File: 'Q1-2026-revenue-by-segment.csv'\nRows: 18 · Columns: month, segment, mrr, customer_count, churn_rate\n\nFull data:\n2025-11, SMB, $42,300, 312, 4.1%\n2025-11, Mid-Market, $128,500, 87, 2.2%\n2025-11, Enterprise, $89,000, 12, 1.0%\n2025-12, SMB, $40,800, 298, 4.8%\n2025-12, Mid-Market, $134,200, 91, 2.0%\n2025-12, Enterprise, $94,500, 13, 0.8%\n2026-01, SMB, $38,100, 281, 5.4%\n2026-01, Mid-Market, $141,800, 95, 1.9%\n2026-01, Enterprise, $98,200, 14, 0.7%\n2026-02, SMB, $35,200, 263, 6.1%\n2026-02, Mid-Market, $148,900, 99, 1.7%\n2026-02, Enterprise, $108,000, 16, 0.5%\n2026-03, SMB, $33,400, 245, 6.8%\n2026-03, Mid-Market, $156,200, 104, 1.5%\n2026-03, Enterprise, $115,500, 18, 0.4%\n2026-04, SMB, $31,200, 228, 7.2%\n2026-04, Mid-Market, $164,400, 109, 1.4%\n2026-04, Enterprise, $122,800, 20, 0.3%\n\nAuto-detected: SMB MRR is declining month-over-month while Mid-Market and Enterprise are growing. Total MRR is growing despite SMB decline. SMB churn rate has nearly doubled over the period.

Summary  
This chapter covers prompt chaining and contextual prompting for analyzing structured data, showing how to load a dataset once and reuse it with different analytical questions.

General domain of usage  
Data analysis

Vous pouvez soumettre un fichier CSV à Claude et obtenir en retour **« Le MRR est globalement en hausse. »** Inutile. Vous pouvez aussi recevoir une analyse concise en trois lignes qui identifie le segment en difficulté, le mois où cela a commencé, et ce qu'il faut faire. Même données – consigne système différente.

## Le passage des notes aux chiffres

Un outil de lecture de notes fournit du texte. Un outil de tableur retourne des lignes – mais cela change simplement le **mode d’échec** au lieu de l’éliminer.

| Type d'entrée | Échec typique |
|---|---|
| Texte (notes, documents) | **Omissions** |
| Chiffres (tableurs) | **Répétitions** |

Demandez **« résume ce tableur »** et vous obtiendrez : **« Les revenus ont augmenté, le churn a varié, les clients ont fluctué. »** Tout est vrai, tout est inutile. Le modèle doit **interpréter** les chiffres, pas les répéter.



## Forcer l’interprétation

La consigne système dans ce laboratoire impose trois actions :

1. 3 principaux constats – avec des chiffres précis cités (mois, segments, pourcentages) ;
2. Une anomalie notable – un point que la plupart des gens manqueraient à la première lecture ;
3. Une recommandation – une action concrète, pas une banalité.

À retenir : les données structurées nécessitent des demandes structurées. Sinon, le modèle se contente de décrire poliment le tableur.

## Tâche

>Analysez cette feuille de calcul des revenus. Quelles sont les principales tendances à présenter lors de la réunion de direction de la semaine prochaine ?

Ensuite, approfondissez :

>Examinez le segment SMB. Qu'est-ce qui explique la hausse du churn ?

>Que se passerait-il pour le MRR total si le churn SMB continue d'augmenter à ce rythme ?

>Sur quel segment devrions-nous concentrer nos efforts pour le T3 ?

Chaque question de suivi utilise les mêmes données chargées. Même chiffres, perspectives différentes.

Un cours pratique et accessible aux débutants, conçu pour les utilisateurs professionnels non techniques afin de comprendre et d'exploiter les outils et concepts de l'IA dans leur travail quotidien. Le cours couvre les concepts fondamentaux de l'IA, la communication efficace avec l'IA, l'utilisation pratique des outils alimentés par l'IA et la création d'assistants IA simples.

Introduction à l'intelligence artificielle, aux grands modèles de langage et au vocabulaire essentiel de l'IA pour les utilisateurs professionnels.

Apprenez à communiquer efficacement avec les systèmes d'IA grâce à l'ingénierie des invites et à la sélection du ton.

Découvrez comment l'IA peut être intégrée aux outils professionnels pour la recherche, la prise de notes et l'analyse de données.

Apprenez les bases des personas d'agents et comment créer et ajuster des assistants IA simples pour le travail.