Méthodes de saisie Power BI dans Microsoft Fabric : cas d'usage et solutions techniques

Méthodes de saisie Power BI dans Microsoft Fabric : cas d'usage et solutions techniques


Introduction

Les organisations qui utilisent Power BI au sein de Microsoft Fabric ont souvent besoin de capturer des données directement auprès des utilisateurs, pas seulement de consommer des sources de données existantes. Le besoin fondamental est le même dans tous les scénarios : permettre aux utilisateurs de saisir, modifier et interagir avec des données qui alimentent les rapports et analyses Power BI.

Avant Microsoft Fabric, les organisations avaient deux options natives Power Platform pour la saisie de données :

  • Power BI Custom Visual
  • Power App

Depuis mai 2025, Microsoft a activé les Translytical Flows. Ce tutoriel examine les trois solutions techniquesFabric Translytical Flows, Power BI Custom Visuals, et Power Appset vous aide à naviguer parmi les différentes options.

Partie 1 : cas d'usage courants pour la saisie Power BI

Dans notre expérience de conseil, nous avons vu de nombreux cas d'usage pour la saisie Power BI, mais les deux suivants sont les plus répandus : la budgétisation et le forecasting financiers, et le mapping des master data.

1. Planification financière : budgétisation et prévision des ventes


Besoin métier

Les équipes finance doivent saisir des chiffres de budget, des prévisions et des données de planification directement dans leur environnement analytique, plutôt que de maintenir des feuilles de calcul ou des systèmes distincts.

Une variante de la planification financière est la prévision des ventes. Les planificateurs des ventes veulent prévoir l'efficacité d'une campagne. Un système de prévision existe, mais les planificateurs disposent de connaissances supplémentaires que le système ignore et veulent pouvoir passer outre l'estimation.

Exigences spécifiques (toutes ne s'appliquent pas forcément, cela dépend de la complexité et du contexte du cas)

  • Grilles de saisie de budget: saisir les budgets annuels par département, produit ou région
  • Planification de scénarios: créer et comparer plusieurs versions de budget (optimiste, réaliste, pessimiste)
  • Explications des écarts: ajouter des commentaires expliquant pourquoi les chiffres réels diffèrent du budget
  • Workflows d'approbation: suivre le statut d'approbation des budgets et enregistrer les validations
  • Chiffres réels en temps réel: intégrer des données en direct des systèmes ERP pour une analyse immédiate des écarts
Exemples de scénarios

  • Révisions mensuelles du budget avec fonctionnalité copier-coller entre périodes
  • Révision de la prévision des ventes
  • Rolling forecasts combinant les chiffres réels historiques avec des estimations prospectives
  • Planification des dépenses d'investissement (capex) avec processus d'approbation à plusieurs niveaux
  • Prévision de trésorerie intégrant les flux bancaires et les échéanciers de paiement

2. Master Data Management

Besoin métier

Maintenir des données de référence qui alimentent l'analytique, comme les catalogues produits, les informations clients, les structures organisationnelles et le plan comptable.

Exigences spécifiques

  • Édition d'attributs: mettre à jour les descriptions produits, les prix et les catégories
  • Gestion des hiérarchies: maintenir les structures organisationnelles et les relations de reporting
  • Qualité des données: garantir la cohérence et l'exactitude des données de référence
  • Suivi des modifications: auditer qui a modifié quoi et quand
  • Opérations en masse: prendre en charge les mises à jour et corrections en masse
Exemples de scénarios

  • Maintenance du master produit pour l'analytique retail
  • Mises à jour de la segmentation client pour les campagnes marketing
  • Gestion de l'organigramme pour le reporting RH
  • Mapping du plan comptable pour la consolidation financière

Partie 2 : analyse des solutions techniques

Maintenant que nous avons établi les besoins métier, examinons comment chaque solution technique répond à ces cas d'usage et quelles sont leurs limites respectives. Nous passerons en revue les Fabric Translytical Flows, Power BI Custom Visual et Power Apps.

1. Fabric Translytical Flows

Aperçu de la solution

Les Fabric Translytical Flows combinent le traitement transactionnel et analytique, permettant le streaming et le traitement des données en temps réel au sein de l'architecture Fabric unifiée.

Microsoft propose un excellent tutoriel. Tutorial – Create translytical task flow – Power Bi | Microsoft Learn

L'architecture est la suivante :

Étapes de création :

  1. Créer une user data function
  2. Configurer une base de données et créer une table de destination
  3. Lier la table au modèle
  4. Sélectionner un visuel slicer ; seuls les slicers de texte sont disponibles.
Évaluation de la solution

Avantages

  • Configuration entièrement native à Fabric
  • Pas trop complexe, tout en permettant la personnalisation requise

Inconvénients

  • Un certain nombre de limites (voir ci-dessous), ce qui le rend uniquement utilisable en pratique pour des cas d'usage simples
Aperçu des limites

Limite

Description

Impact

Contrôles de saisie limités

Seulement 3 types de slicers en preview : button, list, text

Pas d'options de saisie avancées (sélecteurs de date, multi-sélection, etc.)

