Power Query : nettoyer vos données dans Excel et Power BI

Power Query permet de nettoyer des données une seule fois puis de rejouer automatiquement le nettoyage à chaque actualisation. Les étapes les plus utiles : définir les bons types de données, fractionner et nettoyer les colonnes de texte, supprimer les doublons, dépivoter les tableaux en colonnes, fusionner ou ajouter des requêtes, et créer des colonnes à partir d’exemples. Le même moteur est présent dans Excel et dans Power BI : ce que vous apprenez ici sert dans les deux.

Où trouver Power Query dans Excel et Power BI ?

Dans Excel : onglet Données > Obtenir des données, puis choisissez la source (classeur, fichier CSV, dossier, liste SharePoint…). Pour une plage déjà présente dans le classeur, utilisez À partir d’un tableau ou d’une plage.
Dans Power BI Desktop : onglet Accueil > Transformer les données.

Dans les deux cas, l’éditeur Power Query s’ouvre. Chaque action que vous faites est enregistrée dans le volet Étapes appliquées, à droite. Ces étapes sont rejouées dans l’ordre à chaque actualisation : le jour où un nouvel export arrive, il suffit d’actualiser.

Les étapes de nettoyage les plus courantes

1. Définir les bons types de données

C’est l’étape la plus importante et la plus souvent négligée. Une colonne de montants typée en texte ne se somme pas ; une date mal interprétée fausse toutes les analyses temporelles.

Cliquez sur l’icône à gauche du nom de colonne pour choisir le type : Nombre décimal, Nombre entier, Date, Texte…
Pour un fichier dont le format diffère de vos paramètres (dates américaines, séparateur décimal point), utilisez Modifier le type > Utilisation des paramètres régionaux et indiquez la langue d’origine.

Attention à l’étape automatique « Type modifié » que Power Query ajoute à l’import : elle cite chaque colonne par son nom. Si la source change, elle peut provoquer des erreurs. Vérifiez-la, et n’hésitez pas à la remplacer par une étape de typage faite en connaissance de cause.

2. Nettoyer et fractionner le texte

Les exports contiennent souvent des espaces parasites ou des informations collées dans une même colonne.

Transformer > Format > Supprimer les espaces retire les espaces en début et fin de texte ; Nettoyer supprime les caractères non imprimables.
Majuscules, minuscules ou Mettre en majuscule chaque mot harmonisent la casse.
Fractionner la colonne > Par délimiteur sépare par exemple « DUPONT;Marie » en deux colonnes Nom et Prénom. D’autres options existent : par nombre de caractères, par position, au passage d’une minuscule à une majuscule.
Remplacer les valeurs corrige les libellés incohérents (« IDF », « Ile-de-France », « Île de France »).

3. Gérer les valeurs vides

Remplissage > Vers le bas complète les cellules vides avec la dernière valeur au-dessus : idéal pour les exports où la catégorie n’est indiquée que sur la première ligne d’un groupe. Le remplissage s’applique aux valeurs null : si les cellules sont simplement vides, remplacez d’abord la valeur vide par null avec Remplacer les valeurs.
Supprimer les lignes > Supprimer les lignes vides élimine les lignes totalement vides.
Les filtres de colonne permettent d’écarter les lignes de sous-totaux ou de commentaires.

4. Supprimer les doublons

Sélectionnez la ou les colonnes qui identifient une ligne unique, puis Accueil > Supprimer les lignes > Supprimer les doublons.

Deux pièges à connaître :

Power Query respecte la casse : « dupont@exemple.fr » et « Dupont@exemple.fr » sont considérés comme différents. Passez la colonne en minuscules avant de supprimer les doublons.
Power Query ne garantit pas de conserver la première occurrence d’un doublon. Si vous devez garder la ligne la plus récente, triez et regroupez explicitement plutôt que de compter sur l’ordre.

À l’inverse, Conserver les lignes > Conserver les doublons isole les doublons pour les analyser avant de les supprimer.

5. Dépivoter un tableau en colonnes

C’est la transformation qui change tout pour l’analyse. Beaucoup de fichiers sont construits « à l’horizontale » : une ligne par produit et une colonne par mois (Janvier, Février, Mars…). Ce format est lisible, mais impossible à filtrer ou à agréger proprement.

Sélectionnez la ou les colonnes à garder (par exemple Produit).
Clic droit > Dépivoter les autres colonnes (selon votre version, le libellé peut être « Supprimer le tableau croisé dynamique des autres colonnes »).
Vous obtenez deux nouvelles colonnes, Attribut (le mois) et Valeur (le montant) : renommez-les et typez-les.

