Flux de bout en bout : du briefing à la répétition, en passant par la vérification, la confidentialité et la livraison — Intelligence artificielle dans la présentation et la visualisation de données

Gains :

Capacité à exécuter un travail de présentation/données dans un flux reproductible comprenant des étapes de briefing, de préparation des données, de structure, de contenu/graphiques, de validation, de vérification et de livraison.
En anonymisant et en regroupant les données sensibles, l'outil externe peut fonctionner sans violation de la confidentialité et effectuer une vérification croisée des chiffres critiques.
Capacité à assumer la responsabilité de la livraison finale en utilisant l'intelligence artificielle comme partenaire de répétition et en testant des questions et des délais difficiles

Les unités précédentes enseignaient les compétences une par une : structure, texte, design, sélection graphique, code, tableau de bord, histoire, infographie, honnêteté. Cette unité finale les combine tous en un seul flux de travail : un brief est arrivé, vous livrerez une présentation/visualisation de données. Notre objectif est d'établir une méthode reproductible qui utilise l'IA du début à la fin mais la valide à chaque étape, en préservant la confidentialité et l'éthique.

Sept étapes pour un flux de bout en bout

Brief et portée : public cible, objectif, message principal, durée, canal (présentation, rapport, médias sociaux), restrictions.
Préparation des données : Collecter, nettoyer, anonymiser les données ; Décidez de ce qui entre dans le véhicule externe.
Structure et récit : Choisissez un motif, construisez le dos de la diapositive (Unités 2, 8).
Contenu et graphiques : Écrivez du texte, choisissez et codez le bon graphique, configurez le design (Unité 3-6).
Intégrité et vérification : Chaque numéro, chaque graphique, chaque réclamation est audité (Unité 10).
Répétez et modifiez : essayez la présentation à voix haute, chronométrez-la, agrémentez-la de commentaires.
Livraison et archivage : version finale, notes sources et code/modèle réutilisable.

Astuce : faites de ces sept étapes une liste de contrôle et répétez-les pour chaque travail. La standardisation du flux de travail évite à la qualité de dépendre d'un formulaire individuel.

Préparation des données et confidentialité : l’arrêt le plus critique

Avant de donner des données à l’IA, arrêtez-vous et demandez : ces données peuvent-elles entrer dans un système externe ? Quelques notions : données personnelles (informations permettant d'identifier un individu, telles que nom, identité, contact, état de santé, salaire) ; anonymisation (suppression irréversible de l'identité) ; agrégation (donner la moyenne/total au lieu d’une ligne individuelle). Règle :

Ne saisissez jamais de données contenant des secrets personnels/commerciaux dans un outil qui n'est pas approuvé par l'institution.
Si vous devez saisir, anonymiser ou regrouper : supprimez les colonnes de nom/identifiant, affichez les individus uniquement au sein du groupe.
Lors de la génération de graphiques/codes, donnez au modèle la structure des données (noms de colonnes, types), et non les lignes de précision brute.

Votre rôle : contrôleur de la confidentialité des données. Colonnes de l'ensemble de données suivant : [liste]. Je vais transmettre cela à un outil d'IA externe pour produire un graphique. Quelles colonnes peuvent être personnelles/sensibles ? Marquez ce que je dois anonymiser ou agréger et suggérez comment le faire (supprimer, masquer, grouper). Dites-moi comment je peux travailler avec le moins de données suffisantes pour l'analyse.

Attention : Coller des données sensibles « une seule fois, rapidement » est la forme la plus courante de violation de la vie privée. Une fois sorties, les données ne peuvent pas être récupérées.

Validation : filtre final avant livraison

Appliquez les quatre étapes de l'unité 1 (source, cohérence, honnêteté, contexte) à l'ensemble de la présentation. De plus, effectuez une vérification croisée : confirmez les nombres critiques avec un outil extérieur au modèle (tableur, calculatrice).

contrôle

Question

véhicule

Source

D'où vient chaque numéro ?

Source de données/remarque

Cohérence

Le texte graphique de la diapositive est-il le même ?

Lisez en diagonale avec vos yeux

honnêteté

Le graphique exagère-t-il ?

Inspection de l'unité 10

compte

Le total/pourcentage est-il correct ?

feuille de calcul

Citation

La citation/source est-elle réelle ?

