Vous avez déjà passé des heures à jongler entre plusieurs onglets Excel, à copier-coller des colonnes et à vérifier que les noms de clients correspondent exactement d’un tableau à l’autre ? Moi aussi, je suis passé par là. Ce matin encore, je me suis retrouvé face à deux fichiers clients et commandes, chacun dans un format un peu différent. Plutôt que de torturer mes doigts sur un copier-coller sans fin, j’ai ouvert Power Query. En quelques clics, ces deux tables se sont fusionnées sans stress – fini les erreurs de saisie et les formules bancales !
Pourquoi utiliser Power Query pour fusionner vos données
Power Query, c’est un peu le couteau suisse de l’importation et de la transformation de données dans Excel. Plutôt que de multiplier les formules, vous créez une requête visuelle qui peut être réexécutée à volonté. Vous connectez vos sources (fichiers plats, bases de données, Web…), vous définissez des étapes de nettoyage et de transformation, puis vous fusionnez – tout cela sans écrire une seule formule complexe.
Les vrais atouts :
- Gain de temps : vos étapes sont enregistrées et reproductibles
- Robustesse : une fois le flux validé, vous limitez les erreurs manuelles
- Flexibilité : vous pouvez charger le résultat dans une feuille Excel, dans le modèle de données ou directement dans Power BI
Cas d’usage courants
Imaginons que vous receviez chaque mois deux exports distincts : l’un pour les ventes, l’autre pour le catalogue produits. Avant, vous aligniez manuellement les références, et si un code produit n’était pas parfaitement identique, votre tableau déroulait 0 à la ligne. Désormais, vous importez tout dans Power Query, vous nettoyez les noms (suppression d’espaces, normalisation de casse) puis vous faites un Inner Join sur l’identifiant produit. Le tour est joué.
Vous pourriez aussi avoir besoin de fusionner des cellules dans votre rapport final, mais gardez votre source brute intègre : Power Query se charge de la cohérence pour vous.
Bénéfices clés
« Après quelques essais, j’ai réduit de 80 % mon temps de préparation de données » – témoignage d’un analyste financier.
- Automatisation : exécution en un clic à la mise à jour des fichiers
- Nettoyage avancé : suppression de doublons, conversion de formats de date, extraction de sous-chaînes
- Consolidation : combinaison de tables hétérogènes sans formules à rallonge
Étapes pour fusionner deux tables dans Power Query
1. Importer les sources
Dans l’onglet Données, choisissez « Obtenir des données » puis sélectionnez votre source (Excel, CSV, base de données…). Répétez pour chaque fichier ou table à fusionner. Chaque import devient une requête distincte dans l’éditeur Power Query.
2. Nettoyer et préparer
Avant la fusion, veillez à :
- Uniformiser les noms de colonnes et le format des clés de jointure
- Supprimer les lignes vides ou les valeurs aberrantes
- Éventuellement scinder une colonne en plusieurs via les options de fractionnement
Par exemple, pour isoler l’année dans une date, vous pouvez extraire les quatre premiers caractères avec une fonction type GAUCHE intégrée directement dans Power Query.
3. Appliquer la fusion (Join)
Dans l’éditeur, utilisez « Fusionner les requêtes » : vous choisissez la requête principale et la seconde, vous désignez la colonne de clé commune. Vous pouvez opter pour plusieurs types de jointures :
| Type de jointure | Résultat |
|---|---|
| Inner (intersection) | Seules les lignes présentes dans les deux tables |
| Left Outer (gauche) | Toutes les lignes de la table principale, avec données associées |
| Right Outer (droite) | L’inverse du précédent |
| Full Outer | Tous les enregistrements, même sans correspondance |
4. Développer la table fusionnée
Une fois la jointure créée, un nouveau champ de type table se rajoute. Cliquez sur l’icône d’expansion pour sélectionner les colonnes à conserver dans votre tableau final. Vous pouvez décocher la case « Utiliser le nom de colonne d’origine comme préfixe » pour un rendu plus clair.
Exemples concrets et bonnes pratiques
Pour illustrer, prenons deux fichiers :
- Clients.xlsx : liste des clients avec ID, nom et région
- Commandes.csv : historique des commandes avec ID client, date et montant
1. Importez les deux sources.
2. Nettoyez la colonne « Montant » pour convertir les virgules en points si nécessaire.
3. Fusionnez sur la colonne « ID client ».
4. Développez le champ commandes, sélectionnez date et montant, puis renommez pour clarté.
Vous obtenez un tableau unique regroupant tous les achats par client. À partir de là, un petit coup de SOMME.SI ou de tableau croisé dynamique permettra de détailler les ventes par région.
Trucs et astuces pour peaufiner vos requêtes
- Paramètres dynamiques : définissez un dossier de sources et mettez à jour automatiquement tous les fichiers qu’il contient.
- Étapes réutilisables : copiez/collez une requête de nettoyage d’un projet à un autre.
- Performance : limitez l’aperçu à 1000 lignes pour accélérer l’affichage, puis chargez le résultat complet.
- Documentation : renommez chaque étape avec un libellé parlant (ex. « Supprimer doubles » ou « Changer type date »).
FAQ rapide
- Faut-il toujours nettoyer avant de fusionner ?
Oui, pour éviter les correspondances manquantes liées à des espaces ou une casse différente. - Peut-on fusionner plus de deux tables ?
Bien sûr : enchaînez simplement plusieurs opérations de fusion ou utilisez des requêtes références. - Quelle version d’Excel est nécessaire ?
Power Query est intégré à Excel 2016 et ultérieur. Sur 2010/2013, il s’installe via un module complémentaire.
En vous familiarisant avec cet outil, vous gagnez en sérénité et en temps : les rapports se mettent à jour en un clic, les erreurs humaines chutent, et vous pouvez consacrer votre énergie à l’analyse, pas à la préparation brute des données.
Enfin, n’hésitez pas à explorer d’autres fonctionnalités comme les segments pour rendre vos tableaux croisés dynamiques plus interactifs, ou à plonger dans la documentation de RECHERCHEV pour enrichir vos jointures selon des critères complexes. Power Query n’est que le début : derrière chaque fusion se cache un monde de possibilités analytiques.
