Power Query dans Power BI : nettoyer, transformer et combiner vos données pas à pas

Power Query dans Power BI est l’outil qui prépare vos données avant l’analyse : il se connecte aux sources, corrige les types, supprime les lignes inutiles, sépare ou fusionne des colonnes, combine plusieurs fichiers et restructure les tableaux. Chaque opération est mémorisée et rejouée à chaque actualisation, ce qui transforme un nettoyage manuel répétitif en processus automatique.

Ce guide s’adresse aux analystes, contrôleurs de gestion et utilisateurs de Power BI Desktop qui passent trop de temps à retraiter leurs exports. Vous y verrez comment ouvrir l’éditeur, appliquer les transformations essentielles, pivoter et dépivoter des colonnes, fusionner des tables, combiner des fichiers Excel et contrôler la qualité de vos données.

Qu’est-ce que Power Query dans Power BI ?

Power Query est le moteur d’extraction et de transformation de données (ETL) intégré à Power BI Desktop. Il se connecte à des centaines de sources (Excel, CSV, SQL Server, SharePoint, pages web), applique une suite d’étapes de nettoyage enregistrées en langage M, puis charge le résultat dans le modèle de données, où il sera exploité par les mesures DAX et les visuels.

Dans Power BI Desktop, l’éditeur s’ouvre via Accueil > Transformer les données. Il comporte quatre zones :

• le volet Requêtes à gauche, qui liste toutes les tables importées ;
• l’aperçu des données au centre, sur lequel vous appliquez les transformations ;
• le volet Paramètres d’une requête à droite, avec la liste des étapes appliquées ;
• le ruban en haut, avec les onglets Accueil, Transformer, Ajouter une colonne et Affichage.

La logique est celle d’une recette : chaque clic ajoute une étape, que vous pouvez renommer, déplacer, modifier (icône engrenage) ou supprimer. Cliquer sur une étape affiche l’état des données à ce moment précis, ce qui facilite le contrôle.

Point de vocabulaire : l’onglet Transformer modifie une colonne existante, alors que l’onglet Ajouter une colonne crée une nouvelle colonne à partir des autres. Beaucoup de commandes existent dans les deux onglets.

Pourquoi nettoyer ses données avec Power Query ?

Un rapport n’est jamais plus fiable que les données qui l’alimentent. Power Query règle les problèmes les plus courants des fichiers métiers :

• Des exports mal structurés : lignes de titre, totaux intermédiaires, cellules fusionnées, colonnes vides.
• Des types incohérents : dates stockées en texte, nombres avec des espaces, séparateurs décimaux mélangés.
• Des tableaux « à l’horizontale » : une colonne par mois, impossible à filtrer ou à relier à un calendrier.
• Des données éclatées : un fichier par mois ou par agence, qu’il faut consolider.
• Des référentiels à croiser : ajouter la catégorie d’un produit ou la région d’un client depuis une autre table.

Le gain est double : le traitement est automatisé (vous déposez le nouveau fichier, vous actualisez) et traçable (chaque étape est visible et modifiable par un collègue).

Comment transformer des données avec Power Query : les étapes

Prenons un cas concret : un export commercial Excel avec une ligne de titre, des cellules vides dans la colonne Région, une colonne « Client - Ville » à séparer et une colonne par mois.

Étape 1 — Importer la source

Dans Power BI Desktop, cliquez sur Accueil > Obtenir les données > Classeur Excel, sélectionnez le fichier, cochez la feuille ou le tableau voulu dans le Navigateur, puis cliquez sur Transformer les données (et non Charger) pour ouvrir l’éditeur.

Si le fichier contient des tableaux Excel nommés (créés avec Ctrl+T), sélectionnez-les de préférence aux feuilles : leurs limites sont plus fiables.

Étape 2 — Nettoyer la structure

1. Supprimer les lignes du haut : Accueil > Réduire les lignes > Supprimer les lignes > Supprimer les lignes du haut, puis indiquez le nombre de lignes de titre.
2. Utiliser la première ligne pour les en-têtes : Accueil > Utiliser la première ligne pour les en-têtes.
3. Supprimer les colonnes inutiles : sélectionnez les colonnes à garder avec Ctrl+clic, puis clic droit > Supprimer les autres colonnes. Cette méthode est plus robuste que supprimer les colonnes une à une, car une nouvelle colonne ajoutée dans la source ne cassera pas la requête.
4. Supprimer les lignes vides : Accueil > Supprimer les lignes > Supprimer les lignes vides.

