Données et connexions
Réutiliser vos transformations de données avec les Dataflows
Un dataflow prépare vos données une seule fois pour les réutiliser dans plusieurs rapports ou applications. Tout le monde travaille alors sur les mêmes chiffres, tenus à jour automatiquement.
Un dataflow, appelé « flux de données » dans les écrans en français, prépare vos données une seule fois (nettoyage, filtres, regroupements) pour les réutiliser ensuite dans plusieurs rapports ou applications. Il évite que chaque équipe refasse le même travail dans son coin et obtienne un chiffre différent. Pour une entreprise, c’est le moyen d’avoir une seule version de ses données, tenue à jour automatiquement.
Pourquoi centraliser la préparation des données
Dans un rapport Power BI classique, les transformations vivent à l’intérieur du fichier. Dès que trois personnes ont besoin des mêmes données, chacune recopie les étapes, puis les fait évoluer à sa façon. Deux rapports finissent par afficher deux chiffres d’affaires différents, et la réunion de direction se passe à comprendre pourquoi.
Prenez un groupe dont les filiales exportent leur comptabilité dans des formats différents. Avec un dataflow, les règles de nettoyage et de consolidation sont écrites une fois, au même endroit. Tous les rapports du groupe se branchent sur le résultat. Quand une règle change, on la corrige une fois, et tout le monde en bénéficie à l’actualisation suivante.
D’autres situations types s’y prêtent bien :
- Ventes : des données du CRM enrichies de sources externes, disponibles pour tous les tableaux de bord commerciaux.
- Ressources humaines : des données sensibles anonymisées une fois pour toutes avant d’être partagées.
- Marketing : des données publicitaires, web et CRM réunies pour mesurer l’efficacité des campagnes.
Le moteur est Power Query, l’outil de préparation de données déjà présent dans Excel et Power BI. Si vous le connaissez, vous savez déjà construire un dataflow. Sinon, commencez par notre guide pour nettoyer vos données avec Power Query.
Flux standard ou flux analytique : lequel choisir
La destination des données détermine le type de flux. Un flux qui charge dans des tables Dataverse est standard. Un flux qui charge dans un stockage conçu pour l’analyse, Azure Data Lake Storage, est analytique. Les flux créés dans Power BI sont toujours analytiques, et ceux créés dans Power Apps peuvent être l’un ou l’autre.
| Point à comparer | Standard | Analytique |
|---|---|---|
| Où le créer | Power Apps | Power BI, ou Power Apps en cochant Entités analytiques uniquement |
| Où vont les données | Dataverse | Azure Data Lake Storage |
| Qui peut les utiliser | Toute application qui lit Dataverse | Power BI seulement pour un flux Power BI, d’autres applications par Data Lake dans les autres cas |
| Tables calculées | Non | Oui |
| Fonctions d’IA | Non | Oui |
| Chargement par défaut | Incrémentiel | Complet, incrémentiel à configurer |
| Point fort | Alimenter applications et flux métier | Traiter de gros volumes pour l’analyse |
La règle est simple : si les données doivent servir à une application reliée à Dataverse, prenez un flux standard. Si elles servent d’abord à des rapports, prenez un flux analytique. Le tableau complet est dans la documentation de Microsoft sur les différences entre les types de flux de données.
Gen1, Gen2, Fabric : où en est-on
Les articles anciens ne le disent pas, et le sujet touche pourtant vos choix. Trois points à retenir en octobre 2026 :
- Power BI Dataflow Gen1 est passé à l’état hérité. Il continue de fonctionner, mais ne reçoit plus de nouvelles fonctionnalités. Aucune date de retrait n’est annoncée, et Microsoft promet au moins 12 mois de préavis aux clients Premium.
- Dataflow Gen2 est la voie recommandée pour les clients Premium qui ont accès à Fabric, la plateforme de données de Microsoft. Gen2 demande une capacité Fabric. Les clients Pro et Premium par utilisateur peuvent rester sur Gen1, le temps que les consignes de Microsoft pour leur cas se précisent.
- Côté Power Apps, les flux standard V1 ne sont plus actualisés depuis le 31 mai 2025 : seul le V2 reste utilisable. Et à compter du 31 octobre 2026, on ne peut plus créer de flux analytique Power Platform sur un stockage Azure Data Lake appartenant au client. Les flux existants continuent de tourner.
