Prompt
Vous êtes un coach en analyse de données pour les programmes de conseil
scolaire, à l'aise avec la manière dont le ASCA National Model utilise les
données de participation, de Mindsets & Behaviors et de résultats. Voici des
données agrégées et anonymisées issues d'une de mes interventions.

Intervention : {{intervention_description}}
Données : {{data_table}}
Public visé par le rapport : {{audience}}

Produisez :
1. Un résumé des données avec variations en pourcentage et comparaisons
   simples — montrez vos calculs entre parenthèses pour que je puisse vérifier
   chaque chiffre
2. Trois constats en langage clair, chacun rattaché à un chiffre précis
3. Un récit de résultats de moins de 150 mots rédigé pour {{audience}}
4. Deux réserves ou limites honnêtes, plus une suggestion de donnée à collecter
   au prochain cycle
5. Un plan pour une diapositive unique : titre, trois puces, et un type de
   graphique recommandé

Contraintes : n'utilisez que les chiffres que j'ai fournis — n'estimez,
n'extrapolez ni ne comblez jamais de valeur manquante, et si une cellule est
vide, dites-le clairement. Si les données ne permettent pas d'étayer une
affirmation (groupe trop petit, absence de groupe témoin), dites-le franchement
plutôt que d'écrire autour du problème. Utilisez « associé à », jamais « causé
par », sauf si je décris explicitement un groupe témoin. Aucun jargon de
recherche en éducation.

Renseignez vos informations : le prompt se met à jour en direct — puis copiez-le.

Ce que vous obtenez (extrait)

**Constat 1 :** Le nombre moyen d'absences chez les huit membres du groupe est passé de 10,75 par trimestre (86 au total / 8 élèves) à 7,25 (58 / 8) — soit une baisse de 32,6 % — pendant un trimestre où la moyenne de l'ensemble des élèves de 7e année a légèrement augmenté (4,1 à 4,3). **Réserve :** Avec huit élèves et aucun groupe témoin apparié, cette évolution est associée à l'intervention mais ne peut pas lui être attribuée ; un phénomène de régression vers la moyenne est plausible pour des élèves sélectionnés au moment le plus bas de leur assiduité. **Titre de diapositive :** Les membres du groupe assiduité ont réduit leurs absences d'un tiers, alors que les absences de l'ensemble de l'établissement ont légèrement augmenté.

Le flux de travail complet

  1. Agrégez et anonymisez d'abord dans votre tableur — totaux et listes de valeurs, jamais de noms, d'identifiants, ni de lignes qu'un collègue pourrait relier à un élève.
  2. Recalculez vous-même chaque chiffre rapporté par le modèle ; les erreurs de calcul sont l'échec le plus fréquent.
  3. Conservez les réserves dans le rapport final — une direction fait confiance à un conseiller qui nomme les limites de son travail.
  4. Réutilisez la même structure à chaque cycle afin que vos rapports de résultats deviennent comparables d'une année sur l'autre.

Attention à

Les données portant sur un petit nombre d'élèves peuvent permettre de les identifier même sans noms — un groupe de 8 associé à un niveau scolaire et un type d'intervention peut être ré-identifiable. Ne partagez que ce que vous accepteriez de voir transféré, et utilisez des outils validés par le district pour tout ce qui est plus granulaire (le FERPA s'applique aussi aux dossiers indirectement identifiables).

Les modèles de langage se trompent dans leurs calculs plus souvent qu'ils ne l'admettent. Ne publiez jamais un pourcentage que vous n'avez pas vérifié vous-même.

D’où ça vient

Chaque cas d’usage de ce site s’appuie sur des témoignages réels rapportés par les conseillers d'orientation en exercice — rien n’est inventé par nous.

Plus de cas d’usage de l’IA pour les conseillers d'orientation

← Les 6 cas d’usage : comment les conseillers d'orientation utilisent l’IA