Étape 3 — Définir les bons types de données

Cliquez sur l’icône à gauche de chaque en-tête (ABC, 123, calendrier) pour choisir le type : Texte, Nombre décimal, Nombre entier, Date, Vrai/Faux. Si des dates au format étranger sont mal interprétées, utilisez clic droit > Modifier le type > Utilisation des paramètres régionaux et précisez la langue du format d’origine.

Faites-le tôt, mais une seule fois : les étapes « Type modifié » en double ralentissent la requête et compliquent la lecture.

Étape 4 — Remplir les cellules vides

Dans les exports, la région n’est souvent indiquée que sur la première ligne de chaque bloc. Sélectionnez la colonne puis Transformer > Remplir > Vers le bas : chaque cellule vide reçoit la valeur non vide du dessus.

Attention, la commande ne remplit que les valeurs réellement nulles. Si les cellules contiennent des chaînes vides, remplacez d’abord les valeurs vides par null avec Remplacer les valeurs.

Étape 5 — Séparer et combiner des colonnes

Pour découper « Dupont SA - Lyon » en deux colonnes, sélectionnez-la puis Transformer > Fractionner la colonne > Par délimiteur, choisissez le délimiteur personnalisé « - » et l’option Délimiteur le plus à gauche. Nettoyez ensuite les espaces superflus avec Format > Supprimer les espaces.

Si une cellule contient une liste séparée par des virgules (« Rouge, Bleu, Vert ») et que vous voulez une ligne par valeur, ouvrez les Options avancées du fractionnement et choisissez Fractionner en lignes.

À l’inverse, pour assembler des colonnes, sélectionnez-les puis Ajouter une colonne > Fusionner les colonnes et choisissez un séparateur.

Étape 6 — Dépivoter les colonnes de mois

C’est la transformation qui change tout. Un tableau avec une colonne Produit puis douze colonnes Janvier à Décembre ne se prête pas à l’analyse. Sélectionnez la colonne Produit, puis Transformer > Supprimer le tableau croisé dynamique des autres colonnes (l’opération « dépivoter les autres colonnes »). Vous obtenez trois colonnes : Produit, Attribut (le mois) et Valeur (le montant). Renommez-les en Produit, Mois et Montant.

Choisir « les autres colonnes » plutôt que les colonnes sélectionnées est important : si un treizième mois apparaît dans le fichier, il sera pris en compte automatiquement.

L’opération inverse, Colonne pivot, transforme les valeurs d’une colonne en en-têtes. Elle sert par exemple à passer d’une liste « Indicateur / Valeur » à une colonne par indicateur.

Étape 7 — Ajouter des colonnes calculées

L’onglet Ajouter une colonne propose plusieurs outils :

• Colonne conditionnelle : une interface « Si… alors… sinon » sans code, idéale pour créer des tranches.
• Colonne à partir d’exemples : vous tapez le résultat attendu sur quelques lignes et Power Query devine la transformation.
• Colonne d’index : une numérotation qui sert de clé ou d’ordre de tri.
• Date > Année ou Âge : pour extraire une année de naissance ou calculer une durée depuis une date.
• Colonne personnalisée : une formule M libre.

Par exemple, pour classer des clients par tranche d’âge avec une colonne personnalisée :

if [Âge] < 25 then "18-24 ans"
else if [Âge] < 35 then "25-34 ans"
else if [Âge] < 50 then "35-49 ans"
else "50 ans et plus"

Étape 8 — Fusionner deux tables

Pour ajouter la catégorie de chaque produit à la table des ventes, sélectionnez la requête Ventes puis Accueil > Fusionner des requêtes. Choisissez la table Produits, cliquez sur la colonne clé dans chacune des deux tables et sélectionnez le type de jointure :

Type de jointure	Résultat
Externe gauche	Toutes les lignes de la première table, et les correspondances de la seconde
Externe droite	Toutes les lignes de la seconde table, et les correspondances de la première
Externe entière	Toutes les lignes des deux tables
Interne	Uniquement les lignes présentes dans les deux tables
Anti gauche	Les lignes de la première table sans correspondance (utile pour trouver les orphelins)
Anti droite	Les lignes de la seconde table sans correspondance

Une colonne contenant des tables apparaît : cliquez sur l’icône à double flèche de son en-tête pour choisir les colonnes à développer. Décochez Utiliser le nom de la colonne d’origine comme préfixe pour garder des noms courts.

Notre conseil : dans Power BI, une fusion n’est pas toujours nécessaire. Garder Produits comme table séparée, reliée aux ventes par une relation, donne souvent un modèle plus léger et plus souple. Réservez la fusion aux cas où la table de référence n’a pas d’intérêt propre dans le rapport.

