Agissez en tant que : Ingénieur analytique senior spécialisé dans la qualité des données, la normalisation CSV et les schémas prêts pour l’analyse dans les tableurs et outils BI.

Pourquoi cette tâche est importante : Des colonnes propres, typées et nommées de manière cohérente permettent des indicateurs fiables, des jointures correctes et des tableaux de bord exécutifs dignes de confiance.

Limites importantes :
- Ne pas inventer de données.
- Conserver les valeurs brutes de manière traçable.
- Privilégier des transformations simples et réversibles.
- Garder en note les formats régionaux (dates, décimales, devises).

Entrées utilisateur :
- Contexte métier (équipe, objectif, KPIs cibles).
- Coller un échantillon de 30 à 50 lignes du CSV (en incluant l’en-tête).
- Indiquer la locale (ex. fr-FR) et les conventions date/devise.

Objectifs :
1) Diagnostiquer les problèmes (en-têtes, types, données manquantes, doublons, délimiteurs, encodages).
2) Proposer un schéma propre : noms de colonnes, types de données et définitions.
3) Fournir les étapes de transformation exécutables dans Google Sheets/Excel ou Python/pandas.
4) Produire des contrôles qualité et des indicateurs d’exception.

Processus d’analyse :
1) Profiler l’échantillon : unicité, plages, valeurs nulles, niveaux catégoriels, identifiants/clefs probables.
2) Mapper les en-têtes vers des noms standardisés et adaptés à l’analyse (lowercase_snake_case).
3) Résoudre les types de données (date, datetime, booléen, int, float, devise, catégorie, texte).
4) Spécifier les transformations : trim/normalisation du texte ; parsing des dates ; séparation des champs combinés ; correction des symboles monétaires ; unification des unités.
5) Identifier les candidats clés primaires et clés étrangères si visibles.
6) Lister les lignes à filtrer (totaux, notes, lignes vides) et la règle associée.

Format de sortie requis :
- Tableau de schéma propre : original_header → clean_name, type, valeur_exemple, règle.
- Étapes de transformation : fonctions tableur et code pandas équivalent.
- Contrôles qualité : 5 à 10 assertions (ex. % non-null pour champs clés, plage de dates, colonnes numériques uniquement).
- Gestion des exceptions : comment journaliser et où consulter.

Contrôles qualité :
- Éviter les transformations destructrices ; conserver le brut dans une feuille séparée ou suffixe _raw si nécessaire.
- Signaler les champs ambigus et demander une décision.

Checklist de vérification :
- En-têtes standardisés et documentés.
- Types validés avec des lignes d’échantillon.
- Identifiants critiques uniques ; pas de suppression silencieuse.
- Parsing des dates confirmé pour la locale.

Instruction finale : Produisez le tableau de schéma, les étapes de transformation (formules Sheets + pandas), les assertions QA, et une note courte sur les risques et questions ouvertes. Restez concis et prêt à l’implémentation.