Un nouvel outil réduit les données des tableurs pour les agents IA par un facteur de 1000

Un nouvel utilitaire open-source nommé sheetgraph a été publié pour aider les agents d'intelligence artificielle à interpréter des tableurs complexes sans consommer de ressources informatiques excessives. Créé par l'équipe derrière Love Spreadsheets, cet outil basé sur Rust traite localement les fichiers Excel et Google Sheets, générant des résumés concis qui conservent les structures logiques critiques tout en éliminant les données répétitives.

Ce qui s'est passé

Le principal défi relevé par cette version est l'incapacité des grands modèles de langage actuels à traiter efficacement les dumps bruts de tableurs. Un classeur typique contenant des centaines de milliers de cellules peut nécessiter des millions de jetons pour être représenté sous forme de texte brut, ce qui est souvent prohibitif en termes de coût ou techniquement impossible pour les fenêtres de contexte standard des IA. Sheetgraph résout ce problème en extrayant la logique sous-jacente du tableur plutôt que ses simples valeurs brutes. Il produit un court rapport markdown et un graphe de dépendance des formules, réduisant l'empreinte des données d'environ mille fois.

Par exemple, un registre de factures comportant 120 000 cellules et 32 000 formules nécessiterait normalement environ 1,3 million de jetons pour être exporté en texte. Avec sheetgraph, le même fichier est compressé dans un rapport d'environ 7 000 jetons. L'outil atteint cette compression en identifiant des motifs, tels que des colonnes où chaque cellule utilise la même formule, et en les représentant comme un seul groupe. Il met également en évidence les incohérences, telles que les cellules où un utilisateur a saisi manuellement une valeur au lieu d'une formule, source fréquente d'erreurs dans les modèles financiers.

Détails clés

• Réduction massive des jetons : L'outil réduit la taille des données d'environ 1000x, transformant un suivi de tâches de 961 000 jetons en un rapport de 940 jetons.
• Traitement local : Écrit en Rust, le binaire s'exécute localement sur macOS, Linux et Windows, garantissant que les données sensibles ne quittent jamais la machine de l'utilisateur.
• Suivi des dépendances des formules : Il cartographie les flux de données entre feuilles, les recherches et les liens externes, permettant aux agents de tracer les précédents et les dépendants de n'importe quelle cellule spécifique.
• Détection d'erreurs : Le rapport identifie explicitement les endroits où les colonnes de formules sont rompues par des valeurs codées en dur, facilitant la détection des remplacements manuels.
• Intégration avec les agents : Il est fourni comme une compétence (skill) pour Claude Code et peut être intégré à d'autres agents comme Codex et Cursor via une simple configuration de dossier de compétences.
• Large prise en charge des formats : Il prend en charge xlsx, xlsm, xls, xlsb, ods, csv et Google Sheets, gérant jusqu'à 10 millions de cellules dans les fichiers locaux.

Contexte

Pour comprendre la valeur de cet outil, il est utile de reconnaître comment les tableurs stockent les données par rapport à la façon dont les modèles IA les lisent. Les tableurs sont hautement structurés, avec de nombreuses cellules partageant des formules ou des mises en forme identiques. Cependant, lorsqu'ils sont convertis en texte brut pour une IA, cette structure est perdue et chaque cellule est traitée comme une information unique. Cette redondance gonfle la fenêtre de contexte, qui est la quantité limitée de texte qu'une IA peut considérer à la fois.

Sheetgraph agit comme un traducteur entre ces deux mondes. Au lieu d'envoyer chaque nombre, il envoie une carte. Il regroupe les formules identiques en « groupes de copie » et résume les grands blocs de données par leurs profils de colonnes, tels que le type de données, la plage et le format. Cela permet à l'IA de comprendre le schéma et la logique du classeur sans avoir besoin de lire chaque ligne individuelle. Il s'inspire d'outils similaires utilisés pour les bases de code, mais adaptés spécifiquement aux défis uniques des données tabulaires et de la logique des tableurs.

Pourquoi c'est important

Pour les équipes qui comptent sur des logiciels auto-hébergés ou des outils de données internes, ce développement abaisse significativement la barrière à l'utilisation de l'IA pour l'analyse de données. Auparavant, demander à une IA d'auditer un modèle financier complexe ou de déboguer une feuille d'inventaire cassée était risqué en raison des coûts et des préoccupations relatives à la confidentialité. En maintenant le traitement local et en réduisant le volume de données, les ingénieurs peuvent désormais orienter en toute sécurité les agents IA vers des classeurs sensibles pour poser des questions de haut niveau telles que « pourquoi ce total est-il incorrect ? » ou « que fait ce classeur ? »

Cela améliore également la précision des réponses de l'IA. Lorsqu'un agent a accès au graphe de dépendance des formules, il peut remonter les erreurs à leur source plutôt que de deviner en se basant sur des valeurs statiques. Il peut distinguer un champ calculé d'un remplacement codé en dur, ce qui est crucial pour maintenir l'intégrité des données. Pour les responsables IT gérant des outils internes, cela signifie que l'IA peut devenir un partenaire viable pour maintenir les workflows hérités basés sur Excel qui n'ont pas encore été migrés vers des bases de données appropriées.

Ce que vous pouvez faire

• Installez l'outil sur votre machine locale en utilisant le script curl fourni pour macOS et Linux, ou téléchargez le fichier zip pour Windows.
• Intégrez sheetgraph comme une compétence dans votre assistant de codage IA, tel que Claude Code, pour permettre une analyse automatique des tableurs pendant les discussions.
• Exécutez la commande extract sur un classeur d'exemple pour générer un REPORT.md et examiner comment l'outil résume vos structures de données spécifiques.
• Utilisez la commande trace pour investiguer des cellules spécifiques qui semblent incorrectes, permettant à l'IA de suivre automatiquement la chaîne de dépendances.
• Testez l'outil sur de gros fichiers pour vérifier l'utilisation de la mémoire, notant que les fichiers allant jusqu'à 10 millions de cellules sont conservés entiers, tandis que les plus gros sont résumés pour rester dans une limite de 2-3 Go de RAM.
• Signalez tous les bugs ou comportements inattendus sur le dépôt GitHub, car le projet est actuellement en version bêta 0.1 et l'API peut changer.