Étape 9 — Combiner plusieurs fichiers Excel

Vous recevez un fichier de ventes par mois, tous de même structure ? Déposez-les dans un même dossier, puis :

1. Obtenir les données > Dossier, indiquez le chemin du répertoire.
2. Cliquez sur Combiner et transformer les données.
3. Choisissez la feuille ou le tableau à utiliser dans le fichier exemple.

Power Query crée une requête qui empile tous les fichiers, avec une colonne indiquant le nom du fichier d’origine, ainsi qu’un groupe de requêtes d’aide (dont Transformer l’exemple de fichier). Les transformations appliquées à cet exemple sont reproduites sur chaque fichier. Le mois suivant, il suffit de déposer le nouveau fichier et d’actualiser.

Filtrez dès le début la colonne Extension (par exemple sur « .xlsx ») et excluez les fichiers temporaires commençant par « ~$ » pour éviter les erreurs de combinaison.

Contrôler la qualité des données

Avant de charger, vérifiez ce que vous allez envoyer au modèle. Dans l’onglet Affichage, cochez :

• Qualité de la colonne : pourcentage de valeurs valides, en erreur et vides ;
• Distribution de la colonne : nombre de valeurs distinctes et uniques, utile pour repérer les doublons d’une clé ;
• Profil de la colonne : statistiques détaillées (minimum, maximum, moyenne, valeurs les plus fréquentes).

Par défaut, ce profilage porte sur les 1 000 premières lignes. Cliquez sur la mention en bas de l’écran pour le baser sur l’ensemble du jeu de données, sinon une erreur située plus loin passera inaperçue.

Pour traiter les erreurs détectées, clic droit sur l’en-tête : Remplacer les erreurs par une valeur par défaut, ou Supprimer les erreurs si les lignes sont inexploitables. Pour une clé qui doit être unique, Supprimer les doublons garantit que la relation du modèle fonctionnera en un-à-plusieurs.

Bonnes pratiques et fonctions avancées

Lire et ajuster le code M

Activez Affichage > Barre de formule : chaque étape y apparaît sous forme de fonction M. L’Éditeur avancé (onglet Accueil) affiche la requête complète :

let
    Source = Excel.Workbook(File.Contents("C:\Data\ventes.xlsx"), null, true),
    Ventes = Source{[Item = "Ventes", Kind = "Sheet"]}[Data],
    EnTetes = Table.PromoteHeaders(Ventes, [PromoteAllScalars = true]),
    Types = Table.TransformColumnTypes(EnTetes, {{"Date", type date}, {"Montant", type number}}),
    LignesFiltrees = Table.SelectRows(Types, each [Montant] <> null and [Montant] > 0)
in
    LignesFiltrees

Sans devenir développeur M, savoir lire cette structure let … in aide beaucoup à comprendre et corriger une requête.

Changer la source sans tout refaire

Quand le fichier est déplacé, ouvrez Accueil > Paramètres de la source de données > Modifier la source, ou cliquez sur l’engrenage de l’étape Source. Mieux : créez un paramètre (Accueil > Gérer les paramètres) contenant le chemin du dossier, et utilisez-le dans toutes les requêtes. Un seul changement suffit alors pour basculer de l’environnement de test à la production.

Référence ou duplication ?

Clic droit sur une requête :

• Dupliquer copie toutes les étapes : les deux requêtes deviennent indépendantes.
• Référence crée une requête qui part du résultat de la première : si la requête d’origine change, la référence suit.

Utilisez la référence pour décliner une table de base propre en plusieurs tables (une table Clients et une table Pays issues du même export), et désactivez le chargement de la requête intermédiaire (clic droit > décocher Activer le chargement) pour ne pas alourdir le modèle.

Colonne conditionnelle ou remplacement de valeurs ?

Remplacer les valeurs corrige une valeur par une autre dans la même colonne (« Idf » devient « Île-de-France »). La colonne conditionnelle crée une nouvelle catégorie à partir de règles. Pour harmoniser de nombreuses variantes, la solution la plus maintenable reste une petite table de correspondance fusionnée avec les données.

Préserver le query folding

Sur une base de données comme SQL Server, Power Query traduit les étapes en requête SQL exécutée par le serveur : c’est le query folding. Clic droit sur une étape > Afficher la requête native : si l’option est disponible, l’étape est bien déléguée à la base. Placez en premier les filtres, suppressions de colonnes et regroupements, et gardez pour la fin les transformations qui cassent le folding (colonnes d’index, certaines colonnes personnalisées). Si vous maîtrisez le SQL, écrire directement la requête d’extraction est une autre option : notre guide pour apprendre SQL vous donnera les bases.

