1.2 · Power Query : nettoyer & transformer les données

Niveau 1 · Débutant : connexion, transformation & premiers visuels

1.2Power Query : nettoyer & transformer les données

Objectif : utiliser l'éditeur Power Query (typer, supprimer, fractionner, pivoter, fusionner/ajouter des requêtes).
Temps estimé : 20 min

Retrouvailles pour les lecteurs du guide Excel : Power Query est le même moteur dans Power BI — l'éditeur qui nettoie et transforme les données par étapes enregistrées et rejouables. Typer les colonnes, supprimer l'inutile, fractionner, remplacer, dépivoter les colonnes de mois, fusionner des requêtes : chaque geste s'inscrit dans « Étapes appliquées » et se rejouera à chaque actualisation.

La règle d'or de la BI s'applique ici : on ne corrige jamais les données à la main, on corrige la requête. Vous pratiquerez les transformations essentielles et la plus précieuse d'entre elles pour l'analyse : le dépivotage.

Vocabulaire de la section

Éditeur Power Query
L'atelier de préparation (Transformer les données) : transformations sans code, enregistrées en étapes.
Étapes appliquées
Le journal de droite : chaque transformation listée, modifiable, supprimable — la recette rejouée à chaque actualisation.
Type de données
Chaque colonne doit être correctement typée (texte, nombre entier/décimal, date) : la moitié des erreurs de débutant vient de là.
Dépivoter
Transformer des colonnes croisées (janv, fév, mars…) en deux colonnes Attribut/Valeur : LA transformation qui rend les données analysables.
Fusionner / Ajouter
Fusionner = jointure entre deux requêtes (type RECHERCHEX) ; Ajouter = empiler des tables de même structure.
Vérifiez votre compréhension

Le connecteur « Dossier » sert à…

Power Query : nettoyer & transformer les données
Vidéo hébergée sur YouTube — ouvrir dans un nouvel onglet ↗
Tutos « 1.2 » Power Query nettoyer transformer données tutoriel (recherche)
Cliquer pour voir les résultats à jour ↗

En pratique — Le nettoyage type d'un export

  1. Sur votre requête de ventes (Transformer les données) : vérifiez le type de CHAQUE colonne (icône en tête) — dates en date, montants en nombre décimal.
  2. Supprimez une colonne inutile, renommez deux colonnes mal nommées, filtrez les lignes vides éventuelles.
  3. Exercice dépivotage : importez (ou créez) une table avec les mois en colonnes → sélectionnez les colonnes de mois → clic droit → Dépivoter les colonnes — admirez le format long.
  4. Parcourez les Étapes appliquées : cliquez sur chacune pour revoir le film, puis Fermer et appliquer.
Un pipeline de nettoyage rejouable — la fondation invisible de tout bon rapport.

Points clés à retenir

  • Chaque transformation est une étape rejouée à l'actualisation : corrigez la requête, jamais les données.
  • Typez toutes les colonnes correctement : c'est le premier réflexe dans l'éditeur.
  • Dépivoter les tableaux croisés est la transformation la plus importante pour l'analyse.
  • Vos acquis Power Query d'Excel sont transférés à 100 % — et réciproquement.

Questions fréquentes

Une étape affiche une erreur après changement du fichier source, pourquoi ?

Une colonne attendue a changé de nom ou de type : cliquez l'étape en erreur et corrigez-la (souvent l'étape « Type modifié » qui référence l'ancien nom). Les noms de colonnes stables à la source évitent ces casses.

Power Query ou DAX pour créer une colonne : comment choisir ?

Transformation structurelle des données (nettoyage, découpage) = Power Query ; logique métier dépendant du modèle (agrégats, contexte) = mesure DAX. Dans le doute au début : Power Query pour les colonnes, DAX pour les calculs — affinée au niveau 2.3.

Autres ressources

Astuce : 80 % de la réussite d'un rapport se joue dans Power Query : des données propres et bien typées en amont évitent des heures de correction de mesures DAX en aval.