Aller au contenu
Screeb Help CenterCentre d'aide
Ouvrir Screeb

Analyser vos données avec votre propre outil d'IA

Exportez vos réponses Screeb et utilisez des prompts prêts à l'emploi pour les analyser dans ChatGPT, Claude, Gemini ou votre assistant interne.

Guide pratique6 min de lecture, mis à jour le 16 nov. 2026

Sortez les réponses à vos enquêtes de Screeb et analysez-les avec l’outil d’IA de votre choix, grâce à des prompts prêts à copier.

  • Vérifiez la politique de votre entreprise et vos accords de traitement des données avant d’envoyer des données à un outil d’IA externe.
  • Supprimez ou masquez les données personnelles dont l’analyse n’a pas besoin (noms, e-mails, numéros de téléphone).

Un outil d’IA ne connaît que ce que vous lui donnez. Choisissez la source adaptée à votre façon de travailler :

Source Idéale pour
Exporter les réponses d’une enquête Une analyse ponctuelle d’une enquête : importez le fichier dans votre outil d’IA.
Stitch Un flux continu vers votre entrepôt de données, puis vers votre outil d’IA.
Webhooks Chaque réponse envoyée à vos propres systèmes dès son arrivée.

Les bons prompts suivent la même structure :

  1. Rôle : qui l’IA incarne.
  2. Contexte : ce qu’est l’enquête, qui a répondu, quand, combien de réponses.
  3. Données : ce que vous importez, et ce que signifie chaque colonne.
  4. Tâche : une seule question précise.
  5. Format de sortie : tableau, liste à puces, top 5, longueur maximale.
  6. Garde-fous : demandez des citations comme preuves, et de répondre “pas assez de données” plutôt que de deviner.

Dans les prompts ci-dessous, remplacez les [placeholders] par vos propres valeurs.

Données nécessaires : un export des réponses ouvertes d’une enquête (une réponse par ligne, avec la date).

Tu es chercheur produit. Le fichier joint contient les réponses ouvertes
à la question "[question]" de [nombre] utilisateurs de [produit], collectées
entre le [date de début] et le [date de fin].
Regroupe les réponses en 5 à 8 thèmes. Pour chaque thème, donne :
- un nom court,
- le nombre et la part des réponses,
- deux citations exactes comme preuves,
- un résumé en une phrase.
Classe les réponses qui ne correspondent à aucun thème dans "Autre". N'invente pas de citations.

Données nécessaires : un export d’une enquête NPS avec la note, le commentaire de suivi et la date.

Tu es analyste expérience client. Le fichier joint contient des réponses
NPS (note de 0 à 10) avec un commentaire facultatif, du [date de début] au
[date de fin].
1. Calcule le NPS (% de promoteurs 9-10 moins % de détracteurs 0-6) et donne
le nombre de promoteurs, de passifs et de détracteurs.
2. Liste les 3 principales raisons citées par les détracteurs et les 3
principales raisons citées par les promoteurs, avec une citation pour chacune.
3. Dis-moi quel sujet, s'il était corrigé, améliorerait le plus probablement le score.
Montre le calcul. Si un chiffre ne peut pas être calculé à partir du fichier, dis-le.

Données nécessaires : des réponses de plusieurs périodes (par exemple les 6 derniers mois), avec la date de chaque réponse. Stitch est la source la plus pratique.

Tu es analyste de données. Les données jointes contiennent des réponses
[métrique : NPS, CSAT, CES] pour [produit] du [date de début] au [date de fin].
Montre l'évolution mois par mois dans un tableau (réponses, score moyen,
part de réponses positives). Puis signale :
- la plus forte hausse et la plus forte baisse,
- les thèmes des commentaires qui apparaissent ou disparaissent avec le temps,
- toute période avec trop peu de réponses pour conclure.
N'explique aucune variation sans preuve dans les données.

Données nécessaires : les réponses avec les propriétés des utilisateurs (offre, pays, rôle, ancienneté…). Les propriétés sont incluses dans les exports et dans Stitch quand vous les envoyez à Screeb.

Tu es analyste produit. Les données jointes contiennent des réponses à
une enquête et ces propriétés utilisateur : [offre, pays, rôle].
Compare les segments par [propriété]. Pour chaque segment, donne le nombre
de réponses, le score moyen et les 3 principaux thèmes des commentaires.
Mets en avant le segment qui se distingue le plus des autres et propose deux
hypothèses pour l'expliquer. Indique clairement ce qui est un fait issu des
données et ce qui est une hypothèse.

5. Transformer les retours en liste d’actions priorisée

Section intitulée « 5. Transformer les retours en liste d’actions priorisée »

Données nécessaires : un export d’une enquête de feedback ou de demandes de fonctionnalités.

Tu es product manager. Le fichier joint contient des retours envoyés par
les utilisateurs de [produit].
Produis un backlog des 10 demandes ou problèmes les plus importants. Pour chacun :
- un titre et une description en une phrase,
- combien d'utilisateurs le mentionnent,
- l'impact sur les utilisateurs (fort/moyen/faible) et pourquoi,
- une citation représentative.
Trie d'abord par nombre d'utilisateurs, puis par impact. Fusionne les doublons.

6. Repérer les signaux de churn et de frustration

Section intitulée « 6. Repérer les signaux de churn et de frustration »

Données nécessaires : les réponses d’une enquête de résiliation, de départ ou de note basse.

Tu es analyste customer success. Le fichier joint contient les réponses
d'utilisateurs qui [ont résilié / ont donné une note inférieure à 7 / ont quitté le produit].
Identifie les raisons récurrentes, classées par fréquence. Sépare ce que nous
pouvons corriger (produit, prix, support) de ce que nous ne pouvons pas corriger
(changement de besoin, fermeture de l'entreprise). Pour chaque raison, propose
une action et l'équipe qui devrait la porter. Cite les réponses qui montrent
la plus forte frustration.

Données nécessaires : le résultat des analyses précédentes, ou l’export brut.

Tu écris pour le comité de direction. À partir de l'analyse jointe,
rédige une synthèse d'une page avec : 3 constats clés, 3 risques, 3 actions
recommandées, et le nombre de réponses derrière chaque affirmation. Utilise
un langage simple, sans jargon, et reste sous 250 mots.
  • Une question par prompt. Enchaînez plusieurs prompts courts plutôt qu’un seul long.
  • Demandez des preuves. Les citations et les chiffres vous permettent de vérifier les affirmations de l’IA dans les données.
  • Vérifiez les chiffres. Les outils d’IA peuvent se tromper en comptant sur de gros fichiers : demandez-leur de montrer le calcul, et comparez quelques chiffres avec les résultats affichés dans Screeb.
  • Surveillez le volume. Si votre fichier est trop gros pour l’outil, découpez-le par période ou par enquête, puis demandez une synthèse des résultats partiels.
  • Nommez vos colonnes. Dites à l’IA ce que signifie chaque colonne (par exemple “score est la réponse à la question NPS, de 0 à 10”).
  • Gardez une langue cohérente. Si les réponses sont dans plusieurs langues, demandez les thèmes dans une seule langue et gardez les citations dans leur langue d’origine.