Nettoyer son fichier client avec l’IA : 3 prompts à copier

Nettoyer son fichier client avec l’IA, c’est la tâche qu’on repousse depuis des mois. Les doublons s’accumulent, les prénoms sont en majuscules, deux colonnes « téléphone » cohabitent et plus personne ne sait quels contacts sont encore actifs. Puis arrive le jour de la relance commerciale : un client reçoit le message deux fois, trente emails rebondissent, et la segmentation tombe à l’eau.

Bonne nouvelle : il n’y a besoin ni de développeur, ni de formule Excel à rallonge. Un export CSV, trois prompts, et vous passez d’un fichier bancal à une base exploitable en une vingtaine de minutes.

Ce que vous repartez avec : un pack de 3 prompts paramétrés (diagnostic, normalisation, dédoublonnage), le tableau des variables à remplacer, et la grille de règles à fixer avant de lancer l’IA. Tout est copiable tel quel.

Pourquoi un fichier client sale coûte vraiment de l’argent

Un fichier approximatif ne se contente pas d’être inconfortable, il abîme trois choses à la fois. D’abord votre délivrabilité : les adresses invalides font grimper le taux de rebond, et les plateformes d’envoi sanctionnent les expéditeurs qui envoient dans le vide. Ensuite votre relation client : relancer deux fois la même personne, ou appeler « Monsieur » une cliente, c’est le genre de détail qui se remarque. Enfin votre pilotage : sans colonne fiable sur la date du dernier achat ou la source du contact, impossible de savoir qui relancer en priorité.

Il y a aussi un volet réglementaire. Le RGPD pose un principe d’exactitude (article 5) : les données doivent être exactes et, si nécessaire, tenues à jour. Et la CNIL recommande de ne pas conserver les données de prospects au-delà de 3 ans après le dernier contact. Nettoyer sa base, ce n’est donc pas seulement du confort, c’est aussi une obligation de bonne tenue.

Avant de coller quoi que ce soit dans une IA

Un fichier client, ce sont des données personnelles, et vous en êtes responsable. Trois précautions suffisent à travailler sereinement. Un : mettez vos règles au point sur un échantillon fictif ou anonymisé (remplacez noms et emails par des valeurs inventées), puis appliquez les règles validées à votre vrai fichier. Deux : dans les réglages de votre compte IA, désactivez l’utilisation de vos conversations pour l’entraînement. Trois : pour une base volumineuse, demandez à l’IA la règle ou la formule plutôt que de lui envoyer les 4 000 lignes, et appliquez-la dans votre tableur.

Nettoyer son fichier client avec l’IA : la méthode en 3 prompts

Exportez votre fichier en CSV depuis votre CRM, votre outil d’emailing ou votre tableur. Ouvrez-le, copiez la ligne d’en-têtes plus une vingtaine de lignes, et enchaînez les trois prompts ci-dessous dans la même conversation. N’importe quel assistant généraliste fait l’affaire ici ; pour du copier-coller de tableaux un peu longs, Claude s’en sort bien, mais la version gratuite de ChatGPT ou Gemini suffit.

Prompt 1 : le diagnostic (5 minutes)

Objectif : savoir ce qui cloche avant de toucher à quoi que ce soit. On demande un état des lieux, pas une correction.

Tu es responsable de la qualite des donnees dans une PME.
Voici la ligne d'en-tetes et 20 lignes d'un export de mon fichier client :
[COLLE ICI TES 20 LIGNES, DONNEES ANONYMISEES]

Analyse ce fichier et rends-moi :
1. Un tableau : colonne | format attendu | format reellement present | probleme constate
2. Les 5 problemes de qualite les plus penalisants pour une campagne d'emailing, classes par impact
3. Pour chaque probleme : la regle de correction a appliquer, en une phrase
4. Les colonnes manquantes utiles pour segmenter, du type [SECTEUR], [DATE DERNIER ACHAT], [SOURCE]

Pas d'introduction, pas de conclusion.

Ce que vous obtenez : un état des lieux en une page, avec la liste des règles de correction. C’est ce diagnostic qui alimente le prompt suivant.

Prompt 2 : la normalisation des champs (10 minutes)

Objectif : obtenir un CSV propre, recollable directement dans votre tableur. La consigne clé est la dernière ligne : on interdit à l’IA de combler les trous au hasard.

