Les données arrivent sales

Le chiffre qui ne tombe pas juste

Au module 1, Baraka Energy vous avait envoyé un fichier propre. Ce n'était pas la réalité, c'était une politesse.

Aujourd'hui, la vraie chose. Trois fichiers, trois formats, envoyés par trois personnes différentes :

Chargez-les tels quels, additionnez, et votre tableau de bord vous annonce :

Vous venez de surestimer le chiffre d'affaires de 195 189 dollars, soit 31 %. Et rien à l'écran ne vous l'aurait dit. Le graphique était beau, les couleurs correctes, le tri impeccable.

C'est ce module qui vous évite de présenter ce chiffre-là à une direction.

Le plan d'aujourd'hui

1	Se connecter : six sources, une seule logique	10 min
2	Power Query : l'atelier où rien n'est définitif	10 min
3	Nettoyer les trois fichiers, une saleté à la fois	30 min
4	Les faire écrire par Claude, et relire	10 min
5	Premières mesures DAX : colonne ou mesure ?	15 min
6	Le total tombe juste	5 min

Livrable : le tableau de bord du module 1, refait sur des données propres, et dont le total est vérifiable.

---

Se connecter : six sources, une seule logique

Accueil → Obtenir les données. La liste est longue et elle fait peur. Elle ne devrait pas : toutes ces connexions donnent la même chose — une table dans Power Query. Ce qui change, c'est la porte d'entrée.

Source	Quand	À savoir
Classeur Excel	un fichier qu'on vous envoie	choisissez la feuille, pas le tableau nommé, sauf s'il existe
Texte/CSV	un export de logiciel	c'est là que le séparateur et l'encodage se règlent
Dossier	douze fichiers mensuels identiques	le plus utile et le moins connu — voir module 3
Web	une page ou une API	fonctionne, mais casse quand la page change
Base de données	SQL Server, PostgreSQL, MySQL	demandez un accès en lecture seule
SharePoint / OneDrive	le fichier partagé de l'équipe	se réactualise dans le service sans passerelle

💡 La question à poser avant de se connecter : « ce fichier, est-ce que je vais le recevoir encore le mois prochain, au même endroit et dans le même format ? » Si oui, connectez-vous au dossier ou à la source, pas au fichier. Si non, peu importe.

---

Power Query : l'atelier où rien n'est définitif

Obtenir les données → choisissez le fichier → Transformer les données (et non Charger). Vous entrez dans Power Query.

C'est un atelier séparé, et il obéit à une règle qui change tout :

Le volet Étapes appliquées, à droite, est la liste de ce que vous avez fait. Vous pouvez remonter, supprimer une étape du milieu, la renommer.

💡 Renommez vos étapes. « Type modifié », « Type modifié1 », « Type modifié2 » ne veut rien dire dans trois mois. « Dates au format français » si.

Et surtout : votre fichier d'origine n'est jamais touché. Power Query enregistre une recette, pas un résultat. Le mois prochain, on remplace le fichier, on actualise, et les trente étapes se rejouent seules.

C'est exactement ce qui vous fait gagner les deux jours par mois.

---

Nettoyer, une saleté à la fois

Fichier 1 — l'export de caisse

Chargez baraka-t1.xlsx en Transformer les données. Quatre problèmes, dans cet ordre.

① Douze lignes vides au milieu. Quelqu'un a supprimé du contenu sans supprimer les lignes.

Accueil → Supprimer les lignes → Supprimer les lignes vides.

② Les dates sont du texte. Regardez l'icône à gauche du nom de colonne : ABC, pas une date. L'export a rendu 05/03/2026 — jour/mois/année.

Clic droit sur Date → Modifier le type → En utilisant les paramètres régionaux → Type Date, Paramètres régionaux Français (France).

⚠️ Ne passez jamais par le simple « Modifier le type → Date ». Power BI lit alors au format anglais, et 05/03/2026 devient le 3 mai au lieu du 5 mars. Les douze premiers jours de chaque mois basculent, les autres passent en erreur. Votre courbe mensuelle est fausse, et elle ne le crie pas.

C'est l'erreur la plus coûteuse de tout Power BI.

③ Quarante-sept doublons. Un export a été relancé.

Accueil → Supprimer les lignes → Supprimer les doublons.

⚠️ Sur la colonne N° vente sélectionnée, et elle seule. Si vous dédoublonnez sur toutes les colonnes, vous supprimez aussi les vraies ventes identiques — même agent, même produit, même jour, deux clients. Elles existent. Vous effaceriez du chiffre d'affaires réel en croyant nettoyer.

