Passer d'Excel à Power BI : les 4 étapes clés

Trop d'entreprises veulent tout faire d'un coup : migrer 15 reportings, former 30 personnes, connecter 5 outils en même temps. Résultat : projet qui traîne, frustrations, retour à Excel au bout de 6 mois.

Voici la méthode éprouvée pour réussir votre transition en 4 étapes, sans paralyser votre organisation.

Introduction : Pourquoi tant de projets BI échouent

60% des projets de Business Intelligence dans les PME n'atteignent pas leurs objectifs.

Pourquoi ?

Parce qu'on adopte une approche "big bang" :

• On veut remplacer tous les fichiers Excel d'un coup
• On monte un projet de 6 mois avec un cahier des charges de 50 pages
• On embauche un cabinet de conseil externe qui ne connaît pas votre métier
• On découvre au bout de 4 mois que le besoin a changé
• L'équipe est frustrée, le projet est en retard, le budget est dépassé

La bonne méthode : progressive, pragmatique, par étapes.

On commence petit, on livre vite, on ajuste, on étend.

Étape 1 : Identifier LE reporting qui vous fait le plus mal

Ne commencez PAS par

• Le reporting le plus complexe (15 sources de données, 20 onglets Excel)
• Celui que tout le monde consulte (trop de pression, trop de parties prenantes)
• Celui qui nécessite 12 sources de données différentes

Commencez par

• Le reporting qui vous fait perdre le plus de temps
• Celui où les erreurs sont fréquentes
• Celui qui bloque d'autres processus (ex : impossible de faire le reporting consolidé tant que le reporting chantier n'est pas terminé)

Exemple concret (PME BTP)

"Le reporting mensuel des marges par chantier : 2 jours de travail, 3 sources de données (ERP, compta, Excel chef de chantier), formules qui cassent tout le temps, versions multiples. C'est ce reporting qu'on automatise en premier."

Méthode pour identifier le bon reporting

1. Lister tous vos reportings Excel récurrents
   • Nom du reporting
   • Fréquence (quotidien, hebdo, mensuel)
   • Nombre de sources de données
   • Temps passé par cycle
2. Noter pour chacun :
   • Temps passé/mois (en heures)
   • Fréquence des erreurs (haute, moyenne, faible)
   • Criticité pour le pilotage (critique, important, secondaire)
3. Choisir le "quick win"
   • Gros gain (temps + fiabilité)
   • Effort raisonnable (1-2 sources de données max)
   • Impacte plusieurs personnes (DAF, contrôleur, chef d'entreprise)

Output de l'étape 1

1 seul reporting ciblé, périmètre clair.

Exemple : "Reporting mensuel des marges par chantier, alimenté par l'ERP Batigest et Sage Compta, consulté par le DAF et les 3 chefs de chantier."

Étape 2 : Cartographier les données (sans se perdre dans la technique)

Objectif

Comprendre d'où viennent vos chiffres et comment les récupérer automatiquement.

Pas besoin d'être un expert technique. Il suffit de répondre à 3 questions simples.

Question 1 : Où sont stockées mes données ?

• Dans quel logiciel ? (ERP, CRM, logiciel comptable, autre)
• Format ? (Base SQL, exports Excel, fichiers CSV, API...)
• Accessibles comment ? (API disponible, export manuel, connexion directe BDD)

Question 2 : À quelle fréquence j'ai besoin de rafraîchir ?

• Temps réel (rafraîchissement chaque heure) : nécessite API ou connexion directe
• Quotidien (chaque nuit) : export automatisé suffit
• Hebdomadaire : export manuel acceptable

Question 3 : Qui fait quoi aujourd'hui ?

• Qui extrait les données ? (DAF, comptable, assistant)
• Combien de temps ça prend ? (chiffrer précisément)
• Quelles manipulations manuelles ? (copier-coller, corrections, ajustements)

Exemple concret : Reporting marges par chantier

Output de l'étape 2

Cartographie claire des sources + plan de connexion.

Vous savez maintenant :

• Quelles données vous avez besoin
• Où elles sont
• Comment les récupérer automatiquement
• Quelle fréquence de rafraîchissement

Étape 3 : Construire le pipeline + le dashboard (commencer simple)

Principe : MVP (Minimum Viable Product)

On ne construit PAS le dashboard parfait avec 50 graphiques et 20 filtres.

On construit la version minimale utile qui répond au besoin prioritaire.

Phase 3.1 : Construire le pipeline de données

Le pipeline, c'est la "tuyauterie" qui va chercher les données et les prépare pour le dashboard.

