.
Comprendre ce qu’est une plage, et à quel point ses bornes exactes changent le résultat, permet de repérer immédiatement une formule suspecte, par exemple une somme qui s’arrête une ligne trop tôt.
La logique conditionnelle, illustrée par une fonction comme SI, reste une base : comprendre qu’une condition peut être vraie ou fausse, et que la formule doit prévoir les deux cas, aide à juger si une formule proposée couvre vraiment toutes les situations, y compris les cellules vides ou les cas particuliers.
La logique de recherche, avec des fonctions comme RECHERCHEX (XLOOKUP), et la logique d’agrégation conditionnelle, avec des fonctions comme SOMME.SI.ENS (SUMIFS), demandent dans les deux cas de bien comprendre quelles données sont utilisées, quels critères sont appliqués et quel résultat on cherche à obtenir. Cette compréhension permet de vérifier qu’une formule utilise bien les bonnes données et les bons critères, plutôt que de faire confiance uniquement parce que le résultat « a l’air » cohérent.
Dans quels cas l’IA fait-elle réellement gagner du temps ?
L’IA est particulièrement utile sur des tâches simples, répétitives et bien structurées : un premier jet de formule à partir d’une description claire, une explication rapide d’une formule complexe déjà présente dans un fichier, ou une suggestion de départ quand on ne sait pas par où commencer.
Elle rend aussi service pour transformer une idée générale en syntaxe correcte, notamment quand on connaît la logique qu’on veut appliquer mais qu’on ne se souvient plus du nom exact d’une fonction ou de l’ordre de ses arguments.
Quand faut-il se méfier d’une formule proposée par l’IA ?
La prudence s’impose surtout quand la règle métier est ambiguë ou dépend d’un contexte que l’IA ne connaît pas forcément, par exemple des exceptions propres à une entreprise, des cas particuliers gérés différemment d’un service à l’autre, ou des règles qui ont évolué avec le temps sans être documentées quelque part.
Elle s’impose également face aux cas limites : cellules vides, doublons, données réparties sur plusieurs feuilles ou plusieurs classeurs. Ce sont exactement les situations où une formule peut sembler fonctionner sur un échantillon de test, tout en se comportant différemment sur l’ensemble réel des données.
Enfin, la vigilance reste de mise chaque fois qu’un résultat « a l’air juste » sans avoir été vérifié. Une formule qui donne un nombre plausible n’est pas la même chose qu’une formule dont on a confirmé, sur quelques cas connus, qu’elle donne le bon nombre. Microsoft recommande d’ailleurs explicitement de vérifier les résultats produits par Copilot avant de s’y fier.
L’IA peut proposer une formule, mais la validation du résultat reste une responsabilité humaine.
Alors, faut-il encore apprendre Excel ?
Oui, mais pas de la même façon qu’avant. Le savoir-écrire, c’est-à-dire retenir exactement chaque syntaxe, compte un peu moins qu’il y a quelques années. Le savoir-comprendre et le savoir-contrôler, eux, comptent davantage : c’est ce qui permet de lire une formule proposée par une IA, d’en repérer les limites, et de vérifier qu’elle répond vraiment au besoin, pas seulement à la question telle qu’elle a été formulée.
La compétence Excel ne disparaît pas avec l’arrivée de l’IA. Elle se déplace : moins de mémorisation mécanique, davantage de compréhension et de contrôle sur ce que l’outil propose.