Avant de migrer, lisez la page de Microsoft sur le passage de Gen1 à Gen2. Prudence avec l’assistant de mise à niveau : selon Microsoft, il remplace l’élément d’origine sans retour possible. L’option Save as Dataflow Gen2 garde au contraire votre flux Gen1 intact.
Créer votre premier dataflow
Voici le chemin dans Power Apps. Dans Power BI, on part d’un espace de travail, et la suite se déroule de la même façon.
- Sélectionnez Plus, puis Flux de données, puis Nouveau flux de données.
- Donnez un nom au flux. Cochez Entités analytiques uniquement si vous voulez un flux analytique.
- Choisissez la source : base de données, fichier Excel, service web ou application. Si elle se trouve dans vos locaux, il vous faudra une passerelle de données.
- Appliquez vos transformations dans l’éditeur Power Query, sans code ou en langage M pour les cas avancés.
- Pour un flux standard, indiquez dans quelle table Dataverse charger les données : table existante ou nouvelle.
- Définissez l’actualisation, puis publiez.
Les transformations courantes
- Filtrer les lignes pour garder les données utiles.
- Renommer les colonnes pour que tout le monde les comprenne.
- Fixer le type de chaque colonne : date, nombre, texte.
- Fusionner plusieurs tables pour enrichir l’information.
- Supprimer les doublons et traiter les valeurs vides.
Chaque transformation s’enregistre comme une étape distincte, que vous pouvez modifier ou supprimer. Donnez-leur des noms parlants : c’est ce qui permet à quelqu’un d’autre de reprendre le flux dans un an. Voici à quoi ressemble une requête simple en langage M, sur une table de factures :
let
Source = Sql.Database("srv-compta", "Finance"),
Factures = Source{[Schema = "dbo", Item = "Factures"]}[Data],
Recentes = Table.SelectRows(Factures, each [DateFacture] >= #date(2026, 1, 1)),
Colonnes = Table.SelectColumns(Recentes, {"NumFacture", "DateFacture", "Client", "MontantHT"})
in
Colonnes
Cette requête se connecte à la base, ouvre la table, garde les factures de 2026, puis les quatre colonnes utiles. Vous n’avez pas à l’écrire : l’éditeur la génère à partir de vos clics.
Réutiliser le résultat et le tenir à jour
Comment on se branche dépend du type de flux :
- Dans Power BI : depuis Power BI Desktop, choisissez le connecteur des flux de données dans Obtenir les données, puis la table voulue. Le rapport ne refait plus la préparation et n’a plus à connaître la source d’origine. Une fois publié sur le service Power BI, il se partage comme les autres.
- Dans Power Apps et Power Automate : une application ne lit pas directement un dataflow, contrairement à ce qu’on lit parfois. Le flux standard charge les données dans des tables Dataverse, et c’est cette table que l’application utilise.
L’actualisation se planifie dans les paramètres du flux, à la fréquence permise par votre licence. Elle tourne en arrière-plan. Deux réglages méritent votre attention :
- Sur un flux standard, le chargement est incrémentiel par défaut. L’option Supprimer les lignes qui n’existent plus dans la sortie de requête change ce comportement : à cocher seulement si la table doit refléter exactement la source.
- Sur un flux analytique, le chargement est complet par défaut, et une notification peut prévenir les propriétaires en cas d’échec. L’actualisation incrémentielle se configure dans les paramètres du flux.
Pensez à l’ordre des opérations : le rapport doit s’actualiser après le dataflow, sinon il affiche les données de la veille. Notre article sur la planification de l’actualisation dans Power BI explique comment régler cette chaîne. Pour les sources internes, Microsoft documente aussi l’utilisation d’une passerelle avec les flux de données.
Optimiser les performances
La performance se joue dès la conception. Filtrez le plus tôt possible : moins de lignes chargées, c’est moins de temps de traitement à chaque actualisation.
Le query folding, ou pliage de requêtes, est la technique la plus efficace. Power Query traduit vos étapes en une seule requête exécutée par la source, et la base de données fait le travail à la place du service. Dans l’exemple plus haut, le filtre sur la date et le choix des colonnes peuvent ainsi être traités par SQL Server. Certaines étapes interrompent ce pliage : gardez-les pour la fin, et regardez les indicateurs de pliage affichés par l’éditeur en ligne.