Étapes :

1. Connexion aux sources
   • API pour l'ERP
   • Script Python pour automatiser l'export Sage
   • Connexion SharePoint pour le fichier Excel chef de chantier
2. Nettoyage et consolidation
   • Harmonisation des formats (dates, montants, codes chantier)
   • Détection et correction des anomalies (doublons, valeurs manquantes)
   • Calculs intermédiaires (marges, écarts budget/réalisé)
3. Stockage centralisé
   • Toutes les données consolidées dans une base unique

Phase 3.2 : Créer le dashboard (version 1)

Règle d'or : 1 page = 1 objectif.

Pour le reporting marges par chantier :

Ce qu'on NE met PAS dans la version 1 :

• Graphiques "jolis mais inutiles"
• Filtres qu'on n'utilisera jamais
• Animations complexes

Délai réaliste

4 à 6 semaines pour un reporting avec 2-3 sources de données.

• Semaine 1-2 : Connexion aux sources + pipeline
• Semaine 3-4 : Dashboard version 1
• Semaine 5 : Tests et ajustements
• Semaine 6 : Formation et déploiement

Étape 4 : Former l'équipe et itérer

Phase 4.1 : Formation (2h suffisent)

Pas besoin de 3 jours de formation. 2 heures suffisent pour apprendre à utiliser un dashboard Power BI.

Programme de formation :

1. Accéder au dashboard (15 min)
   • URL du dashboard
   • Connexion (identifiant / mot de passe si nécessaire)
   • Version mobile (app Power BI sur smartphone)
2. Naviguer dans le dashboard (30 min)
   • Comprendre les pages et leur objectif
   • Utiliser les filtres
   • Drill-down (cliquer sur un chantier pour voir le détail)
   • Exporter des données si besoin
3. Interpréter les indicateurs (45 min)
   • Que signifie chaque KPI ?
   • Quelle action mener si un indicateur est dans le rouge ?
   • Exemples concrets
4. Support et questions (30 min)
   • Comment signaler un problème ?
   • À qui poser des questions ?
   • Hotline / email support

Phase 4.2 : Itérer en continu

Principe : amélioration continue.

Après 1 mois d'utilisation, faire un bilan avec les utilisateurs :

• Qu'est-ce qui fonctionne bien ?
• Qu'est-ce qui manque ?
• Quels ajustements nécessaires ?

Ajuster le dashboard en conséquence (ajout de filtres, nouveaux graphiques, etc.)

Phase 4.3 : Étendre progressivement

Une fois le premier reporting automatisé et adopté par l'équipe, vous pouvez :

• Migrer un 2e reporting (en suivant la même méthode)
• Ajouter des fonctionnalités au dashboard actuel
• Former d'autres équipes

Principe : 1 reporting tous les 2-3 mois.

Pas besoin de tout faire d'un coup. La transformation prend 12 à 18 mois, c'est normal.

Les pièges à éviter

Piège 1 : Vouloir tout automatiser d'un coup

Mauvaise approche : "On va migrer nos 20 fichiers Excel en Power BI" : Projet qui traîne, frustrations, échec

Bonne approche : "On commence par 1 fichier, on maîtrise, puis on étend" : Succès rapide, équipe motivée, extension progressive

Piège 2 : Négliger la formation

Mauvaise approche : "Le dashboard est prêt, c'est intuitif, pas besoin de formation" : Personne ne l'utilise, retour à Excel

Bonne approche : "On forme l'équipe pendant 2h et on répond aux questions pendant 1 mois" : Adoption réussie

Piège 3 : Faire un dashboard trop complexe

Mauvaise approche : Dashboard avec 15 pages, 50 graphiques, 30 filtres : Personne ne comprend, trop compliqué

Bonne approche : Dashboard avec 2-3 pages, les KPI essentiels, navigation simple : Adopté immédiatement

Piège 4 : Ne pas impliquer les utilisateurs finaux

Mauvaise approche : Le DAF construit le dashboard tout seul dans son coin : Dashboard qui ne répond pas aux besoins terrain

Bonne approche : On implique les chefs de chantier dès le départ (ateliers, feedbacks) : Dashboard adapté aux besoins réels

Conclusion : La transformation est un marathon, pas un sprint

Passer d'Excel à Power BI ne se fait pas en 1 mois. C'est un processus progressif qui prend 12 à 18 mois pour une PME.

Mais les bénéfices sont mesurables :

• 10 à 15h/mois gagnées par reporting automatisé
• Décisions plus rapides (vision J+1 au lieu de M+15)
• Moins d'erreurs (données consolidées automatiquement)
• Meilleure réactivité (détection précoce des dérives)

La clé du succès : commencer petit, livrer vite, itérer.