Choisir le bon outil
Arrete de te demander "quel outil ouvrir ?". Voici l'arbre de decision, tache par tache et contrainte par contrainte.
Temps de lecture : 12 min | Niveau : Debutant
Ce que tu sauras faire apres
- Choisir en moins de dix secondes l'outil adapte a la tache du moment.
- Appliquer les bons reflexes quand les donnees sont confidentielles.
- Tenir compte du budget et de l'environnement d'entreprise dans ton choix.
- Mettre en place une routine quotidienne realiste pour un profil dev + data.
1. L'arbre de decision par tache
Pose-toi une seule question : qu'est-ce que je suis en train de faire ?
Je code, dans un depot existant
Ouvre : un agent de codage dans ton editeur ou ton terminal.
- Claude Code si tu veux un agent qui lit le depot, edite plusieurs fichiers, lance les tests et ouvre une pull request. Mets tes regles dans
CLAUDE.md. - GitHub Copilot si ton equipe est deja sur GitHub et que tu veux la completion en ligne, le chat et le mode agent au meme endroit. Mets tes regles dans
.github/copilot-instructions.md. - Les deux lisent
AGENTS.md: un seul fichier bien ecrit peut servir aux deux.
Ne fais pas : copier-coller du code dans un chat web fichier par fichier. Tu perds le contexte du depot, et l'agent ne peut pas verifier son travail en lancant les tests.
J'analyse un fichier Excel ou CSV
Ouvre : l'outil qui est deja a cote du fichier.
| Le fichier est... | Ouvre |
|---|---|
| Dans SharePoint / OneDrive, entreprise Microsoft | Copilot in Excel |
| Dans Google Drive | Gemini dans Google Sheets |
| Sur ton disque, analyse ponctuelle | Claude ou ChatGPT (upload direct) |
| Trop gros, ou analyse a rejouer chaque mois | Un script Python ecrit par un agent de codage |
Regle qui vaut pour les quatre : nomme les colonnes. C'est le conseil officiel des deux cotes. Microsoft, pour Copilot dans Excel : "Name the columns or ranges you want Copilot to work with". Google, pour BigQuery data canvas : "use the actual column names from your selected data". C'est le geste qui change le plus le resultat.
J'explore une base de donnees
Ouvre : l'outil le plus proche de la base.
- BigQuery : le data canvas de Gemini in BigQuery. Il trouve les tables, genere le SQL, produit des insights et des graphiques, sans quitter BigQuery.
- Autre base (PostgreSQL, SQL Server, Snowflake) : un agent de codage avec un serveur MCP branche sur la base, ou a defaut le schema colle dans un Project.
- Dans tous les cas : donne le schema et les vrais noms de colonnes. Sans schema, tu obtiens du SQL qui compile mais qui est faux.
Je redige (documentation, compte rendu, specification)
Ouvre : le chat, avec un cadre.
- Rediger un document long et structure : Claude ou ChatGPT, dans un Project qui contient tes documents de reference.
- Rediger a partir de beaucoup de sources (PDF, comptes rendus, specs) : Gemini Notebook, qui est concu pour repondre en restant ancre dans tes sources.
- Rediger dans l'outil bureautique de l'entreprise : Copilot dans Word ou Gemini dans Docs, selon ta suite.
J'automatise une tache recurrente
Trois niveaux, du plus leger au plus lourd :
- Une instruction permanente. Si tu repetes la meme consigne, mets-la dans un Project, un Gem, des custom instructions ou un
CLAUDE.md. Cout : dix minutes. - Une skill. Si la consigne est une procedure avec des etapes et des regles, ecris une
SKILL.md. Elle se declenchera toute seule. Cout : une heure. - Un agent ou un pipeline. Si la tache doit tourner sans toi, passe a l'API, aux routines planifiees, ou a un agent Foundry / Copilot Studio. Cout : plusieurs jours.
Ne saute jamais l'etape 1. Beaucoup de gens construisent un agent la ou trois lignes d'instructions permanentes auraient suffi.
2. L'arbre de decision par contrainte
La tache ne decide pas seule. Tes contraintes decident aussi.
Contrainte : donnees confidentielles
C'est la contrainte prioritaire. Elle passe avant le confort.
