Power Query est l’outil de préparation et de transformation des données de Microsoft, intégré à Excel et à Power BI. Il sert à récupérer des données brutes depuis n’importe quelle source, à les nettoyer et à les mettre en forme, puis à rejouer automatiquement toutes ces étapes à chaque actualisation. C’est la fin des copier-coller et des retraitements manuels répétés chaque mois.
Table des matières
- À quoi sert Power Query ?
- Power Query dans Excel
- Power Query dans Power BI
- Excel ou Power BI : quelles différences ?
- Les transformations essentielles
- Le langage M
- Bonnes pratiques
- Questions fréquentes
À quoi sert Power Query ?
Power Query couvre la partie « préparation » de toute analyse, souvent la plus chronophage :
- Se connecter aux sources : fichiers Excel et CSV, dossiers entiers, bases SQL Server, MySQL ou Oracle, SharePoint, API REST, logiciels comptables (ACD, Pennylane, Sage…).
- Nettoyer : supprimer les lignes vides et les doublons, corriger les types, harmoniser les libellés, gérer les erreurs.
- Transformer : filtrer, regrouper, pivoter ou dépivoter, fractionner des colonnes, ajouter des colonnes calculées.
- Combiner : fusionner des tables (équivalent d’une RECHERCHEV robuste) ou empiler des fichiers de même structure.
- Automatiser : chaque étape est enregistrée. Il suffit d’actualiser pour retraiter les nouvelles données de la même façon.
Exemple typique en finance : consolider chaque mois 12 exports comptables d’un dossier, les nettoyer et les rapprocher d’un plan de comptes. Fait une fois dans Power Query, le traitement se résume ensuite à un clic sur « Actualiser ».
Power Query dans Excel
Power Query est intégré à Excel pour Microsoft 365, Excel 2016 et les versions ultérieures, sans complément à installer.
- Ouvrez l’onglet Données, groupe Récupérer et transformer des données.
- Cliquez sur « Obtenir des données » et choisissez la source (fichier, dossier, base de données, web…), ou sur « Lancer l’éditeur Power Query » pour modifier une requête existante.
- Transformez les données dans l’éditeur : chaque action apparaît dans le volet Étapes appliquées, à droite.
- Cliquez sur « Fermer et charger » : les données arrivent dans un tableau Excel, ou dans le modèle de données pour les tableaux croisés dynamiques.
- Actualisez (Données > Actualiser tout) à chaque nouvelle période : toutes les étapes sont rejouées.
Power Query transforme Excel en véritable outil d’automatisation. C’est souvent la première étape avant de passer d’Excel à Power BI.
Power Query dans Power BI
Dans Power BI Desktop, Power Query s’ouvre via Accueil > Transformer les données. Le fonctionnement est identique, avec deux différences majeures : les données alimentent un modèle sémantique (relations entre tables, mesures DAX), et une fois publié dans Power BI Service, le rapport s’actualise automatiquement jusqu’à 8 fois par jour, sans ouvrir aucun fichier.
Pour mutualiser une préparation entre plusieurs rapports, Power Query existe aussi en ligne sous forme de flux de données (dataflows) et de Dataflow Gen2 dans Microsoft Fabric.
Excel ou Power BI : quelles différences ?
| Critère | Power Query dans Excel | Power Query dans Power BI |
|---|---|---|
| Moteur et langage M | Identiques | Identiques |
| Volume | ≈ 1 million de lignes par feuille (plus via le modèle de données) | Dizaines de millions de lignes, modèle compressé |
| Destination | Feuille Excel ou modèle de données | Modèle sémantique et rapports interactifs |
| Actualisation | Manuelle, à l’ouverture ou planifiée via un script | Planifiée dans Power BI Service (8 fois par jour en Pro) |
| Partage | Envoi du fichier | Espaces de travail, applications, Teams |
| Idéal pour | Retraitements ponctuels, analyses individuelles | Tableaux de bord partagés, données volumineuses |
Les requêtes se transposent d’un outil à l’autre : un traitement construit dans Excel peut être copié dans Power BI via l’éditeur avancé.
Les transformations essentielles
- Promouvoir les en-têtes et définir les types : la première étape de toute requête fiable.
- Filtrer et supprimer les lignes vides, les totaux intermédiaires et les doublons.
- Dépivoter les colonnes : transformer un tableau « un mois par colonne » en format tabulaire exploitable.
- Fusionner des requêtes : rapprocher deux tables sur une clé, plus fiable qu’une RECHERCHEV.
- Ajouter des requêtes : empiler plusieurs fichiers ou exercices.
- Combiner les fichiers d’un dossier : consolider automatiquement tous les exports déposés dans un répertoire.
- Regrouper par : agréger (somme, moyenne, comptage) avant chargement.
Le langage M
Chaque clic dans l’éditeur génère du code en langage M, visible dans l’Éditeur avancé. Par exemple :
let
Source = Excel.Workbook(File.Contents("C:\Exports\ventes.xlsx")),
Ventes = Source{[Name="Ventes"]}[Data],
EnTetes = Table.PromoteHeaders(Ventes),
Types = Table.TransformColumnTypes(EnTetes, {{"Montant", type number}, {"Date", type date}}),
Filtre = Table.SelectRows(Types, each [Montant] <> null)
in
FiltreConnaître les bases du M permet de créer des fonctions personnalisées, des paramètres (chemin de fichier, dates) et des traitements impossibles à la souris. Pour aller plus loin, consultez notre guide du langage M dans Power BI.
Bonnes pratiques
- Nommez clairement vos requêtes et vos étapes : « Ventes nettoyées » plutôt que « Requête1 ».
- Filtrez le plus tôt possible pour réduire le volume traité et accélérer l’actualisation.
- Supprimez les colonnes inutiles avant les fusions.
- Paramétrez les chemins de fichiers pour pouvoir déplacer une solution sans tout casser.
- Factorisez avec des fonctions plutôt que de dupliquer dix fois la même requête.
- Testez sur un échantillon, puis sur le volume réel.
Power Query se maîtrise vite avec un accompagnement : notre formation Power Query et nos formations Power BI éligibles CPF couvrent la préparation de données sur des cas réels (exports comptables, fichiers de ventes, FEC).