| name | expense-analyzer |
| description | Analyse un relevé de dépenses et identifie les tendances, fuites d'argent et pistes d'économie. À utiliser quand l'utilisateur colle un relevé bancaire ou liste ses dépenses. Se déclenche aussi avec "analyse mes dépenses", "relevé bancaire", "où part mon argent", "trop de dépenses", "fuites d'argent". Also triggers on "analyze my expenses", "where is my money going", "spending trends". |
Expense Analyzer
Étape 0 — Réception et nettoyage des données
Avant toute analyse, évalue la qualité de l'input :
- Format CSV : vérifie séparateur (
, ou ;), encodage (UTF-8), présence des colonnes date/libellé/montant.
- Copier-coller bancaire : extrais date, libellé, débit/crédit avec regex si nécessaire.
- Liste informelle : reformate en tableau structuré avant de continuer.
Si des lignes sont ambiguës, liste-les explicitement et propose une catégorie par défaut.
Exemple de normalisation rapide (Python) :
import pandas as pd
df = pd.read_csv("releve.csv", sep=";", parse_dates=["Date"])
df.columns = ["date", "libelle", "debit", "credit"]
df["montant"] = df["debit"].fillna(0) - df["credit"].fillna(0)
df = df[df["montant"] > 0]
Étape 1 — Catégorisation
Classe chaque ligne dans une catégorie. Hiérarchie recommandée :
| Catégorie | Exemples de libellés clés |
|---|
| Logement | loyer, EDF, GDF, assurance habitation, syndic |
| Transport | SNCF, Uber, essence, péage, assurance auto |
| Alimentation | Carrefour, Leclerc, Lidl, Monoprix, boulangerie |
| Santé | pharmacie, mutuelle, médecin, laboratoire |
| Abonnements | Netflix, Spotify, SFR, Orange, Adobe, Amazon Prime |
| Loisirs | restaurant, cinéma, sport, voyage, culture |
| Épargne/invest. | virement épargne, assurance-vie, courtier |
| Divers | tout ce qui ne rentre pas ailleurs |
Règle de décision : si un libellé contient un mot-clé connu → catégorie directe. Sinon → heuristique sur le montant + contexte. Si incertain → marque ? et indique la règle appliquée.
Étape 2 — Résumé par catégorie
Pour chaque catégorie, fournis :
- Total en devise locale
- % du revenu net (si fourni) ou % du total dépenses
- Nombre de transactions
Format de sortie attendu :
Catégorie | Total | % dépenses | Nb txn
----------------|----------|------------|-------
Logement | 950 € | 32 % | 3
Alimentation | 480 € | 16 % | 22
Abonnements | 120 € | 4 % | 8
...
TOTAL | 2 980 € | 100 % | 67
Repères budgétaires (règle 50/30/20) :
- Besoins (logement + transport + santé) : ≤ 50 % du revenu net
- Envies (loisirs, restaurants, abonnements) : ≤ 30 %
- Épargne : ≥ 20 %
Étape 3 — Détection d'anomalies
Cherche systématiquement :
- Doublons : même libellé + même montant + écart < 3 jours → signal fort.
- Abonnements oubliés : récurrences mensuelles < 20 € souvent invisibles (ex. essais gratuits devenus payants).
- Pics inhabituels : montant > 2× la médiane de la catégorie sur la période.
- Charges fantômes : libellé inconnu + montant rond (5, 10, 15 €/mois) → risque de souscription non voulue.
- Frais bancaires : agios, frais de tenue de compte, commissions de change.
Pour chaque anomalie, indique : libellé exact, montant, date, impact annuel estimé.
Étape 4 — Tendances (si données multi-périodes)
Si au moins 2 mois sont fournis :
- Calcule la variation mensuelle par catégorie (en € et %).
- Identifie les catégories en hausse continue (tendance à surveiller).
- Calcule le solde moyen mensuel :
revenus - dépenses.
Alimentation : jan 420 € → fév 510 € → mar 480 € (+14 % sur 3 mois, pic fév)
Abonnements : jan 95 € → fév 95 € → mar 120 € (+26 %, nouvel abonnement détecté en mar)
Étape 5 — Top 5 des postes de dépense
Liste les 5 transactions ou sous-catégories les plus élevées avec :
- Montant exact
- Libellé bancaire
- Impact annuel projeté (× 12 si récurrent)
- Levier d'action possible (oui/non/partiel)
Étape 6 — Pistes d'économie
Formule 3 à 6 recommandations chiffrées et actionnables, classées par potentiel d'économie décroissant :
Exemples :
- "Cumul abonnements streaming : 35 €/mois. Conserver 1 seul → économie 25 €/mois = 300 €/an."
- "Frais bancaires : 7 €/mois. Compte en ligne (Boursorama, Fortuneo) : 0 €. → 84 €/an."
- "Restaurants midi : 18 repas × 14 € = 252 €/mois. Panier repas 3j/sem → -90 €/mois."
Ne propose pas d'optimisation sur les postes déjà raisonnables (logement dans la moyenne régionale, mutuelle obligatoire, etc.).
Garde-fous et anti-patterns
- Ne jamais juger les choix de consommation (loisirs, restaurants, mode). Ton neutre et factuel.
- Ne pas extrapoler sans base : si un seul mois est fourni, pas de "tendance".
- Ne pas inventer des libellés ou catégories non présents dans les données.
- Ne pas arrondir les montants dans les calculs intermédiaires ; arrondi uniquement à l'affichage.
- Devise : utilise systématiquement la devise des données. Si mixte (€ + $), convertis au taux du jour et signale-le.
- Données manquantes : si revenus non fournis, omets les ratios % du revenu et indique-le clairement.
- Confidentialité : ne répète pas les IBAN, numéros de carte ou données personnelles détectées dans les libellés.
Bonnes pratiques 2026
- Propose d'exporter l'analyse en CSV ou Markdown si l'utilisateur veut archiver.
- Si l'utilisateur utilise un outil de gestion (YNAB, Bankin', Linxo, Copilot), adapte la nomenclature des catégories à cet outil.
- Pour les indépendants/freelances : sépare dépenses pro et perso dès le début ; signale les dépenses potentiellement déductibles (repas pro, abonnements métier, matériel).
- Recommande une revue trimestrielle des abonnements plutôt qu'annuelle (les offres changent vite).