L’intérêt de « dépivoter les autres colonnes » : si un nouveau mois apparaît dans la source, il est automatiquement pris en compte à l’actualisation.

6. Fusionner et ajouter des requêtes

Deux opérations à ne pas confondre :

Ajouter des requêtes empile des tables de même structure les unes sous les autres : les ventes de janvier, puis de février, puis de mars. C’est l’équivalent d’un copier-coller en bas de tableau, en automatique.
Fusionner des requêtes rapproche deux tables côte à côte grâce à une colonne commune, comme une RECHERCHEV : ajouter à chaque vente la région du commercial à partir d’une table de correspondance.

Pour une fusion, choisissez le type de jointure : externe gauche (toutes les lignes de la première table, avec les correspondances trouvées), interne (seulement les lignes présentes des deux côtés), anti gauche (les lignes sans correspondance, très utile pour repérer les codes inconnus). Les colonnes de jointure doivent avoir le même type de données, sinon les correspondances échouent. Après la fusion, développez la nouvelle colonne pour ne garder que les champs utiles.

Astuce : pour combiner tous les fichiers d’un même dossier (un export par mois, par exemple), utilisez la source Dossier puis Combiner : chaque nouveau fichier déposé sera intégré à l’actualisation suivante.

7. Créer une colonne à partir d’exemples

Vous savez ce que vous voulez obtenir, mais pas quelle transformation utiliser ? Ajouter une colonne > Colonne à partir d’exemples : tapez le résultat attendu sur une ou deux lignes (par exemple « Dupont, Marie » à partir des colonnes Nom et Prénom), et Power Query devine la transformation et l’applique à toutes les lignes. La formule générée s’affiche au-dessus de l’aperçu : vérifiez-la. La fonctionnalité s’appuie sur les 100 premières lignes de l’aperçu ; contrôlez le résultat sur des cas atypiques.

Les bonnes pratiques Power Query

Supprimez tôt les colonnes et les lignes inutiles : moins de données à traiter, des actualisations plus rapides.
Renommez vos étapes (« Filtre année en cours » plutôt que « Lignes filtrées 3 ») : la requête devient lisible par vos collègues.
Évitez de modifier les étapes au milieu sans vérifier les suivantes : une étape supprimée ou renommée peut casser toute la chaîne.
Profitez du repli de requête : sur une base de données, les premières étapes (filtres, sélection de colonnes) peuvent être exécutées directement par la source. Placez-les en tête de requête.
Désactivez le chargement des requêtes intermédiaires (clic droit > décocher Activer le chargement) : seules les tables finales doivent arriver dans le modèle ou la feuille.
Nettoyez à la source quand c’est possible : un export mieux paramétré vaut mieux que dix étapes de correction.
Préférez Power Query aux colonnes calculées DAX pour les transformations simples dans Power BI (voir Power BI mesure vs colonne calculée : laquelle choisir ?).

Et après le nettoyage ?

Des données propres ne sont qu’une première étape. Dans Power BI, elles doivent ensuite être organisées en tables de faits et de dimensions : c’est l’objet de notre article Modèle en étoile Power BI : le guide pour bien démarrer. Vous hésitez encore entre les deux outils ? Lisez Power BI ou Excel : lequel choisir pour vos analyses ?.

Power Query est la première brique de la formation Power BI — Fondamentaux : nos experts y partent de fichiers réalistes, avec leurs défauts, pour construire des requêtes fiables et réutilisables, puis le modèle et les rapports qui en découlent.

Questions fréquentes

Power Query modifie-t-il mon fichier source ?

Non. Power Query lit la source et applique ses transformations sur une copie chargée dans Excel ou dans le modèle Power BI. Le fichier ou la base d’origine reste inchangé.

Quelle différence entre Power Query dans Excel et dans Power BI ?

Le moteur et le langage (M) sont les mêmes, et l’éditeur se présente de façon très proche. La différence porte sur la destination : une feuille ou le modèle de données dans Excel, le modèle sémantique dans Power BI.

Faut-il connaître le langage M pour utiliser Power Query ?

Non : l’essentiel se fait à la souris, et Power Query écrit le code M pour vous. Savoir lire la barre de formule aide toutefois à comprendre et corriger une étape.

Pourquoi mon actualisation échoue-t-elle après un changement de fichier ?

Le plus souvent, une colonne a été renommée ou supprimée dans la source, et une étape y fait encore référence par son nom (typiquement « Type modifié »). Ouvrez la requête, repérez l’étape en erreur et adaptez-la au nouveau nom de colonne.