Suivre la provenance des données

Affichage > Dépendances de requête affiche un schéma de toutes les requêtes et de leurs sources. C’est l’outil à ouvrir quand vous reprenez le fichier d’un collègue ou quand une actualisation échoue sans raison apparente.

Importer des données depuis une page web

Obtenir les données > Web, collez l’URL : le Navigateur liste les tableaux HTML détectés sur la page, et l’option Ajouter une table à l’aide d’exemples permet d’extraire des éléments qui ne sont pas dans un tableau. Pour des sites plus complexes, avec pagination ou contenu dynamique, un script Python est souvent plus adapté : voyez notre guide de web scraping avec Python.

Les erreurs fréquentes avec Power Query

Erreur	Cause	Solution
« La colonne X est introuvable » après actualisation	Une colonne a été renommée ou supprimée dans la source	Corriger l’étape en cause, préférer « Supprimer les autres colonnes »
Des montants deviennent des erreurs	Séparateur décimal ou texte dans une colonne numérique	Changer le type avec les paramètres régionaux, remplacer les erreurs
Remplir vers le bas ne fait rien	Les cellules contiennent du texte vide, pas null	Remplacer les valeurs vides par null avant de remplir
La combinaison de dossier échoue	Fichier temporaire ou de structure différente dans le dossier	Filtrer sur l’extension et le nom de fichier
La fusion multiplie les lignes	Clé non unique dans la table de référence	Supprimer les doublons de la clé avant la fusion
Actualisation très lente	Sources lues en entier, fusions tardives, folding perdu	Filtrer tôt, réordonner les étapes, vérifier la requête native
Modèle trop lourd	Requêtes intermédiaires chargées	Désactiver le chargement des requêtes techniques

Power Query ou DAX : où faire chaque transformation ?

Power BI propose deux endroits pour calculer : Power Query avant le chargement, et DAX dans le modèle. La règle générale est de préparer le plus en amont possible.

Besoin	Power Query	DAX
Nettoyer, typer, supprimer des lignes	Oui	Non
Dépivoter, fractionner, fusionner des sources	Oui	Non
Créer une colonne de catégorie fixe (tranche d’âge)	Recommandé	Possible (colonne calculée)
Calculer un indicateur qui réagit aux filtres	Non	Oui (mesure)
Comparer une période avec l’année précédente	Non	Oui (time intelligence)

Une fois vos tables propres, les calculs d’indicateurs se font en DAX : notre guide sur le DAX dans Power BI prend le relais. Et si vous utilisez Power Query surtout dans Excel, notre article sur Power Query et Power Pivot dans Excel présente les spécificités du tableur.

Comment progresser sur Power Query ?

Power Query s’apprend très bien en autonomie, à condition de travailler sur des fichiers réalistes. Voici l’ordre que nous recommandons :

1. Les bases (1 heure) : importer, promouvoir les en-têtes, typer, filtrer, supprimer des colonnes.
2. La restructuration : remplir, fractionner, dépivoter, colonnes conditionnelles.
3. La combinaison : fusion, ajout, combinaison de dossiers.
4. La fiabilisation : profilage, gestion des erreurs, paramètres, références.
5. L’optimisation : query folding, dépendances, lecture du code M.

Pour pratiquer avec des fichiers fournis, la formation vidéo Power Query pour Power BI d’EspritAcadémique dure deux heures et ne demande aucun prérequis. Elle couvre notamment :

• les premières transformations, le remplissage des cellules vides et le pivotement des colonnes ;
• le fractionnement, les colonnes conditionnelles et la fusion de tables ;
• la gestion des dates, le calcul d’une année de naissance et le classement par tranche d’âge ;
• la combinaison de plusieurs fichiers Excel et le contrôle de la qualité des données ;
• le changement de source, la différence entre référence et duplication, et la provenance des données ;
• l’import d’une base via SQL Server et un exemple d’extraction de données web.

Si vous voulez replacer Power Query dans le parcours complet, de la préparation à la publication, consultez notre feuille de route pour apprendre Power BI.

En résumé

Power Query est la première brique de tout projet Power BI : il transforme des exports bruts en tables propres, typées et structurées, et rejoue ce travail à chaque actualisation. Maîtrisez les étapes de base, le dépivotage, la fusion et la combinaison de dossiers, contrôlez la qualité avant de charger, puis confiez les indicateurs au DAX. Vous gagnerez du temps à chaque mise à jour et des rapports plus fiables.