Open source, vérifiez

Méfiez-vous particulièrement des hallucinations (informations fabriquées) : le modèle peut « fabriquer » une statistique, une citation ou une source. Ouvrez et vérifiez toutes les sources externes et les chiffres figurant sur la diapositive.

Répétition : tester la présentation avec l’intelligence artificielle

L'intelligence artificielle peut être un partenaire de répétition : générer des questions difficiles du point de vue du public, trouver des transitions faibles, estimer la durée.

Votre rôle : un public exigeant et un coach de présentation. Consultez le cadre de la présentation et les notes du conférencier ci-dessous. 1) Générez les 5 questions les plus difficiles que ce public ([rôle]) posera. 2) Marquez les transitions faibles/disjointes dans le récit. 3) Estimez approximativement combien de secondes s'écoulent sur chaque diapositive, ce qui fait la durée totale de [X] minutes ; Si c'est trop, suggérez quelles diapositives je devrais raccourcir.Présentation : [ ... ].

Une répétition séparée de la « réunion d'objection » :

Générez 4 objections à la proposition principale de cette présentation et rédigez une réponse en 2 phrases basée sur des données pour chacune. N'inventez pas la réponse ; Écrivez [confirmation] là où une confirmation est requise. Suggestion: [ ... ].

trois mini-cases

Cas 1 — Vitesse de bout en bout. Un consultant répartirait une présentation client typique (recherche + structure + diapositives + graphiques + preuve) sur 2 jours. Lorsque nous avons installé le flux en sept étapes avec intelligence artificielle, le temps a été réduit à environ 1 jour ; Une partie importante du temps gagné a été consacrée à la vérification et aux répétitions, et la qualité n'a pas diminué mais a augmenté.

Cas 2 – Confidentialité de dernière minute. Une équipe exporterait les enregistrements des transactions clients (nom + montant) vers l'outil externe de création de graphiques. Ils se sont arrêtés à l’étape du contrôle de la confidentialité ; Ils ont supprimé les noms et converti les montants en moyenne du segment. L'analyse a de nouveau fonctionné, aucune donnée personnelle n'a été divulguée. Cette décision a été appréciée lors d'un audit ultérieur.

Cas 3 — La répétition a sauvé la scène. Un entrepreneur a demandé à AI de « générer les 5 questions les plus difficiles » avant une présentation aux investisseurs. Trois des questions ont été posées textuellement lors de la réunion ; Il a répondu couramment parce qu'il était préparé. S'il n'avait pas répété, il serait resté bloqué sur la question la plus critique.

Invite faible/Invite forte

Faible :

Préparez et terminez une présentation du début à la fin avec ces données.

Vouloir « tout » d’un seul coup ; aucune vérification, aucun secret, aucune répétition. Le modèle s'adapte aux lacunes, vous ne pouvez pas le contrôler.

Fort :

Mettons en place une présentation étape par étape. Commencez simplement par l'étape 1 : clarifiez le brief (interrogez-moi sur l'audience/l'objectif/le message/la durée/le canal/la contrainte). Ensuite, nous procéderons dans l'ordre : contrôle de la confidentialité des données, structure, contenu + graphiques, contrôle d'honnêteté, vérification. N'inventez pas de chiffres à chaque étape, écrivez ce qui doit être confirmé, ne demandez pas de données sensibles.

La seconde décompose le travail en étapes, vous garde le contrôle à chaque étape et fixe dès le départ les limites de confidentialité/fidélité.

Erreurs courantes

Demander « tout » d’un seul coup : sauter des étapes contourne l’authentification et la confidentialité.
Contourner l'arrêt de confidentialité : transmettre des données sensibles à un agent externe incontrôlé.
Monter sur scène sans répétition : Ne pas anticiper les questions et le temps difficiles.
Ignorer la vérification de la source/de l'attribution : ne pas remarquer une statistique ou une citation fabriquée.
Ne pas archiver : ne pas stocker le code/modèle et tout faire à partir de zéro.
Mettre la responsabilité sur le modèle : Dire « L'IA l'a préparé » ; Cependant, la livraison vous appartient.

En résumé

Construisez votre entreprise de présentation et de visualisation de données de bout en bout en sept étapes : brief, préparation et confidentialité des données, structure/récit, contenu/graphiques, intégrité et vérification, répétition, livraison/archivage. Utilisez l'IA à chaque étape, mais gardez le contrôle : anonymisez les données sensibles, vérifiez chaque numéro et chaque source, faites du modèle votre partenaire de vérification. L’intelligence artificielle accélère tout le flux ; La responsabilité de l'exactitude des données, de l'intégrité du message, de la confidentialité et de la livraison finale vous incombe toujours.

