Remplacer une série de corrections par une procédure
Chaque mois, une équipe reçoit un export commercial et recommence les mêmes opérations : supprimer une ligne de titre, corriger les dates, nettoyer les villes et convertir les montants. Répéter ces gestes à la main crée des variations difficiles à retrouver. Power Query permet de décrire une suite de transformations réutilisables. Le bénéfice recherché n’est pas de cliquer moins, mais de pouvoir expliquer exactement ce qui a changé entre le fichier reçu et la table analysée.
Dans cet atelier, une petite entreprise de Kénitra reçoit un fichier CSV avec trois ventes fictives. Les références sont V001, V002 et V003 ; les montants affichés sont « 1 250,50 », « 980,00 » et « 250,00 ». Les villes sont « Kénitra », « Rabat » et « kenitra » suivi d’une espace. Le total numérique attendu est 2 480,50 MAD. Les montants sont un jeu pédagogique, pas des prix de prestation.
Vérifier son environnement et préserver les sources
Les fonctionnalités et connecteurs Power Query varient selon l’édition, la plateforme et les mises à jour d’Excel. Vérifiez les commandes disponibles dans Données et testez le connecteur réellement nécessaire avant de définir une procédure pour toute l’équipe. Le fait qu’un collègue puisse consulter un classeur ne garantit pas qu’il puisse actualiser toutes ses sources sur son poste.
Conservez les fichiers reçus dans un dossier d’entrée identifié et ne les modifiez pas pour faire réussir l’import. Une architecture simple sépare SourcesRecues, ClasseurAnalyse et Archives. La requête lit la source, tandis que les corrections restent décrites dans ses étapes. Pour un exercice partagé, utilisez un chemin relatif ou un paramètre d’emplacement documenté lorsque l’environnement le permet. Ne placez pas de mot de passe ou de donnée sensible dans une capture de l’éditeur. La portabilité doit inclure les sources autorisées, leurs chemins et les droits d’accès, pas uniquement le classeur final.
Importer sans accepter aveuglément les détections
Choisissez l’import de texte ou CSV, puis examinez l’aperçu avant de charger. Vérifiez le séparateur de colonnes, l’encodage, les en-têtes et les éventuelles lignes de titre. Un fichier séparé par point-virgule ne doit pas être interprété comme une seule colonne, et une virgule décimale ne doit pas découper un montant en deux champs. Les accents des villes donnent un contrôle immédiat de l’encodage.
Ouvrez l’éditeur de requête et inspectez les étapes créées automatiquement, notamment le type modifié. Une détection utile sur les premières lignes peut être incorrecte pour une valeur plus loin dans le fichier. Examinez les données représentatives plutôt que seulement l’aperçu visuel du début. Nommez la requête Ventes_Preparation et les étapes selon leur intention : EnTetesValides, VillesNettoyees, TypesControles. Des noms compréhensibles permettent à une autre personne de suivre le raisonnement sans connaître l’ordre des clics effectué par l’auteur.
Vérifiez enfin le sens de la première ligne après chaque changement de fournisseur. Si le producteur ajoute une mention « Export commercial » avant les en-têtes, une étape qui promeut immédiatement la première ligne nommera les colonnes de manière incorrecte. La requête doit alors reconnaître ou retirer cette ligne selon une règle précise, puis vérifier les colonnes obligatoires. Un échec explicite sur un schéma inattendu est préférable à une table chargée sous de mauvais intitulés. Cette attention au contrat d’entrée évite que le même processus accepte silencieusement deux formats différents sans que l’équipe s’en aperçoive.
Choisir les types et paramètres régionaux explicitement
Une valeur « 03/10/2026 » peut être interprétée comme le 3 octobre ou le 10 mars selon le contexte régional. Le montant « 1 250,50 » nécessite lui aussi une interprétation cohérente des séparateurs. Utilisez la conversion de type avec paramètres régionaux lorsque la source l’exige, puis vérifiez les résultats sur une date dont le jour dépasse douze et sur un montant comportant des décimales.
L’objectif n’est pas de choisir systématiquement français pour tous les fichiers, mais d’utiliser la convention du producteur. Un export américain et un export français peuvent demander des traitements différents dans le même classeur. Déclarez les références de vente comme texte pour conserver d’éventuels zéros initiaux. Affectez un type date aux dates, et un type numérique adapté aux montants selon la précision requise. Le format d’affichage appliqué après chargement ne corrige pas une interprétation erronée effectuée au moment de l’import : mars et octobre peuvent sembler parfaitement valides tout en étant inversés.
Nettoyer les libellés sans effacer leur provenance
Retirer les espaces en début et fin de texte traite de nombreux écarts de saisie, mais ne réconcilie pas automatiquement « Kénitra » et « kenitra ». Une transformation en majuscules uniformise la casse ; une table de correspondance métier peut ensuite rapprocher des variantes validées. Conservez la valeur source dans VilleOrigine et créez VilleNormalisee. Vous pouvez ainsi expliquer le rapprochement et retrouver les libellés non reconnus.
