Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Cahier de laboratoire : Analyse de fichier CSV

Dans cette expérience, on demande à un LLM d’écrire un prompt qui permettrait d’effectuer une analyse d’un fichier CSV et  nous exécutons le prompt proposé.

Modèle utilisé:

GPT-4o

Sources:
Bulletin-scolaire

Prompt:

Utilisateur
écris moi un prompt qui permet l’analyse d’un fichier CSV en mettant en avant les valeurs faibles et les valeurs hautes ainsi que les erreurs. Le fichier CSV correspond à un bulletin de notes d’un élève. Chaque ligne correspond à une matière avec la note de l’élève, la moyenne de la classe, la note la plus haute et la note la plus basse.

ChatGPT

Voici un **prompt clair et complet** que tu peux utiliser pour analyser un fichier CSV correspondant à un **bulletin de notes d’un élève** :

**Prompt :**

> Analyse ce fichier CSV représentant un bulletin de notes. Chaque ligne correspond à une matière et contient les colonnes suivantes :
> – Nom de la matière
> – Note de l’élève
> – Moyenne de la classe
> – Note la plus haute
> – Note la plus basse
>
> Réalise l’analyse suivante :
> 1. **Classe les matières** de la note la plus **faible** à la plus **haute** de l’élève.
> 2. **Mets en évidence** les matières où :
> – L’élève a une **note inférieure à la moyenne de la classe**
> – L’élève a la **note la plus basse**
> – L’élève a la **note la plus haute**
> 3. **Détecte les erreurs potentielles** :
> – Valeurs manquantes ou non numériques
> – Incohérences logiques (par exemple : la note de l’élève en dehors de l’intervalle [note la plus basse, note la plus haute])
>
> Présente ensuite un **résumé clair**, avec :
> – Les **points forts** de l’élève (matières réussies)
> – Les **points faibles** de l’élève (matières à améliorer)
> – Une **liste des erreurs ou anomalies détectées**
>
> Si possible, ajoute des **suggestions** d’interprétation ou d’amélioration.

Tu veux que je t’aide à transformer ça en script Python ou en modèle de rapport automatique ?

Utilisateur

Analyse ce fichier CSV représentant un bulletin de notes. Chaque ligne correspond à une matière et contient les colonnes suivantes :

Nom de la matière

Note de l’élève

Moyenne de la classe

Note la plus haute

Note la plus basse

Réalise l’analyse suivante :

Classe les matières de la note la plus faible à la plus haute de l’élève.

Mets en évidence les matières où :

L’élève a une note inférieure à la moyenne de la classe

L’élève a la note la plus basse

L’élève a la note la plus haute

Détecte les erreurs potentielles :

Valeurs manquantes ou non numériques

Incohérences logiques (par exemple : la note de l’élève en dehors de l’intervalle [note la plus basse, note la plus haute])

Présente ensuite un résumé clair, avec :

Les points forts de l’élève (matières réussies)

Les points faibles de l’élève (matières à améliorer)

Une liste des erreurs ou anomalies détectées

Si possible, ajoute des suggestions d’interprétation ou d’amélioration.

ChatGPT

Voici l’analyse complète du bulletin de l’élève :

### 📝 **Classement des matières (de la note la plus faible à la plus haute)**

| Rang | Matière | Note |
|——|——————————————–|——|
| 1 | Sciences de la Vie et de la Terre | 9.4 |
| 2 | Education physique et sportive | 10.1 |
| 3 | Mathématiques | 10.5 |
| 4 | Musique | 10.8 |
| 5 | Technologie | 11.3 |
| 6 | LV1 Anglais | 11.8 |
| 7 | LV2 Espagnol | 12.2 |
| 8 | (Ligne anonyme/erreur détectée) | 12.2 |
| 9 | Arts plastiques | 13.2 |
| 10 | Histoire-Géographie | 13.7 |
| 11 | Français | 14.2 |
| 12 | Physique-Chimie | 17.0 |

### ⚠️ **Matières où l’élève est en difficulté**

– L’élève a une **note inférieure à la moyenne de la classe** dans :
– Mathématiques (10.5 < 11.6)
– LV1 Anglais (11.8 < 13.1)
– EPS (10.1 < 13.9)
– SVT (9.4 < 11.2)
– Technologie (11.3 < 14.0)
– Musique (10.8 < 12.5)

– L’élève a la **note la plus basse** dans :
– EPS (10.1)
– SVT (9.4)
– Musique (10.8)

### 🏅 **Matières avec excellents résultats**

– L’élève a la **note la plus haute** dans :
– Histoire-Géographie (13.7)
– Physique-Chimie (17.0)

– **Points forts** (l’élève dépasse la moyenne de classe d’au moins 1 point) :
– LV2 Espagnol (12.2 vs 10.9)
– Histoire-Géographie (13.7 vs 12.7)
– Physique-Chimie (17.0 vs 10.3)
– Arts plastiques (13.2 vs 10.7)

### ❌ **Erreurs ou anomalies détectées**

– Une ligne contient des **valeurs manquantes** :
– Ligne sans nom de matière ni enseignant, avec une note de 12.2 et moyenne de classe 12.7, mais sans note minimale ou maximale.

### ✅ **Suggestions d’interprétation ou d’amélioration**

– **Consolider les matières scientifiques** (SVT, Technologie, EPS), où l’élève est souvent en dessous de la moyenne ou au niveau minimal.
– **Renforcer la compréhension en LV1 Anglais et Mathématiques**, deux matières fondamentales où l’élève est en retrait.
– **Encourager les domaines artistiques et Physique-Chimie**, qui semblent bien maîtrisés.
– Vérifier l’entrée erronée (ligne sans matière) dans le bulletin, à corriger dans le fichier source.

Souhaites-tu un rapport PDF ou une version graphique de ce résumé ?

Utilisateur

rapport PDF

ChatGPT

Le PDF n’a pas pu être généré à cause de caractères spéciaux (comme l’apostrophe typographique `’`) non compatibles avec l’encodage par défaut de la bibliothèque utilisée (`latin-1`).

Je vais corriger cela en remplaçant les caractères problématiques par des équivalents simples avant de régénérer le PDF.

ChatGPT

Voici le Analyse_Bulletin_Eleve contenant l’analyse complète du bulletin de l’élève :

Conclusion

L’analyse du fichier CSV est imparfaite.
– Du fait de la mauvaise écriture du prompt:
En effet, il n’est pas spécifié dans le prompt que la dernière ligne corresponde à la moyenne de l’ensemble.
– Du fait de sa mauvaise interprétation des matières:
L’EPS est considéré comme une matière scientifique.
Enfin la moyenne de moyennes de la classe est fausse et le llm ne l’a pas détecté.


OpenEdition vous propose de citer ce billet de la manière suivante :
_ (4 juin 2025). Cahier de laboratoire : Analyse de fichier CSV. Les carnets du LaMOP. Consulté le 16 février 2026 à l’adresse https://doi.org/10.58079/141zx


Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

This site uses Akismet to reduce spam. Learn how your comment data is processed.