Tâche de candidature

Choisissez un vrai travail de présentation et suivez les sept étapes. (1) Faire interroger le dossier par l'IA. (2) Décidez quelles données doivent être anonymisées avec le contrôle de confidentialité. (3) Exécutez la structure des étapes → contenu → graphique. (4) Effectuer un audit d’intégrité et recouper les chiffres critiques. (5) Demander à l'intelligence artificielle de produire les « 5 questions les plus difficiles » et de les répéter. (6) Archivez la dernière version et le code/modèle réutilisable.

liste de contrôle

[ ] J'ai exécuté le travail selon le flux en sept étapes.
[ ] J'ai anonymisé/agrégé des données sensibles ou je ne les ai pas saisies du tout.
[ ] J'ai validé de manière croisée chaque numéro et source externe en dehors du modèle.
[ ] J'ai vérifié l'intégrité de tous les graphiques.
[ ] J'ai répété avec l'intelligence artificielle ; J'ai testé des questions et du temps difficiles.
[ ] J'ai archivé la dernière version et le modèle/code réutilisable.
[ ] J'accepte d'être responsable de la livraison finale.

Examen de module

1. Quel est le meilleur positionnement de l’intelligence artificielle dans la présentation et la visualisation de données ?

A) L'intelligence artificielle est l'assistant de rédaction, de conception, de code graphique et de critique ; La responsabilité de l’exactitude, de l’honnêteté et de la confidentialité des données incombe aux humains ✔
B) L'intelligence artificielle est une calculatrice ; Chaque chiffre et graphique qu’il donne est absolument correct.
C) L'intelligence artificielle n'est utile que pour décorer les diapositives, elle n'a rien à voir avec les données et les graphiques
D) Puisque l’IA est plus impartiale que les humains, les décisions en matière d’intégrité graphique devraient lui être laissées

Description : Le grand modèle de langage n'est pas une calculatrice ou une machine de vérification, mais un générateur de texte et de plans convaincants. Cela permet de gagner beaucoup de temps dans des rôles tels que la rédaction, la conception, le code graphique et la critique ; Toutefois, la responsabilité de l'exactitude des données, de l'honnêteté du graphique, de la confidentialité et de la livraison finale incombe à la personne compétente.

2. « Y a-t-il une relation entre les dépenses publicitaires et les ventes ? » Quel type de graphique montrera la question le plus honnêtement ?

A) Diagramme à secteurs multi-tranches
B) Graphique à barres empilées
C) Nuage de points ✔
D) Diagramme circulaire 3D

Explication : Un nuage de points est utilisé pour montrer la relation (corrélation) entre deux variables numériques. Une barre convient à la comparaison et une ligne convient au changement au fil du temps ; Un graphique à barres ne donne pas la bonne réponse à la question sur la relation.

3. Pourquoi est-il recommandé d'utiliser « titre de l'action » au lieu de « titre du sujet » dans le titre de la diapositive ?

A) Pour insérer plus de texte sur la diapositive
B) Parce qu'il donne directement la seule revendication de la diapositive et permet au public de comprendre le message instantanément ✔
C) Parce qu'il n'est pas nécessaire d'agrandir la police
D) Puisque le besoin de notes du présentateur est éliminé

Description : le titre de l'action donne ce que dit la diapositive dans une phrase complète comme affirmation ("Les ventes sont en baisse depuis 3 trimestres"), seule la balise d'objet ("Ventes") ne le fait pas. Cela permet au spectateur de comprendre instantanément ce que signifie chaque diapositive ; C’est le changement qui améliore le plus la qualité de la présentation.

4. Quelle application est la plus pratique et la plus éthique lors de la préparation de visuels de présentation avec une intelligence artificielle génératrice de visuels ?

A) Imprimez tous les titres et numéros sur le visuel et mettez-le directement sur la diapositive
B) Présenter un portrait réalisé comme une vraie photo client
C) Imiter exactement le style d’une marque célèbre
D) Produire le visuel sans texte et ajouter le texte dans le programme slide et ne pas présenter le faux comme du vrai ✔

Explication : Le texte des images produites est souvent corrompu, il est donc nécessaire de l'ajouter ultérieurement dans le programme de diapositives. De plus, présenter une image fabriquée comme une vraie photo/une vraie personne est trompeur et contraire à l’éthique. La bonne approche consiste à produire l’image sans texte, à ajouter le texte vous-même et à ne pas présenter le faux comme réel.