Évitez les remplacements larges qui modifient involontairement un mot entier ou fusionnent deux agences. Remplacer « Casa » partout peut affecter une adresse ou un nom de client si l’opération s’applique à trop de colonnes. Chaque normalisation doit avoir un périmètre précis. Créez une catégorie « À vérifier » pour les valeurs sans correspondance plutôt que de les rattacher à l’agence principale. Un total correctement additionné mais attribué à la mauvaise ville fausse les décisions locales sans provoquer d’erreur technique dans la requête.
Traiter les manquants et les erreurs séparément
Une cellule vide, une valeur nulle, une chaîne vide et un texte « N/A » ne signifient pas forcément la même chose. Pour une date de livraison, l’absence peut indiquer une commande non livrée ; pour un montant, elle peut révéler un export incomplet. Définissez le traitement de chaque champ avant de remplacer toutes les valeurs absentes par zéro. Un zéro peut devenir une vraie observation et modifier une moyenne.
Les erreurs de conversion méritent une sortie de contrôle. Conservez ou isolez les lignes en erreur dans une requête dédiée afin de les examiner avec le responsable de la source. Supprimer ces lignes sans compter leur nombre permet à l’actualisation de réussir mais réduit silencieusement le périmètre. Pour une colonne combinée « Agence – Commercial », la séparation doit aussi gérer un nom contenant le même tiret. Testez un cas normal, un champ vide et un libellé ambigu avant de généraliser la transformation à plusieurs milliers de lignes.
Dédupliquer sur une clé justifiée
Notre identifiant V001 doit représenter une opération unique. Si le même fichier a été reçu deux fois, une copie de V001 peut être un doublon technique. Pourtant, deux ventes de 250 MAD le même jour ne sont pas automatiquement identiques. Supprimer les doublons sur le montant et la date risque de retirer une vente réelle. La clé de déduplication doit correspondre à la granularité métier : numéro de vente, ou numéro de facture et numéro de ligne.
Avant suppression, regroupez ou comptez les occurrences de la clé et comparez les colonnes importantes. Si deux lignes partagent V001 mais présentent des montants différents, le problème est un conflit de versions, pas une simple copie. Il faut définir une règle de sélection, par exemple une version horodatée réellement fiable, ou demander une correction. Gardez le nom du fichier source et le lot d’import pour retrouver l’origine. Une étape automatique n’est utile que lorsque la décision sous-jacente est suffisamment explicite pour être répétée.
Ajouter des fichiers et fusionner des référentiels
Ajouter des requêtes empile des lignes ; fusionner des requêtes rapproche des colonnes selon une clé. Ce sont deux opérations distinctes. Pour rassembler octobre et novembre, on cherche généralement à empiler des observations de même schéma. Pour ajouter la région à chaque vente, on rapproche la ville normalisée d’un référentiel. Confondre les deux peut produire un résultat impossible à interpréter.
Une fusion peut multiplier les lignes si la clé du référentiel n’est pas unique. Supposons que Kénitra apparaisse deux fois dans la table des régions : après développement de la fusion, chaque vente de cette ville peut se dédoubler. Contrôlez donc le nombre de lignes et les montants avant et après. Une fusion descriptive attendue sans perte doit conserver les trois ventes et 2 480,50 MAD. Vérifiez également les correspondances absentes : une région vide ne doit pas devenir un filtre qui élimine des opérations du rapport final sans avertissement.
Exercice corrigé : diagnostiquer deux résultats plausibles
Préparez les trois ventes, puis ajoutez volontairement une quatrième ligne identique à V003. Le total brut devient 2 730,50 MAD. Le contrôle de clé détecte deux occurrences de V003. Après confirmation du doublon technique et retrait de sa copie, le résultat revient à trois lignes et 2 480,50 MAD. La normalisation des villes doit affecter 1 500,50 MAD à Kénitra et 980 MAD à Rabat.
Créez ensuite un référentiel contenant deux lignes pour Kénitra et une pour Rabat. Une fusion développée sans contrôle peut produire cinq lignes et 3 981 MAD, car les deux ventes de Kénitra sont répétées. Corrigez l’unicité du référentiel, relancez et retrouvez les trois lignes initiales. Cet exercice montre pourquoi un montant supérieur au brut peut être causé par une fusion descriptive, même si aucune formule de somme n’a été modifiée. Les contrôles de cardinalité doivent donc accompagner les contrôles de format et de types.
Charger une sortie stable et rendre l’actualisation vérifiable
Chargez la table préparée dans une feuille identifiée, en laissant les requêtes intermédiaires sous forme de connexions lorsque cela convient. Ne corrigez pas manuellement les cellules de cette sortie : une actualisation peut remplacer les modifications. Les corrections doivent intervenir dans la source autorisée ou dans une table d’ajustements séparée, reliée par une règle explicite. Cette séparation protège la reproductibilité du traitement.
Rédigez une recette courte : fichier attendu, colonnes obligatoires, nombre de lignes, total brut, lignes rejetées, doublons traités et total final. Ajoutez une date d’actualisation et la date maximale des opérations réellement présentes ; elles décrivent deux choses différentes. Avant diffusion, demandez à un collègue de remplacer la source d’essai et d’actualiser avec ces instructions. Si le résultat reste contrôlable sans vos souvenirs des clics, la requête devient un actif transmissible. Elle automatise une procédure comprise, sans transformer les erreurs de données en décisions invisibles.