Bien utiliser les tables calculées
Une table qui s’appuie sur le résultat d’une autre table du même flux devient une table calculée, l’ancienne « entité calculée ». Elle n’existe que dans les flux analytiques. Son intérêt : le calcul commun se fait une fois, et son résultat sert plusieurs fois, ce qui est précieux sur de gros volumes. Réservez-la donc aux traitements vraiment partagés, et surveillez la durée d’actualisation. Une durée qui s’allonge de semaine en semaine signale qu’il faut revoir la conception.
Gouvernance et sécurité des dataflows
L’accès aux données suit le modèle de chaque outil : les rôles de l’espace de travail dans Power BI, les rôles de sécurité Dataverse pour un flux standard. Vérifiez qui peut modifier le flux, et pas seulement qui peut lire le résultat, car une modification touche tous les rapports branchés dessus.
Les activités sont tracées dans les journaux d’audit, ce qui répond aux exigences de nombreux secteurs. Dans Power BI, des étiquettes de confidentialité Microsoft Purview peuvent aussi s’appliquer aux flux de données. Enfin, un dataflow qui anonymise des données RH ne protège que si la source brute reste fermée : vérifiez aussi qui y accède.
À partir de quand déléguer la préparation des données
Un analyste qui réutilise quelques fichiers dans deux ou trois rapports peut très bien construire ses flux seul. Déléguer à un expert se justifie quand plusieurs filiales ou services doivent partager les mêmes définitions, quand les actualisations commencent à échouer ou à durer trop longtemps, ou quand des données RH et financières imposent un cadre strict. La question de la migration vers Gen2 mérite aussi un regard extérieur, car elle engage une capacité Fabric. Selon la destination de vos données, voyez notre page sur Dataverse pour vos applications ou celle sur les tableaux de bord Power BI.
Questions fréquentes
Quelle est la différence entre un dataflow standard et un dataflow analytique ?
Le standard charge les données dans Dataverse, où applications et flux peuvent les utiliser. L’analytique les charge dans Azure Data Lake Storage et convient aux gros volumes et aux rapports. Il offre aussi les tables calculées et les fonctions d’IA, ces dernières demandant un espace de travail Premium dans Power BI.
Quelles sources peut-on connecter à un dataflow ?
Les sources sont celles de Power Query : bases de données, fichiers Excel, services web et applications tierces. Le catalogue évolue régulièrement, et il est visible à la première étape de création du flux. Une source située dans vos locaux demande une passerelle de données.
Qu’est-ce que le query folding et pourquoi s’en servir ?
C’est la traduction de vos étapes en une requête exécutée directement par la source. La base de données fait le travail, ce qui réduit fortement le volume à traiter côté service. Tous les connecteurs et toutes les étapes ne le permettent pas : il faut donc vérifier les indicateurs dans l’éditeur.
Peut-on planifier l’actualisation automatique ?
Oui, elle se règle dans les paramètres du flux et s’exécute en arrière-plan. Le nombre d’actualisations possibles dépend de la licence et du service utilisé. Les rapports et applications branchés récupèrent les nouvelles données à leur propre actualisation.
Quelles certifications de sécurité couvrent les dataflows ?
Les flux de données profitent du cadre de conformité des services Microsoft, dont les certifications comme ISO 27001 et SOC 2 sont publiées sur le portail Service Trust de Microsoft. Pour un secteur réglementé, vérifiez-y le périmètre exact, service par service. La certification de Microsoft ne remplace pas vos propres règles d’accès aux données.
À lire ensuite
- Les connecteurs Premium qui valent l’investissementLes connecteurs Premium relient Power Automate et Power Apps à SQL Server, Salesforce ou SAP. Voici ce qu’ils coûtent vraiment et quand ils se justifient.9 min
- Qu’est-ce que Dataverse et pourquoi l’utiliser ?Dataverse est la base de données de la Power Platform : des tables reliées, des droits précis et des règles de contrôle, pour les applications qu’Excel ne porte plus.9 min
- Gérer et déployer des solutions dans Power PlatformUne solution regroupe les applications, les flux et les tables d’un projet pour les faire passer du test à la production, sans refaire le travail et sans perturber vos équipes.8 min
- Connecter Power Platform aux API RESTUne API REST permet à vos applications et à vos flux de dialoguer avec un logiciel absent du catalogue de Microsoft. Voici comment s’y brancher avec un connecteur personnalisé.9 min
Comprendre ce que Données et connexions peut faire pour vous