5. Quelle est l’option la plus lisible pour afficher la part de marché de 9 produits ?

A) Graphique à barres horizontales trié par valeur ✔
B) Diagramme circulaire à 9 segments
C) Diagramme circulaire 3D avec 9 tranches
D) Un graphique à une seule ligne

Explication : Un diagramme circulaire ne fonctionne que s'il y a 2 à 4 tranches et que les parts sont significativement différentes ; 9 tranches similaires sont illisibles. Un graphique à barres horizontales trié par valeur est presque toujours plus lisible lorsque l'on compare plusieurs catégories.

6. Pourquoi est-il plus fiable de « demander le code qui produit le graphique et de l'exécuter vous-même » au lieu de demander « une image du graphique » lorsque vous recevez des graphiques de l'intelligence artificielle ?

A) Parce que le code choisit toujours des couleurs plus belles
B) Parce qu'il est interdit de produire des photos
C) Étant donné que le code traite les données telles quelles et donne des résultats déterministes et reproductibles, il n'est pas nécessaire de s'appuyer sur une prédiction verbale ✔
D) Parce que le code rend automatiquement les graphiques honnêtes et qu'aucune vérification supplémentaire n'est requise

Description : Un grand modèle de langage est un générateur de texte ; Il devine simplement un nombre verbalement et peut se tromper. Le code traite les données telles quelles et produit des résultats déterministes (toujours le même résultat pour la même entrée) et répétables ; Lorsque les données sont mises à jour, le code peut être réexécuté et le graphique peut être actualisé.

7. Quel est le principe de base d’une bonne conception de tableau de bord ?

A) Ajustement de toutes les métriques disponibles sur un seul écran
B) Afficher le contexte pour un petit nombre (5-9) de KPI requis pour un public et une décision spécifiques ✔
C) Afficher chaque nombre avec autant de décimales que possible
D) Peindre chaque métrique d'une couleur différente pour diversifier les couleurs

Description : Le tableau de bord n'affiche pas tout, mais les 5 à 9 KPI corrects requis pour une décision particulière par un public particulier. Les métriques qui ne servent pas la décision submergeront le tableau de bord. De plus, le contexte (objectif/changement) et un tampon de fraîcheur doivent être ajoutés à chaque numéro, et le KPI le plus critique doit être placé en haut à gauche.

8. Quel comportement est un piège en termes d’honnêteté dans la narration des données ?

A) Présentation des résultats dans la structure contexte-tension-résolution
B) Relier chaque graphique à une phrase du récit
C) Résumez l’idée en une phrase
D) Masquer la période qui ne correspond pas au récit et afficher uniquement les données qui le soutiennent (cherry picking) ✔

Explication : la sélection sélective consiste à montrer la période/segment qui correspond au récit et à cacher celui qui ne le fait pas, et cela viole l'intégrité. Une bonne histoire convainc, mais elle ne doit pas devenir une autorisation de déformer les données ; « Quelles données ne correspondent pas à ce récit ? » Il faut le demander et le montrer si nécessaire.

9. Pourquoi est-il trompeur de représenter une valeur comme le diamètre d'un cercle dans une infographie, mais ensuite de doubler le diamètre ?

A) Lorsque le diamètre double, la surface quadruple et le public perçoit l'augmentation comme étant plus importante qu'elle ne l'est réellement ✔
B) Parce que les cercles ne peuvent pas être utilisés dans un diagramme circulaire
C) Parce que les spectateurs daltoniens ne peuvent pas du tout voir les cercles
D) Parce que dessiner un cercle est plus lent que dessiner un bâton

Explication : Lorsque le diamètre double, l’aire du cercle quadruple ; Puisque le spectateur perçoit la valeur par zone, il pense qu'une multiplication par 2 équivaut à une multiplication par 4. C’est ce qu’on appelle l’erreur de champ. Il est nécessaire de donner la valeur non pas par zone, mais par échelle linéaire et par une étiquette numérique claire (par exemple « 2× »).