Pas d'édition sur place

Impossible de modifier les données directement dans les tables/visuels

Nécessite des contrôles de saisie distincts pour chaque champ

Une seule valeur

Chaque slicer ne fournit qu'une seule valeur

Plusieurs slicers nécessaires pour une saisie de données complexe

DirectQuery requis

Doit utiliser DirectQuery pour les mises à jour en temps réel

Impact potentiel sur les performances avec de grands ensembles de données

Sources de données Fabric uniquement

Write-back limité aux bases de données Fabric

Impossible d'écrire directement dans des systèmes externes


2. Power BI Custom Visuals

Aperçu de la solution

Les custom visuals étendent les capacités natives de Power BI en fournissant des contrôles interactifs qui permettent la saisie, l'édition et la contribution des utilisateurs directement dans les rapports.

Power BI Custom Visual a l'avantage, par rapport au translytical flow, de lever les limites, par ex. : toutes les visualisations possibles sont réalisables, comme l'édition de grilles complexes, etc.

Étapes de création :

  1. développer un custom visual
  2. développer une couche d'intégration (function)
  3. développer une base de données

D'après notre expérience, regrouper cela dans un seul repository aide copilot à saisir le contexte de l'ensemble de la solution.

Évaluation de la solution

Avantage :

  • conformité totale possible avec la demande du client, en substance aucune limite (les très grands ensembles de données comportent toutefois une complexité supplémentaire, car cela s'exécute généralement en mode direct query)
  • intégration native à Power BI

Inconvénient :

  • Développement étendu (développement de la function, du visual et de la base de données)
  • de gros appels direct query peuvent le rendre lent

3. Intégration Power Apps

Aperçu de la solution

Power Apps propose des applications riches, basées sur des formulaires, qui peuvent être intégrées dans les rapports Power BI, offrant des expériences de saisie complètes avec une logique métier avancée et une optimisation mobile.

Étapes de création :

  1. Créer une Power App
  2. Utiliser le visuel Power App dans Power BI pour l'ajouter à Power BI.
  3. Créer une couche d'intégration (Azure function, ou utiliser Power Automate ou une connexion directe à la base de données)
Évaluation de la solution

Avantages

  • Personnalisation complète de l'application possible
  • utilisation possible en dehors de Fabric et intégration avec des composants externes à Fabric

Inconvénients

  • une Power App est un composant non-Power BI, donc l'expérience de l'utilisateur final peut sembler moins intégrée
  • une Power App s'ajoute moins facilement à votre repository et le support de copilot est un peu moins direct
  • selon la configuration, le coût de licence peut augmenter (car une connexion SQL directe est un connecteur premium)

Résumé

En résumé, voici un aperçu par fonctionnalité

Fonctionnalité

Translytical Flows

Custom Visuals

Power Apps

Temps de développement

⭐⭐⭐ Minimal

⭐⭐ Modéré

⭐⭐ Modéré

Flexibilité de l'UI

⭐ Limitée

⭐⭐⭐ Complète

⭐⭐⭐ Complète

Intégration Power BI

⭐⭐⭐ Native

⭐⭐⭐ Transparente

⭐⭐ Intégrée

Expérience mobile

⭐⭐ Basique

⭐⭐ Bonne

⭐⭐⭐ Optimisée

Sources de données

⭐⭐ Fabric uniquement

⭐⭐ Fabric/Azure

⭐⭐⭐ N'importe lequel

Maintenance

⭐⭐⭐ Faible

⭐⭐ Moyen

⭐⭐ Moyen


Matrice d'adéquation des solutions

Choisir la bonne méthode de saisie Power BI dépend de vos exigences spécifiques, de vos contraintes techniques et des besoins des utilisateurs. La matrice de décision ci-dessus fournit un cadre d'évaluation, mais chaque implémentation a ses propres considérations.

Notre recommandation : Commencez par les Translytical Flows pour les scénarios simples, passez aux Custom Visuals lorsque vous avez besoin d'une édition riche au sein de Power BI, et choisissez Power Apps pour les processus métier complexes ou les exigences mobile-first.

Gardez à l'esprit que Microsoft n'a lancé le translytical flow que depuis mai 2025 et que la fonctionnalité offrira davantage de possibilités à l'avenir.

Scénario

Complexité

Meilleure solution

Pourquoi

Saisie de budget simple

Faible

Translytical Flows

Configuration minimale, intégration intégrée

Saisies de valeur unique

Faible

Translytical Flows

Solution native Fabric, pas de développement custom

Formulaires multi-champs

Moyen

Custom Visuals

UI flexible, reste dans Power BI

Grilles de données complexes

Élevée

Custom Visuals

Contrôle total sur l'expérience d'édition

Applications mobile-first

Moyenne-élevée

Power Apps

Optimisé mobile, contrôles riches

Processus de workflow/approbation

Élevée

Power Apps

Automatisation des processus métier

Intégration de systèmes externes

Élevée

Power Apps

Peut se connecter à n'importe quelle source de données


Prêt à implémenter ? Réservez votre consultation gratuite ici!

À PROPOS DE L'AUTEUR

Picture of Pieter Jansen

Pieter Jansen

Managing Partner Estonia

À propos de Sparkle

À propos de Sparkle

Sparkle est un cabinet de conseil en données stratégiques, fondé en 2017 et comptant aujourd'hui plus de 50 consultants en Belgique et en Estonie, qui aide ses clients à exploiter pleinement leurs données.

En savoir plus sur nous
Rejoignez l'équipe

Rejoignez-nous

Vous cherchez une carrière dans les données ? Découvrez nos postes ouverts.

Carrières chez Sparkle
Scroll to Top