Décider ce qui mérite réellement une migration
Passer à Power BI n’oblige pas à abandonner Excel. Un classeur de saisie, un modèle de simulation et un reporting partagé répondent à des besoins différents. La migration devient pertinente lorsque plusieurs personnes reproduisent les mêmes transformations, utilisent des définitions concurrentes ou attendent une restitution commune actualisée. Avant de choisir une nouvelle interface, écrivez le problème observé : quatre fichiers mensuels contiennent trois versions du chiffre d’affaires, et leur consolidation mobilise deux jours de reprises manuelles.
Le cas fictif concerne une entreprise de services qui consolide douze classeurs mensuels. Chaque classeur contient environ 2 000 lignes d’interventions, plusieurs feuilles de référence et une synthèse. Le projet vise une lecture commune par mois, agence et prestation, sans modifier immédiatement l’outil de saisie. Il ne vise ni à automatiser toutes les décisions ni à transformer chaque onglet en page de rapport. Cette limite de périmètre protège le projet d’une accumulation de demandes difficiles à tester.
Inventorier les sources, les formules et les utilisateurs
Créez un inventaire avec nom de fichier, propriétaire, emplacement, fréquence, colonnes et usage. Ajoutez les opérations manuelles : suppression de lignes, correction d’un nom, ajout d’une agence et copie d’une formule. Ces gestes représentent souvent la véritable logique du reporting, même s’ils ne figurent dans aucune documentation. Demandez à l’auteur de montrer une clôture complète sur une copie. Une description générale telle que je nettoie le fichier laisse trop d’ambiguïtés pour reconstruire un processus fiable.
Classez les sorties en trois catégories : données de base, calculs métier et mise en forme. Une couleur rouge peut signifier retard, anomalie ou décision prise ; si cette information n’existe que dans le format d’une cellule, rendez-la explicite dans une colonne. Identifiez aussi les utilisateurs et leurs droits de consultation. La migration ne doit pas diffuser à une audience plus large des détails qu’un classeur restreint conservait jusque-là dans un dossier partagé avec quelques personnes seulement.
Créer un dictionnaire des indicateurs avant les mesures
Pour chaque indicateur, écrivez sa définition, son unité, son grain, ses exclusions et sa période. Le montant réalisé inclut-il les interventions terminées ou facturées ? Les avoirs sont-ils déduits au mois d’émission ou au mois de la prestation ? Une réponse différente peut expliquer deux chiffres contradictoires sans qu’aucune formule soit mal écrite. Faites valider ces conventions par le responsable métier avant de reproduire le calcul dans un nouveau moteur.
Prenons un exemple : janvier contient 100 000 de prestations réalisées, dont 10 000 non facturées, et 5 000 d’avoirs sur décembre. Un indicateur de réalisation peut afficher 100 000 ; une lecture simplifiée de facturation nette peut afficher 85 000. Le projet doit nommer ces deux mesures différemment et conserver leur source. Chercher à faire coïncider arbitrairement les deux résultats produirait un modèle trompeur. Un dictionnaire évite d’utiliser le même libellé pour des réalités distinctes.
Choisir le bon chemin d’import depuis Excel
Deux situations doivent être distinguées. Pour récupérer les lignes d’une feuille ou d’un tableau Excel, utilisez la connexion aux données Excel dans Power BI Desktop. Un classeur qui contient déjà des requêtes Power Query ou un modèle Power Pivot peut aussi faire l’objet d’un import de ses composants via la fonction dédiée. Cet import est une conversion ponctuelle : il ne signifie pas que toutes les modifications futures du classeur sont automatiquement reproduites dans le nouveau fichier Power BI.
Commencez sur une copie et examinez le compte rendu d’import, notamment les éléments non convertis. Vérifiez ensuite les chemins et connexions aux véritables sources : un fichier Power BI issu d’une conversion n’est pas exempt de dépendances externes. Dans notre cas, les douze fichiers sont d’abord conservés comme sources historiques, puis combinés dans une requête documentée. Ne comptez pas sur la présence d’un graphique Excel pour garantir que sa logique ou son comportement de filtre sera reproduit à l’identique.
Reconstruire les transformations avec une sortie contrôlée
Dans Power Query, rendez chaque étape compréhensible : sélection des fichiers autorisés, promotion des en-têtes, attribution des types, normalisation des clés et gestion des lignes rejetées. Ajoutez une colonne portant le fichier et, si nécessaire, la feuille d’origine pour retrouver une anomalie. Si une colonne attendue manque dans le fichier de mars, le processus doit le signaler. Une combinaison qui ignore silencieusement le fichier peut produire une baisse d’activité parfaitement présentable et entièrement artificielle.
Après chaque transformation importante, comparez nombre de lignes et montants. Supposons que les fichiers contiennent 24 000 lignes et 1 920 000 au total. Si un filtre sur le statut conserve 22 800 lignes pour 1 824 000, expliquez les 1 200 lignes et les 96 000 retirés. Documentez la règle et gardez une table de rejets. L’objectif n’est pas de conserver toutes les lignes à tout prix, mais de pouvoir démontrer ce qui a changé entre l’entrée et la sortie.
