S'inscrire gratuitement

Rédiger un commentaire oral sans exagération pour des graphiques de données

Auteur: AILesson6 min de préparationTesté avec:ChatGPTRévisé: 2026-08-28

Réponse rapide

Expliquer ce qu’un graphique montre, ce qu’il ne montre pas et quelle décision il peut raisonnablement étayer. Fournir: Données et représentation du graphique, Méthode et limites, Public et contexte décisionnel. Résultat attendu: Un commentaire concis du graphique avec contexte, comparaison, limites et conclusion conforme aux données.

1

Ajouter votre contexte

Votre texte reste dans ce navigateur. AILesson Prompts ne l’envoie ni à un modèle ni à un serveur.

2

Votre prompt

Les champs non remplis restent visibles sous forme d’espaces réservés, afin que vous puissiez quand même copier et modifier le prompt.

Rédigez une explication orale du graphique de données fourni.

Titre, type, représentation, valeurs, dénominateurs, filtres, données manquantes et source du graphique :
[chart]

Période, échantillon, comparaison, incertitudes, révisions et limites causales :
[method]

Public, durée, question, décision et affirmations interdites :
[context]

Auditez le graphique avant d’en rédiger le commentaire : vérifiez les unités, les dénominateurs, la base et l’étendue des axes, l’ordre des catégories, l’agrégation, les intervalles de temps, la taille de l’échantillon, les valeurs manquantes et si la représentation visuelle suggère une comparaison que les données ne peuvent pas étayer. Signalez d’abord tout problème important du graphique et proposez une formulation corrigée ; ne rendez pas une conception trompeuse acceptable par le seul recours à un commentaire prudent.

Rédigez un commentaire naturel dans cet ordre : situez la mesure, la période et la population pour le public ; exposez la tendance la plus pertinente pour la décision avec son ampleur exacte et sa base de comparaison ; relevez une exception ou une incertitude importante ; expliquez l’implication étayée ; indiquez ce que le graphique ne permet pas d’établir ; faites le lien avec la décision ou la diapositive suivante. Distinguez les points de pourcentage de la variation en pourcentage, la corrélation de la causalité, les prévisions des réalisations et les nombres des taux. Incluez une version de 15 secondes, une version complète minutée, un texte de remplacement accessible, une interprétation erronée probable accompagnée de sa correction et un audit littéral reliant chaque affirmation à la cellule ou à la source.
Essayer dans le Playground
Privé par défautL’assemblage du prompt se fait localement dans votre navigateur. Évitez de placer des informations confidentielles dans un service d’IA, sauf si votre organisation l’autorise.

De l'entrée au résultat

Un exemple détaillé

Voyez comment un contexte concret transforme cette recette en résultat utilisable.

Entrée réelle

Données et représentation du graphique
Barres groupées intitulées 'Reservation collection before expiry'. Période précédente : 107/198, 54 % ; projet pilote de rappel : 131/214, 61 %. L’axe Y commence à 50 % et se termine à 65 %. Les étiquettes affichent 54 et 61, mais pas n. Cellules sources Pilot!B4:C5 ; uniquement les usagers adultes ayant accepté de participer. Six dossiers dont le statut de retrait était inconnu ont été exclus : 2 pour la période précédente et 4 pour le projet pilote.
Méthode et limites
Deux périodes consécutives de six semaines en 2026, sans randomisation. La composition saisonnière des titres différait. Les pourcentages utilisent comme dénominateur les dossiers dont le statut est connu. Aucun intervalle de confiance calculé. Le journal du projet pilote a été révisé le 26 août après suppression des doublons. Cette comparaison ne permet pas d’établir que les rappels ont causé la différence.
Public et contexte décisionnel
Direction de la bibliothèque, 45 secondes. Décider s’il faut financer la conception d’un test de suivi randomisé. Éviter les termes « hausse », « amélioration », « efficace » ou « significatif ». La diapositive suivante présente les désinscriptions et la charge de travail du personnel.

Exemple de sortie

Audit du graphique : l’axe tronqué de 50 à 65 % amplifie visuellement un écart de sept points de pourcentage, et l’absence des étiquettes n masque la différence entre les dénominateurs. Redessinez le graphique avec un axe partant de zéro ou utilisez un diagramme à points couvrant toute l’échelle pertinente ; indiquez 107/198 et 131/214, ainsi que les six dossiers au statut inconnu qui ont été exclus. Ne présentez pas le graphique tant que la note sur les dénominateurs n’est pas visible.