10. Quelle est la technique de tromperie la plus courante et son équivalent correct dans un graphique à barres ?

A) La coloration des bâtons est trompeuse ; Il faut les rendre tous gris
B) Les étiquettes directes sont trompeuses ; Il est toujours nécessaire d'utiliser une légende distincte
C) L’axe Y en pointillés exagère la différence ; Dans le graphique à barres, l'axe doit commencer à 0 ✔
D) La barre horizontale est trompeuse ; il faut toujours utiliser la barre verticale

Explication : Un axe y en pointillés (où y commence, disons, à 90 au lieu de 0) donne l'impression qu'une petite différence est énorme ; Une augmentation de 2 % peut sembler être 50 %. Dans un graphique à barres, l'axe doit presque toujours commencer à 0 car la longueur de la barre représente la valeur.

11. Quelle est la bonne approche si vous devez exporter un tableau contenant des données sensibles (nom, salaire, dossier client) vers un outil d'IA externe à des fins de création de graphiques ?

A) Coller rapidement le tableau tel quel pour gagner du temps
B) Anonymiser ou agréger les données en supprimant les colonnes nom et identité, et en ne les saisissant pas du tout si cela n'est pas nécessaire ✔
C) Ne laisser que la colonne la plus sensible et supprimer le reste
D) Il suffit d'obtenir une promesse de confidentialité de l'intelligence artificielle avant de saisir les données.

Explication : Il est indispensable de ne pas saisir de données personnelles dans un outil non agréé par l'établissement ; S'il est nécessaire de le saisir, il faut l'anonymiser en supprimant les colonnes d'identité ou l'agréger en donnant la moyenne/total au lieu de lignes individuelles. Une fois sorties, les données ne peuvent pas être récupérées.

12. Que signifie « hallucination » dans un résultat produit par l'intelligence artificielle et que faut-il faire à ce sujet ?

A) Le modèle utilise de nombreuses couleurs ; il faut réduire les couleurs
B) Fonctionnement lent du modèle ; Besoin d'écrire une demande plus courte
C) Le modèle dessine le graphique en 3D ; il faut demander 2B
D) Des informations que le modèle présente comme réelles mais qui ne sont pas la vérité ; ✔ Chaque problème et chaque source doivent être validés de manière croisée

Explication : L'hallucination est une information que le modèle présente comme réelle mais qui n'est pas vraie ; Il peut s'agir d'un numéro inventé, d'une citation ou d'une source. D'autre part, il est nécessaire de valider de manière croisée chaque numéro et source externe saisi sur la diapositive en dehors du modèle, et de définir la règle « ne pas produire de chiffres qui ne sont pas dans les données, écrire [confirmation] » dans les requêtes.

13. Quelle est la première étape pour choisir le bon type de graphique ?

A) Écrivez la question à laquelle vous souhaitez répondre en une phrase et placez-la dans une famille de questions ✔
B) Choisir le type graphique le plus coloré et le plus accrocheur
C) Commencez toujours par un diagramme circulaire et modifiez-le si nécessaire
D) Rendre les données plus impressionnantes en les affichant en 3D

Explication : Le type de graphique dépend de la question à laquelle vous souhaitez répondre et non de la forme des données. Dans un premier temps, il faut écrire la question en une phrase et la placer dans une famille (comparaison, tendance, relation, partie-tout, distribution), puis choisir le type. C'est une erreur de choisir d'abord le type et d'essayer d'y intégrer les données.

14. Pourquoi est-il important de procéder étape par étape lors de la préparation d'une présentation de bout en bout avec l'intelligence artificielle, au lieu de dire « préparer et terminer une présentation du début à la fin en un seul geste » ?

A) Parce qu’il est toujours plus rapide de procéder étape par étape
B) Parce que le modèle ne comprend pas du tout les requêtes longues
C) Parce qu'avancer étape par étape permet à l'humain de garder le contrôle lors des arrêts de vérification, de confidentialité et de répétition et réduit les risques de fabrication et de fuite ✔
D) Parce que demander d’un seul coup fatigue l’intelligence artificielle.

Description : demander le travail d'un seul coup évite les arrêts critiques tels que la vérification, les contrôles de confidentialité et les répétitions ; le modèle s'adapte aux lacunes et vous ne pouvez pas le contrôler. Procéder étape par étape (brièvement, confidentialité, structure, contenu/graphique, contrôle d'honnêteté, répétition) permet à l'humain de garder le contrôle à chaque étape et fixe dès le début les limites de la fabrication/confidentialité.