ChatGPT peut accepter un grand fichier CSV de transactions et renvoyer un résultat basé sur des données incomplètes. L'envoi peut réussir. La réponse peut inclure des totaux, des comptages de correspondances et une explication assurée. Rien de tout cela ne prouve que chaque transaction du fichier a été lue, comparée et représentée dans le résultat.

Il n'existe pas de limite universelle en nombre de lignes pour les grands fichiers CSV dans ChatGPT. Un fichier étroit à cinq colonnes courtes consomme bien moins de capacité de traitement qu'un fichier à vingt colonnes, avec des descriptions longues, des références de paiement, des devises et des horodatages. La limite dépend de la taille du fichier, de la largeur des lignes, de la façon dont ChatGPT traite l'envoi, et de la quantité de conversation déjà en mémoire.

Pour le rapprochement, la limite pratique n'est pas le point où l'envoi échoue. C'est le point où vous ne pouvez plus prouver que chaque ligne source a bien atteint le résultat.

Capacité d'envoi et capacité d'analyse sont deux choses distinctes

ChatGPT accepte actuellement les fichiers CSV et les tableurs jusqu'à environ 50MB, avec une capacité exacte qui varie selon la taille des lignes. Il s'agit d'une restriction d'envoi, non d'une garantie que l'analyse demandée couvre chaque ligne correctement.

ChatGPT peut traiter des tableurs via un environnement d'analyse Python. Dans ce cas, il peut effectuer des calculs sur le fichier importé et exposer le code pour vérification. C'est fondamentalement différent de coller des milliers de lignes CSV directement dans un prompt, où les données entrent en concurrence directe avec un contexte limité.

Cette distinction crée trois limites distinctes :

Un envoi réussi répond à une seule question : ChatGPT a-t-il reçu le fichier ? Il ne répond pas à la question du rapprochement : toutes les lignes des deux fichiers ont-elles été comparées exactement une fois ?

Pourquoi le nombre de lignes ne définit pas la limite

Comparez ces deux exports de transactions :

Les deux fichiers contiennent 8 000 lignes. Le second contient plusieurs fois plus de texte. Les longues descriptions de marchands, les UUID, les champs de métadonnées et les horodatages ISO augmentent tous la quantité de contenu à traiter.

C'est pourquoi des affirmations du type « ChatGPT prend en charge 10 000 lignes CSV » ne sont pas utiles. Le nombre de lignes seul ne mesure pas la charge de travail. La taille du fichier est un meilleur indicateur, mais elle ne prouve toujours pas que la comparaison demandée a été complète.

Lorsque du contenu CSV est collé directement dans un prompt, un export de 5 000 lignes peut ne laisser disponibles que les 1 200 à 2 000 premières lignes pour le raisonnement demandé, selon le nombre et la longueur de ses colonnes. Cette plage est indicative, non une limite fixe du produit. Un fichier plus étroit peut en contenir davantage. Un fichier plus large, moins.

Un tableur importé traité avec Python peut éviter cette coupure en mode prompt direct. Cela nécessite malgré tout une vérification. ChatGPT peut choisir une méthode inadaptée, inspecter seulement un échantillon, mal interpréter une colonne, ou retourner un résumé qui ne révèle pas si toutes les lignes ont été incluses.

À quoi ressemble une troncature silencieuse dans un rapprochement

Supposons qu'un export de processeur contienne 5 000 transactions :

Si l'analyse ne couvre que la première section, ChatGPT peut produire un rapport cohérent montrant $184,220.18 d'activité. Il peut catégoriser des frais, identifier des références en double et décrire des paiements non rapprochés. Le rapport peut sembler cohérent en interne parce que les lignes qu'il a traitées le sont effectivement.

Les $271,904.77 manquants ne créent pas nécessairement d'erreur évidente dans la réponse. La réponse est fausse parce que son périmètre est faux.

Cette erreur est particulièrement difficile à détecter lorsque le résultat exprime des pourcentages. « 98,6 % des transactions ont été rapprochées » paraît précis. Sans le nombre de lignes source derrière ce pourcentage, cela pourrait signifier 1 972 sur 2 000 lignes traitées plutôt que 4 930 sur 5 000 lignes sources.

Le même problème peut toucher la fin d'une plage de dates. Si les lignes omises correspondent à la dernière semaine du mois, le résultat peut indiquer à tort que la période antérieure est rapprochée, sans jamais mentionner la période qu'il n'a pas traitée.

Un rapport soigné n'est pas un contrôle d'exhaustivité

Le rapprochement de fichiers volumineux exige une conservation des lignes. Chaque ligne entrant dans la comparaison doit en ressortir avec un statut visible.