Les questions a te poser, dans l'ordre :
- Est-ce que j'ai le droit ? Verifie la politique de ton entreprise avant toute chose. Aucun argument technique ne remplace cette reponse.
- Est-ce que je peux anonymiser ? Souvent, tu n'as pas besoin des vraies valeurs. Le schema (noms de tables et de colonnes) suffit pour generer du SQL. Envoie le schema, pas les lignes.
- Est-ce que l'outil herite de mes permissions ? Cote Claude, la documentation precise que les connecteurs heritent des permissions de chaque personne : si tu ne peux pas voir une donnee dans le systeme source, le connecteur non plus. C'est une bonne propriete a rechercher partout.
- Est-ce que l'outil est dans le perimetre de l'entreprise ? Un environnement d'entreprise (Microsoft Foundry, Gemini Enterprise, plans Team / Enterprise) apporte du controle d'acces, de l'isolation reseau et des politiques. Un compte personnel n'apporte rien de tout cela.
Reflexe simple et sur : commence par envoyer la structure, jamais le contenu. Tu demandes la requete, tu l'executes toi-meme.
Template :
Voici le schema de mes tables (aucune donnee reelle) :
[COLLER_LE_DDL_OU_LA_LISTE_DES_COLONNES]
Ecris la requete [DIALECTE_SQL] qui [OBJECTIF].
Ne me demande pas les donnees : je l executerai moi-meme.Contrainte : budget
| Situation | Choix raisonnable |
|---|---|
| Usage quotidien individuel | Un seul abonnement payant, celui de l'outil que tu ouvres le plus. Deux abonnements en parallele sont rarement rentables. |
| Traitement de masse par API | Prends le modele le moins cher qui passe tes tests. Cote Claude, Haiku est positionne sur les gros volumes et le cout bas. |
| Modeles de raisonnement | Attention : les reasoning tokens occupent le contexte et sont factures comme des tokens de sortie. Ne mets pas effort au maximum par defaut. |
| Prompts repetitifs | Place le contenu reutilise au debut du prompt pour profiter du prompt caching. |
| Requetes BigQuery | Verifie toujours le SQL genere avant de l'executer. Une requete sans filtre de date peut couter cher. |
Contrainte : environnement d'entreprise
Regarde ce qui est deja deploye chez toi. Le meilleur outil est souvent celui que tu as le droit d'utiliser aujourd'hui.
| Ton entreprise tourne sous... | Ton chemin le plus court |
|---|---|
| Microsoft 365 | Copilot dans Excel / Word / Teams, GitHub Copilot, Microsoft Foundry pour les agents |
| Google Workspace | Gemini dans Sheets / Docs, Gemini Notebook, BigQuery data canvas si votre entrepot est sur GCP |
| Environnement mixte ou startup | Claude (app + Claude Code) plus un serveur MCP vers vos bases |
| Tres contraint, sans cloud externe | Reste sur le schema et les extraits anonymises, et negocie un perimetre officiel |
3. Recommandation concrete pour ton profil dev + data
Voici une configuration realiste, sans multiplier les abonnements.
Le socle (a mettre en place une fois)
- Un agent de codage dans ton depot, avec un
CLAUDE.mdou unAGENTS.mdqui decrit ta stack, tes conventions, tes commandes de test et ce qu'il ne faut pas toucher. - Un Project (ou Gem) "Data" qui contient le schema de ton entrepot, le glossaire metier et les definitions de KPI, plus des instructions permanentes sur le dialecte SQL et les conventions.
- Un serveur MCP vers ta base, si ta politique de donnees le permet. C'est l'investissement le plus transferable : le meme serveur sert plusieurs ecosystemes.
- Deux ou trois skills pour tes procedures les plus repetees. Commence par celle que tu as faite trois fois ce mois-ci.