Un identifiant sert exactement à ça. Quand un fichier n'en a pas, demandez-le avant de commencer.

④ Des espaces invisibles. Cent quatre-vingt-onze agents s'appellent Aïcha Diallo au lieu de Aïcha Diallo. À l'écran, c'est pareil. Pour Power BI, ce sont deux personnes.

Sélectionnez les colonnes de texte → Transformer → Format → Supprimer les espaces.

💡 Faites-le sur toutes les colonnes de texte, systématiquement, même quand rien ne semble sale. Ça ne coûte rien et ça évite un dédoublement de ligne que vous mettriez une heure à trouver.

⑤ Le pays écrit de vingt-cinq façons. Côte d'Ivoire, Cote d'Ivoire, COTE D IVOIRE, RD Congo, R.D. Congo, rd congo…

Trois agents l'ont tapé à la main. Votre graphique par pays affichera vingt-cinq barres pour vingt pays.

Deux façons de le régler :

• Pour quelques valeurs : clic droit → Remplacer les valeurs,
  une par une.
• Pour une liste qui va revenir : une table de correspondance
  — un petit fichier à deux colonnes, écrit comme ça → devrait être, qu'on fusionne. C'est plus long aujourd'hui et beaucoup plus court le mois prochain.

Commencez par la première méthode. Nous reviendrons sur la seconde au module 3, quand nous saurons fusionner.

Fichier 2 — le CSV à la française

baraka-t2.csv. Dans la fenêtre d'aperçu, avant de charger :

Réglage	Valeur	Pourquoi
Origine du fichier	65001 : Unicode (UTF-8)	sinon « Côte d'Ivoire » devient « Côte d'Ivoire »
Délimiteur	Point-virgule	un CSV français sépare au point-virgule

Puis le vrai piège de ce fichier : les montants s'écrivent 1 234,50 — espace pour les milliers, virgule pour les décimales. Power BI les lit comme du texte, et une colonne de texte ne s'additionne pas.

Clic droit sur Montant → Modifier le type → En utilisant les paramètres régionaux → Nombre décimal, Français (France).

💡 Même menu que pour les dates, même raison. Retenez ce chemin : « En utilisant les paramètres régionaux » est la réponse à neuf problèmes d'import sur dix, et presque personne ne le connaît.

Si un Erreur persiste dans la colonne, c'est une espace insécable (celle que produisent les tableurs). Remplacer les valeurs → chercher l'espace, remplacer par rien — puis changer le type.

Fichier 3 — le tableau croisé

baraka-t3.xlsx n'est pas une liste de ventes. C'est un tableau croisé : les mois sont devenus des colonnes.

Un tableau croisé se lit bien et se calcule mal : vous ne pouvez pas filtrer sur « le mois » puisqu'il n'y a pas de colonne « mois ».

Dépivoter, et c'est deux clics : sélectionnez les trois colonnes de mois → Transformer → Supprimer le tableau croisé dynamique des colonnes. Renommez Attribut en Mois et Valeur en Montant.

⚠️ Et supprimez la ligne TOTAL. Elle est à la fin du fichier, elle a l'air inoffensive, et elle double votre chiffre d'affaires du trimestre. À elle seule, elle explique 187 920 des 195 189 dollars d'écart.

Accueil → Supprimer les lignes → Supprimer les lignes du bas → 2 — ou mieux, filtrez la colonne Pays pour exclure TOTAL, ce qui tiendra même si le fichier change de longueur le mois prochain.

Retenez ce dernier réflexe. Supprimer « les deux dernières lignes » marche aujourd'hui ; filtrer sur une condition marche toujours. Entre les deux, choisissez la condition.

---

Les faire écrire par Claude

Power Query s'écrit dans un langage qui s'appelle M. Vous ne l'avez pas vu, mais chacun de vos clics en a produit. Ouvrez Affichage → Éditeur avancé : votre travail est là, en toutes lettres.

Claude écrit du M. Dans votre projet PBIP :

Dans ce projet, ajoute une requête Power Query qui charge
baraka-t1.xlsx :

- supprime les lignes vides
- convertit la colonne Date depuis le texte jj/mm/aaaa
  (paramètres régionaux français)
- supprime les doublons sur N° vente uniquement
- supprime les espaces de début et de fin sur toutes les
  colonnes de texte
- normalise les noms de pays : « Cote d'Ivoire » et
  « COTE D IVOIRE » deviennent « Côte d'Ivoire », « R.D. Congo »
  et « rd congo » deviennent « RD Congo »

Nomme les étapes en français, de façon lisible.

