Savoir pratique. Décisions éclairées.AR  ·  EN  ·  FR

Auditer les transformations Power Query assistées par IA : jointures, totaux et actualisation

Une méthode de réception vérifiable pour le code M généré : mesures initiales, jointures, confidentialité et tests d'actualisation.

Un assistant IA peut proposer rapidement des étapes Power Query, mais un code M convaincant ne prouve pas la justesse des résultats. Ce guide rapproche la documentation Microsoft sur les fusions, la confidentialité et les performances du cadre britannique de qualité des données publié le 3 décembre 2020. Les exemples chiffrés sont fictifs et ne décrivent ni fichiers clients réels ni essais pratiques prétendument réalisés.

Ordinateur portable affichant un tableau statistique dans une bibliothèque
Photographie éditoriale — Hasnain Ayaz / Unsplash. Photo illustrative, ni donnée boursière en temps réel ni recommandation commerciale.

Définir la question métier et les critères de réception

Avant de demander du code M à un assistant IA, identifiez la table de référence et la décision que le résultat doit éclairer. Dans un exercice fictif, un fichier contient mille lignes de commandes et un autre associe des codes articles à des prix. L'objectif est de calculer la valeur de chaque commande sans modifier le nombre de commandes valides.

Conservez une copie non modifiable de la source et notez la date d'extraction, le fuseau horaire, le nombre de lignes et les totaux de contrôle. Rédigez des critères explicites : aucune commande valide ne disparaît, une jointure ne duplique pas une valeur et les références sans prix restent visibles. Le réviseur doit comprendre chaque échec.

Établir une situation initiale mesurable

Comptez les lignes, les colonnes, les champs obligatoires vides, les clés métier distinctes et les totaux de quantité et de valeur avant toute transformation. Ces contrôles révèlent une conversion incorrecte, un filtrage silencieux ou une jointure plusieurs-à-plusieurs. Stockez les mesures dans une requête d'audit séparée pour ne pas altérer la sortie de production.

Comparez systématiquement les mesures d'entrée et de sortie. Si le total initial est de 250 000 unités monétaires et le résultat de 251 200, l'écart de 1 200 exige une justification même si le tableau semble impeccable. Une hausse n'est pas une preuve de qualité : elle peut provenir de doublons dans la table de correspondance.

Contrôler les jointures avant de développer les colonnes

La documentation de Microsoft rappelle que les fusions Power Query dépendent des types de données, de l'ordre des clés et du type de jointure. Pour relier commandes et tarifs, vérifiez la compatibilité des codes et l'unicité du prix applicable à chaque article et date d'effet. Sinon, développer une colonne fusionnée peut multiplier les transactions.

Une jointure externe gauche conserve les commandes, tandis qu'une jointure anti gauche isole celles sans correspondance. Une jointure interne peut masquer les anomalies en supprimant les lignes non appariées. Publiez le nombre de correspondances et d'exceptions ; n'attribuez pas arbitrairement un prix nul à une référence inconnue sans règle métier validée.

Vérifier les types, les valeurs nulles et les dates

Un assistant peut lire 03/04/2026 comme le 3 avril ou le 4 mars selon la configuration régionale. Précisez la langue et le format attendu, puis testez plusieurs dates connues. Vérifiez aussi les séparateurs décimaux, les nombres négatifs et les codes commençant par zéro. Une formule correcte sur le plan syntaxique peut produire une erreur de sens.

Une valeur nulle peut signifier « inconnue », alors que zéro exprime souvent une absence mesurée. Comparez les taux de valeurs manquantes avant et après traitement. Une diminution brutale peut traduire un remplissage artificiel plutôt qu'un progrès. Demandez à l'IA de proposer des règles vérifiables, puis faites-les approuver par le responsable des données.

Examiner le code M généré étape par étape

Demandez à l'assistant d'expliquer chaque étape, ses hypothèses et les noms de colonnes attendus. Relisez l'Éditeur avancé avant exécution et refusez les appels web ou connexions externes inattendus. Comparez le script au schéma réel : une fonction peut s'exécuter sans erreur tout en rapprochant les mauvaises clés ou en excluant une catégorie valide.

Construisez un petit jeu d'essai volontairement difficile : clé dupliquée, date invalide, valeur nulle, prix négatif et commande sans correspondance. Calculez manuellement les résultats attendus, exécutez la requête puis comparez les cas. Conservez les versions avant et après du script M ainsi que le nom du réviseur et le motif de chaque changement.

Protéger les données et les frontières entre sources

Microsoft décrit les niveaux de confidentialité de Power Query car le croisement de sources privées et publiques peut provoquer des transferts inattendus. Classez les données salariales, clients et contractuelles selon les règles de votre organisation. Ne désactivez pas les protections uniquement pour accélérer l'actualisation ; examinez chaque connexion, ses autorisations et sa destination.

Pour solliciter une IA dans le cloud, transmettez des lignes fictives ou un schéma non sensible, sauf autorisation explicite de traiter les données réelles avec les garanties appropriées. Remplacer les noms ne supprime pas forcément le risque de réidentification. Documentez les accès et la durée de conservation. La confidentialité fait partie intégrante de la fiabilité.

Retester l'actualisation et les performances

Une requête peut fonctionner sur cent lignes et échouer le mois suivant si un nom de colonne change ou si des valeurs inattendues apparaissent. Actualisez au moins deux extractions représentatives, dont une volontairement difficile. Enregistrez les lignes, les totaux, les erreurs, la durée et l'horodatage de la dernière actualisation réussie pour éviter de présenter des données périmées.

Microsoft explique que le query folding peut déléguer certaines transformations à la source, mais son comportement dépend du connecteur et des étapes. Mesurez la performance réelle sans promettre une accélération universelle. Si le pliage cesse de fonctionner, si les accès expirent ou si le schéma change, rendez l'échec visible et bloquez la validation automatique.

Formaliser une réception traçable

Le cadre britannique de qualité des données distingue notamment exactitude, complétude, unicité et cohérence selon l'usage visé. Transformez ces dimensions en fiche de réception indiquant lignes, doublons, champs vides, écarts de totaux et exceptions ouvertes. Aucun score global ne remplace le jugement du responsable métier sur l'aptitude des données à leur finalité.

Joignez la date de la source, la version du code M, le nom du réviseur, les résultats des tests et les limites connues. Une conclusion utile serait : données acceptables pour analyser les tendances internes, mais impropres à la facturation tant que cinq articles sans prix valide ne sont pas régularisés. C'est plus crédible qu'une promesse de correction totale par l'IA.

Ressources officielles

Essayer un outil gratuit adapté ↗
Information importante

Aucune méthode de revenus en ligne ni de trading ne garantit de bénéfices.

Avertissement ↗

Rechercher dans la bibliothèque