Construire un modèle dont les relations sont explicites
La table Interventions contient une ligne par prestation, avec date, clé d’agence, clé de service, quantité et montant. Les tables Date, Agence et Service décrivent les axes d’analyse. Ce schéma en étoile permet de séparer les événements des informations descriptives. Contrôlez l’unicité des clés du côté des dimensions et prévoyez le traitement d’une agence inconnue. Une table de correspondance imparfaite ne devient pas correcte parce qu’une relation a été tracée dans le modèle.
Ne recopiez pas une feuille de synthèse déjà agrégée dans la table de détail pour faciliter un graphique. Les totaux pourraient être comptés une seconde fois. Si vous devez analyser un budget mensuel, stockez-le à son grain propre et définissez comment il se compare aux prestations. Une valeur mensuelle répétée sur chaque ligne de prestation n’est pas un budget additionnable. Le modèle doit empêcher cette ambiguïté plutôt que demander aux utilisateurs de se souvenir d’une exception invisible.
Porter les calculs avec une matrice de rapprochement
Créez une mesure simple pour le montant, une autre pour les quantités et une autre pour le nombre de prestations selon la définition validée. Comparez-les à Excel sur des sélections précises : total annuel, un mois, une agence et un service. La matrice de rapprochement contient valeur Excel, valeur Power BI, écart et explication. Elle doit utiliser exactement les mêmes sources et dates d’extraction. Comparer deux périodes différentes ne permet pas de conclure à une erreur de migration.
Les pourcentages demandent une attention particulière. Avec 40 dossiers conformes sur 50 dans une agence et 9 sur 10 dans une autre, les taux sont 80 % et 90 %. La moyenne simple vaut 85 %, mais le taux global vaut 49 sur 60, soit environ 81,67 %. Définissez la mesure à partir du numérateur et du dénominateur, pas d’une moyenne de pourcentages déjà agrégés. Vérifiez également les sous-totaux, qui sont recalculés dans leur contexte plutôt que toujours additionnés visuellement.
Dessiner une restitution adaptée aux décisions
Une page Power BI n’est pas une feuille Excel réduite pour tenir dans un navigateur. Organisez d’abord les questions : où en sommes-nous, quel périmètre explique l’écart, quels dossiers examiner ? Une page de synthèse peut présenter quelques indicateurs, une tendance et une ventilation ; une page de détail accueille les lignes utiles. Donnez aux filtres des libellés compréhensibles et affichez la période réellement sélectionnée. Le lecteur doit pouvoir identifier le contexte sans ouvrir chaque panneau.
Conservez une légende pour les indicateurs qui changent de définition pendant la transition. Vérifiez les unités, les signes et les valeurs sans données. Un zéro ne remplace pas toujours un résultat absent. Testez le rapport avec une personne qui connaît le métier mais n’a pas participé à sa construction : demandez-lui de retrouver un écart et d’expliquer le calcul. Cette observation révèle souvent plus de défauts que la seule revue des couleurs ou de l’alignement des visuels.
Exercice corrigé : expliquer une différence après migration
Exercice : Excel affiche 12 000 pour une agence en juin ; Power BI affiche 13 200. Les deux sources portent sur la même date d’extraction. Une liste détaillée montre 1 000 de prestations terminées non facturées et 200 d’avoirs de mai. Excel utilisait les factures nettes ; la nouvelle mesure utilise les prestations terminées, sans déduire les avoirs de mai. Proposez un diagnostic et une correction de méthode, sans forcer le total à 12 000 par une soustraction fixe.
Corrigé : la différence nette de 1 200 est cohérente avec deux règles de périmètre mal alignées. Il faut d’abord définir les mesures attendues et vérifier les écritures exactes, puis reconstruire un indicateur de facturation nette comparable à Excel. Le montant réalisé peut rester une autre mesure si le métier en a besoin. Une constante de moins 1 200 cacherait le défaut pour juin et créerait une erreur au mois suivant. Le rapprochement doit expliquer les lignes, pas seulement égaliser les cellules.
Organiser la bascule et garder une solution de reprise
Exécutez une ou deux périodes en parallèle avec critères de sortie définis : indicateurs rapprochés, données rejetées expliquées, droits testés, actualisation supervisée et responsable de validation nommé. Préparez une procédure de reprise si une source devient indisponible. Les mécanismes d’actualisation, de passerelle et de partage dépendent de l’environnement et des licences retenus ; vérifiez-les avant d’annoncer une diffusion générale. Une démonstration locale réussie ne suffit pas pour déclarer la chaîne opérationnelle.
Après la bascule, archivez les anciens classeurs de restitution en indiquant clairement leur dernière période, tout en conservant les fichiers de saisie encore nécessaires. Livrez le dictionnaire, le schéma, les requêtes, les contrôles et le guide d’exploitation. La réussite se mesure à la capacité de produire et expliquer le prochain reporting avec les mêmes règles, pas au nombre de graphiques reconstruits. Pour poursuivre, simulez un nouveau fichier dont une colonne a changé et vérifiez que le processus échoue de manière compréhensible.
Préparez également une liste des usages volontairement laissés dans Excel : saisie contrôlée, simulation ou analyse ponctuelle. Indiquez où retrouver les données de référence et comment demander une correction. Cette clarification limite la création de classeurs parallèles qui recalculeraient les mêmes indicateurs avec des conventions différentes dès les premières semaines de fonctionnement.