Puis relisez l'éditeur avancé. C'est le moment le plus utile du module.

Ce que vous devez vérifier, à chaque fois :

1. La conversion de date mentionne-t-elle bien "fr-FR" ?
   Sans ça, le 5 mars devient le 3 mai.
2. Le dédoublonnage porte-t-il bien sur {"N° vente"} seul ?
3. L'ordre des étapes est-il tenable ? Supprimer les espaces
   après avoir remplacé les noms de pays laisse passer RD Congo.

Trois questions, trente secondes. C'est le prix de la confiance.

---

Colonne ou mesure : la question qui décide de tout

Vous avez maintenant des données propres. Il faut calculer dessus — et Power BI propose deux objets qui se ressemblent et n'ont rien à voir.

La règle, et elle tient en une phrase :

Si le résultat appartient à la ligne, c'est une colonne. Si le résultat dépend de ce qu'on regarde, c'est une mesure.

Montant = Quantité × Prix unitaire appartient à la ligne : colonne. Chiffre d'affaires total dépend du pays sélectionné, du mois affiché, du segment cliqué : mesure.

⚠️ Dans le doute, faites une mesure. Une colonne calculée de trop alourdit le modèle et fige un résultat ; une mesure de trop ne coûte rien. Les modèles lents que nous verrons au module 9 sont presque toujours des modèles pleins de colonnes qui auraient dû être des mesures.

Vos quatre premières mesures

Accueil → Nouvelle mesure.

CA total = SUM ( Ventes[Montant USD] )

Nombre de ventes = COUNTROWS ( Ventes )

Panier moyen =
DIVIDE ( [CA total], [Nombre de ventes] )

Unités vendues = SUM ( Ventes[Quantité] )

💡 DIVIDE et jamais la barre oblique. [CA] / [Ventes] rend une erreur quand le dénominateur est zéro — ce qui arrive dès qu'un filtre ne laisse aucune ligne. DIVIDE rend un blanc, proprement. Votre tableau de bord affiche un vide au lieu d'un message rouge.

Et un réflexe de rangement qui paraît anodin : créez une table vide nommée _Mesures et déplacez-y les quatre. Dans six mois, avec quarante mesures, vous me remercierez.

---

Le total tombe juste

Reprenez votre carte CA total.

Avant nettoyage	822 186 $
Après nettoyage	626 997 $

Le chiffre du module 1. À l'unité près.

Ce n'est pas une coïncidence, c'est une vérification. Et c'est l'habitude la plus professionnelle de tout ce cours : quand vous nettoyez des données, vous devez avoir un chiffre connu à retrouver. Sans point de contrôle, « j'ai nettoyé » ne veut rien dire — vous avez peut-être supprimé deux mille lignes correctes.

Demandez toujours un chiffre de contrôle avant de commencer un nettoyage. « Quel chiffre d'affaires la comptabilité annonce-t-elle pour mars ? » Cette question vous fera gagner des journées, et elle vous évitera le module 9.

Refaites maintenant les trois visuels du module 1 sur ces données. Comparez les deux tableaux de bord côte à côte : le classement des pays a changé, parce que les variantes d'écriture coupaient la Côte d'Ivoire et la RD Congo en morceaux.

Enregistrez. Deuxième livrable.

---

Ce que vous avez appris sans qu'on vous le dise

Rencontré aujourd'hui	Approfondi au module
Fusionner une table de correspondance	3
Plusieurs tables qui coexistent	4
Le contexte de filtre d'une mesure	5
Une colonne Mois séparée de la date	6
Un modèle alourdi par des colonnes inutiles	9

---

Avant le module 3

Gardez votre fichier propre : c'est la base de tout le reste du cours.

Et remarquez ce qui cloche encore, parce que c'est la prochaine séance :

Vous avez trois tables séparées — T1, T2, T3 — et vous avez dû les regarder une par une. Votre segment Catégorie ne filtre que l'une des trois. Votre total, vous l'avez calculé à la main en additionnant trois cartes.

Comment fait-on pour que trois tables se comportent comme une seule ?

Au module 3 : réunir, relier, choisir le bon graphique — et publier le résultat sur Power BI Service.