Pour le Fichier A :

lignes sources = lignes correspondantes + lignes non rapprochées + lignes explicitement signalées

La même équation doit se fermer indépendamment pour le Fichier B. Une paire rapprochée consomme une ligne précise de chaque fichier. Aucune ligne ne peut disparaître. Aucune ligne ne peut être réutilisée, sauf si le rapport identifie une relation un-à-plusieurs ou plusieurs-à-un valide.

Demandez ces chiffres avant d'examiner toute explication :

Si les comptages ne se ferment pas, le rapprochement est incomplet. Si la réponse donne des comptages mais pas les lignes sous-jacentes, le résultat reste non auditable.

C'est le problème central de l'utilisation de ChatGPT pour le rapprochement de relevés bancaires volumineux. Le modèle peut expliquer les fichiers et peut exécuter du code utile, mais la réponse finale ne devient pas automatiquement un rapport de correspondance contrôlé.

Les limites de tokens ne sont pas le seul problème

Réduire la taille du fichier ne résout pas tous les problèmes. Un export plus petit peut tenir dans la capacité disponible et produire quand même un rapprochement peu fiable.

La règle de correspondance doit être définie. Si les deux fichiers contiennent des paiements répétés de $250 à la même date, le montant et la date n'identifient pas une paire unique. ChatGPT peut choisir une correspondance plausible, sauf si le traitement exige une référence exacte ou signale les lignes comme ambiguës.

Le résultat doit aussi préserver les valeurs sources. Un total dans une réponse narrative ne suffit pas. Si Python a été utilisé, examinez le code et vérifiez qu'il a chargé le fichier attendu, compté le nombre de lignes attendu, conservé les zéros non significatifs, traité correctement les valeurs vides et n'a pas supprimé les doublons avant la mise en correspondance.

Inspectez ensuite le résultat au niveau des lignes. Un rapprochement qui indique « 4 812 lignes correspondantes » sans lister ces paires ne peut pas montrer si la même ligne a été utilisée deux fois ou si le mauvais doublon a été sélectionné. C'est ainsi que les outils de rapprochement par IA peuvent associer de mauvaises transactions, même lorsque les totaux semblent corrects.

Comment vérifier si ChatGPT a lu la totalité du fichier CSV

Effectuez le test d'exhaustivité avant de demander des correspondances ou des explications :

1. Conservez le fichier CSV d'origine sans modification.
2. Notez sa taille en octets et son nombre de lignes de données en dehors de ChatGPT.
3. Importez le fichier plutôt que de coller son contenu dans le prompt.
4. Demandez à ChatGPT d'indiquer le nom du fichier, les noms de colonnes, le nombre de lignes, les trois premières lignes et les trois dernières lignes.
5. Confirmez que la dernière ligne rapportée correspond à la dernière ligne réelle du fichier source.
6. Si ChatGPT a utilisé Python, inspectez le code et le résultat de son comptage de lignes.
7. Après la comparaison, vérifiez que les lignes correspondantes, non rapprochées et signalées couvrent les deux fichiers en intégralité.
8. Exportez le résultat détaillé et vérifiez par sondage les paires rapprochées, les montants en double, les références avec zéros non significatifs et la plage de dates finale.

Ce test détecte les coupures évidentes. Il ne transforme pas une réponse narrative en piste d'audit. Si ChatGPT ne peut pas fournir chaque ligne source dans un résultat exportable de lignes correspondantes, non rapprochées ou signalées, utilisez-le pour interpréter les données plutôt que pour certifier le rapprochement.

Découper le fichier en morceaux plus petits peut réduire la pression de traitement, mais crée un autre problème de contrôle. Chaque bloc nécessite des limites fixes, des comptages de lignes indépendants et un contrôle final pour les transactions susceptibles de se correspondre entre blocs. Un paiement en double dans le bloc trois peut correspondre à une facture dans le bloc deux. Traiter chaque partie séparément peut masquer cette relation.

Ce qu'un rapprochement de fichiers volumineux doit produire

La bonne alternative n'est pas une fenêtre de chat plus grande. C'est une comparaison déterministe qui préserve chaque ligne.

ChatGPT reste utile autour de ce processus. Il peut expliquer des en-têtes inconnus, suggérer des règles de normalisation, inspecter du code et résumer des exceptions vérifiées. Ces tâches n'exigent pas qu'il soit le système de référence pour savoir quelle transaction correspond à quelle autre.

Le problème des fichiers CSV volumineux n'est donc pas un seuil de lignes mystérieux. C'est une limite de vérification. Dès que le résultat ne peut pas prouver une couverture complète des lignes, le rapprochement est incomplet — que l'envoi ait réussi ou que le résumé semble correct.