La routine quotidienne
| Moment | Geste | Outil |
|---|---|---|
| Debut de journee | Demander un resume des PR et des echecs de pipeline | Agent de codage, ou une routine planifiee |
| Pendant le dev | Laisser l'agent ecrire les tests et corriger le lint | Claude Code ou GitHub Copilot |
| Analyse ad hoc | Donner le schema, demander le SQL, verifier, executer | Project data ou BigQuery data canvas |
| Fin de tache | Faire relire le diff avant le commit | Agent de codage |
| Fin de semaine | Rediger le compte rendu pour les non-techniques | Chat, avec la methode but / contexte / attentes / source |
Deux templates pour la routine
Le point du matin. A coller dans ton agent de codage, au debut de ta journee.
Fais-moi le point sur le depot [NOM_DU_DEPOT].
1. Liste les pull requests ouvertes qui attendent ma revue, avec en une ligne ce qu elles changent.
2. Liste les echecs de [CI_OU_PIPELINE] depuis [DATE_OU_DUREE], avec la cause probable.
3. Classe le tout par urgence pour moi, qui travaille sur [SUJET_DU_MOMENT].
Reponds en trois sections courtes. Pas d introduction. Si une information manque, dis-le.La relecture d une requete avant execution. A coller avant de lancer un SQL genere.
Relis cette requete [DIALECTE_SQL] avant que je l execute sur [NOM_ENTREPOT].
[COLLER_LA_REQUETE]
Verifie dans cet ordre et reponds point par point :
1. La granularite du resultat : une ligne par quoi exactement ?
2. Les jointures : y a-t-il un risque de duplication de lignes ?
3. La clause WHERE : les filtres de date et de perimetre sont-ils bien poses ?
4. Le cout : la requete scanne-t-elle une table entiere sans filtre de partition ?
Termine par une seule phrase : EXECUTABLE ou A CORRIGER, et pourquoi.Les trois erreurs a eviter
- Ne pas cadrer. Un prompt sans role, sans contexte et sans format donne un resultat generique. Colle le template universel du fichier 05, il prend cinq secondes.
- Faire confiance sans verifier. Un SQL qui s'execute n'est pas un SQL juste. Relis la clause
WHERE, les jointures et la granularite avant de publier un chiffre. - Sur-outiller. Un agent complet la ou une instruction permanente suffisait. Monte en complexite seulement quand le niveau precedent a echoue.
4. Tableau de decision rapide
Garde celui-ci sous les yeux pendant tes premieres semaines.
| Ta phrase interieure | Ouvre |
|---|---|
| "Je dois modifier ce code" | Claude Code / GitHub Copilot |
| "Je ne comprends pas ce code" | Chat de ton agent de codage, dans le depot |
| "Je dois ecrire cette requete" | Project data, ou BigQuery data canvas |
| "J'ai un Excel a analyser" | Copilot in Excel / Gemini dans Sheets |
| "J'ai vingt PDF a synthetiser" | Gemini Notebook |
| "Je dois expliquer ca aux managers" | Chat, methode but / contexte / attentes / source |
| "Je refais ca toutes les semaines" | Une skill, puis eventuellement une routine planifiee |
| "Ca doit tourner sans moi" | API, agent Foundry, ou routine planifiee |
| "C'est confidentiel" | Schema uniquement, ou outil valide par ton entreprise |
A retenir
- Choisis l'outil le plus proche de la donnee : dans le depot pour le code, dans la base pour le SQL, dans le tableur pour le tableur.
- La confidentialite passe avant tout : envoie la structure, pas le contenu.
- Monte en complexite progressivement : instruction permanente, puis skill, puis agent.
- Le meilleur outil est souvent celui deja deploye et autorise chez toi.
- Les reasoning tokens sont factures comme des tokens de sortie : ne pousse pas l'effort au maximum par defaut.
- Verifie toujours le SQL genere avant de l'executer, surtout sur un entrepot facture a la volumetrie. Le template de relecture ci-dessus prend dix secondes a coller.
Sources
- Claude Code overview
- MCP - Claude Code
- Use connectors to extend Claude's capabilities
- Intro to Claude - Claude Platform Docs
- Reasoning - OpenAI API
- Prompt engineering - OpenAI API
- Analyze with BigQuery data canvas
- Copilot in Excel tips - Microsoft Support
- Get started writing prompts in Microsoft 365 Copilot - Microsoft Support
- Get better Copilot responses with great prompting - Microsoft Support
- Add repository custom instructions - GitHub Docs