Version de 15 secondes : « Parmi les adultes ayant accepté de participer et dont le statut est connu, 61 % ont retiré leur réservation pendant les six semaines du projet pilote, contre 54 % au cours des six semaines précédentes, soit un écart de sept points de pourcentage. Les périodes n’étaient pas randomisées : cela justifie un test, mais ne prouve pas que les rappels ont causé la différence. »

Version complète, environ 40 secondes : « Ce graphique compare les usagers adultes ayant accepté de participer et dont le statut de retrait est connu au cours de deux périodes consécutives de six semaines. Pendant la période précédente, 107 réservations sur 198, soit 54 %, ont été retirées avant expiration. Pendant le projet pilote de rappel, ce nombre était de 131 sur 214, soit 61 %. L’écart est de sept points de pourcentage, ou d’environ 13 % par rapport à 54 %, mais l’expression en points de pourcentage est plus claire ici. Six dossiers au statut inconnu ont été exclus. Comme les périodes n’étaient pas randomisées et que la composition des titres différait, le graphique ne permet pas d’affirmer que les rappels ont produit cet écart. Il justifie la conception d’un test plus rigoureux. Avant cette décision, la diapositive suivante présente les garde-fous liés aux désinscriptions et à la charge de travail du personnel. »

Texte de remplacement accessible : « Tableau : période précédente 107/198, 54 % ; projet pilote 131/214, 61 % ; statuts connus uniquement ; respectivement 2 et 4 statuts inconnus exclus. » Interprétation erronée probable : « Le retrait s’est amélioré de 7 %. » Correction : l’écart est de 7 points de pourcentage ; la causalité est inconnue. Audit : 107/198 et 131/214 correspondent à Pilot!B4:C5 ; toutes les réserves proviennent de la méthode fournie.

Pourquoi cela fonctionne

  1. 1

    Un ordre de commentaire fixe intègre les dénominateurs et les limites à l’explication au lieu de les reléguer dans des notes facultatives

  2. 2

    L’audit reliant les affirmations aux sources repère les formulations persuasives qui dépassent discrètement les données représentées

Vérifier le résultat

  • La mesure, la population, la période, le dénominateur et la base de comparaison sont-ils clairement énoncés ?

  • Les points de pourcentage, la variation en pourcentage, la causalité, les prévisions et les incertitudes sont-ils traités correctement ?

  • La conclusion étaye-t-elle la décision demandée sans dépasser ce que montre le graphique ?

Utilisez-la en toute confiance

Questions fréquentes

Des réponses pratiques sur le bon moment pour utiliser cette recette, ce qu’il faut fournir et les cas où une vérification humaine reste nécessaire.

Que dois-je préparer avant d’utiliser « Rédiger un commentaire oral sans exagération pour des graphiques de données » ?

Pour utiliser « Rédiger un commentaire oral sans exagération pour des graphiques de données », préparez les données et la représentation du graphique, la méthode et ses limites, ainsi que le public et le contexte décisionnel. Ne remplacez les espaces réservés que par des informations vérifiables. Si un détail est inconnu, indiquez explicitement cette incertitude au lieu de demander au modèle de le déduire.

Dans quels cas le résultat de « Rédiger un commentaire oral sans exagération pour des graphiques de données » n’est-il pas prêt à l’emploi ?

Le résultat n’est pas prêt s’il ne permet pas encore d’obtenir, à partir des éléments fournis, le résultat annoncé — un commentaire concis du graphique avec contexte, comparaison, limites et conclusion conforme aux données — ou s’il repose sur des hypothèses non résolues, des approbations manquantes ou des détails inventés. Utilisez les vérifications comme conditions de validation : révisez les données sources ou désignez une personne nommément identifiée et habilitée pour effectuer la revue, au lieu de peaufiner un résultat non étayé.

Pour quels outils d’IA des tests de « Rédiger un commentaire oral sans exagération pour des graphiques de données » ont-ils été consignés ?

Le registre de tests publié pour « Rédiger un commentaire oral sans exagération pour des graphiques de données » mentionne ChatGPT à la date du 28 août 2026. Cela confirme l’existence d’essais consignés, mais ne garantit ni la compatibilité ni des résultats identiques dans les versions ultérieures du produit. Avec un autre outil ou une autre version, gardez toutes les contraintes visibles et répétez les vérifications du résultat avant utilisation.

Plus de façons d'explorer

Où se situe cette recette

Prompts texteAnalyse de donnéesPrésentations et prise de parole en public

Faites avancer votre travail

AILesson · Cours recommandés

Votre prochaine étape : mettez l’IA à contribution

Passez de la compréhension de l'IA à l'action. Entraînez-vous à formuler des requêtes, à évaluer et à améliorer les résultats grâce à des leçons interactives pour le travail et la vie quotidienne.

Découvrir tous les cours
Image de couverture de L’IA pour débutants

15 leçons interactives

L’IA pour débutants

Lancez une conversation utile avec une IA, améliorez sa réponse, vérifiez l’essentiel et sachez quand c’est à vous d’agir.

Découvrir ce cours
Image de couverture de Les bases de ChatGPT

10 leçons interactives

Les bases de ChatGPT

Découvrez ChatGPT à travers trois flux de travail pratiques : mener une première conversation, travailler à partir d’un fichier, puis utiliser Projects pour réutiliser un plan vérifié dans une nouvelle conversation.

Découvrir ce cours
Image de couverture de Comment fonctionne l’IA générative

7 leçons interactives

Comment fonctionne l’IA générative

Comprenez comment les systèmes courants de chat IA apprennent des structures linguistiques, utilisent les messages actuels, construisent leurs réponses et intègrent des sources et des outils.

Découvrir ce cours