Voici [NOMBRE] lignes de mon fichier client, colonnes : [LISTE DE TES COLONNES].
[COLLE ICI TES LIGNES]

Normalise ces donnees selon ces regles :
- Prenom et nom : premiere lettre en majuscule, le reste en minuscules
- Email : tout en minuscules, sans espace ; signale les emails invalides sans les corriger
- Telephone : format +33 X XX XX XX XX pour la France
- Entreprise : enleve la forme juridique (SARL, SAS, EURL) et mets-la dans une colonne separee
- Ville : majuscule initiale ; n'ajoute un code postal que si tu en es certain
- Dates : format AAAA-MM-JJ

Rends le resultat en CSV, separateur point-virgule, avec une derniere colonne A_VERIFIER qui liste en clair ce que tu n'as pas pu corriger de facon certaine.
Regle absolue : si une information manque, laisse la case vide. N'invente aucune donnee.

Ce que vous obtenez : un bloc CSV à coller dans une nouvelle feuille, plus une colonne A_VERIFIER qui concentre les cas douteux. En général 5 à 10 % des lignes, celles-là seules méritent une relecture humaine.

Prompt 3 : doublons et contacts à sortir (5 minutes)

Objectif : fusionner ce qui doit l’être et décider qui reste dans la base. C’est l’étape que les filtres Excel font mal, parce qu’un doublon s’écrit rarement deux fois pareil.

Voici mon fichier client normalise ([NOMBRE] lignes) :
[COLLE ICI TES LIGNES]

Mission 1 : repere les doublons probables, meme quand l'orthographe differe (Jean Dupont / J. Dupont, meme domaine d'email, meme telephone). Pour chaque groupe : les lignes concernees, la fiche a garder, et pourquoi.
Mission 2 : classe chaque contact dans un de ces 4 statuts :
- CLIENT ACTIF : achat depuis moins de [12] mois
- CLIENT DORMANT : achat plus ancien
- PROSPECT A RELANCER : jamais d'achat, contact de moins de [3] ans
- A SORTIR : dernier contact de plus de [3] ans, email invalide, ou desabonnement
Mission 3 : pour chaque statut, donne le nombre de lignes et la premiere action a mener.

Rends un tableau : LIGNE | STATUT | DOUBLON DE | ACTION.

Ce que vous obtenez : la liste des fusions à faire et une base segmentée en quatre paquets, dont celui des contacts à archiver pour rester dans les clous du RGPD.

Les variables à remplacer

Avant / après : ce que ça donne sur 5 lignes

Voici un extrait réel de sortie, sur des données volontairement fictives mais représentatives du désordre habituel.

Les règles à fixer avant de lancer l’IA

Combien de temps ça prend, et ce que l’IA ne fera pas

Sur un bloc de 100 lignes, comptez 20 minutes la première fois, dont la moitié pour caler vos règles. Les blocs suivants passent à 5 minutes chacun, l’essentiel du temps étant le copier-coller. Pour 1 000 contacts, prévoyez une bonne heure, en une fois ou en plusieurs passes.

Deux limites à garder en tête. L’IA ne vérifie pas si une adresse existe vraiment : elle repère les formats invalides, pas les boîtes fermées (seul un test d’envoi ou un validateur le fera). Et elle peut combler un vide avec une valeur plausible si vous ne le lui interdisez pas, d’où la règle « laisse vide plutôt que deviner » et la colonne A_VERIFIER. Une fois la base assainie, la même logique s’applique au reste de vos données : analyser un fichier Excel avec l’IA devient autrement plus utile sur un fichier propre, et vous pouvez enchaîner avec le tri de vos emails. Pensez enfin à figer la méthode dans une procédure interne, pour que le prochain export arrive déjà propre.

Questions fréquentes

À vous de jouer

Nettoyer son fichier client avec l’IA ne demande pas un projet, juste un export et vingt minutes. Gardez les trois prompts ci-dessus dans vos notes : diagnostic, normalisation, doublons. Lancez-les ce matin sur 100 lignes, et vous saurez en une demi-heure combien de contacts vous relanciez pour rien.

Envie d’aller plus loin ? Parcourez les autres prompts prêts à l’emploi de SkillsLabs et piochez celui qui correspond à votre prochaine tâche du quotidien.

Xavier Louis

Gérant de WebXplore et passionné d'IA. Je partage sur SkillsLabs les méthodes, prompts et automatisations que j'utilise vraiment au quotidien.

Me suivre sur X ↗