DAX :
mesures fiables et contrôles intelligents
Le modèle est maintenant construit. Il respecte les bonnes pratiques, la modélisation est saine, les données sont propres et documentées.
👉 On peut passer à l’étape suivante : la création des indicateurs.
C’est là que le DAX (Data Analysis Expressions) entre en jeu. C’est le langage qui va permettre à votre modèle de réellement parler.
DAX ≠ Excel (et c’est souvent là que ça coince)
Dans Excel, les choses sont simples et rassurantes : vous faites une somme en bas d’une colonne, c’est la somme des cellules au-dessus. Point.
En DAX, ce n’est pas du tout la même logique.
Si vous créez une mesure qui fait la somme d’une colonne :
- Sans filtre → vous avez bien la somme totale,
- Avec des axes, des segments, des filtres → le calcul se recalcule dynamiquement, en fonction du contexte et des relations du modèle.
Et c’est souvent là qu’arrive la fameuse phrase :
“Mon total est faux.”
Dans la majorité des cas, le total n’est pas faux. 👉 Le DAX fait exactement ce que vous lui avez demandé de faire.
L’exemple classique : ligne à ligne vs total
Cas très fréquent :
- Deux mesures qui font chacune une somme,
- Puis une troisième mesure qui multiplie les deux.
Ligne à ligne, tout semble correct. Mais au total… surprise 😅
Pourquoi ? Parce qu’au niveau du total, le DAX ne somme pas vos résultats ligne à ligne, il refait le calcul global :
somme A × somme B
Alors que vous, vous vouliez :
somme de (A × B) ligne par ligne
Ce n’est pas une erreur du moteur. C’est une différence fondamentale de logique qu’il faut comprendre et maîtriser.
Tester, croiser, challenger ses mesures
Quand vous écrivez du DAX, prenez le temps de vous poser les bonnes questions :
- Est-ce que ma mesure se croise correctement avec tous les axes ?
- Le résultat est-il cohérent ligne à ligne ?
- Le total correspond-il bien à ce que j’attends ?
- Y a-t-il des exceptions à gérer ?
- Est-ce que le comportement est stable quel que soit le contexte ?
👉 Le moment idéal pour faire ce travail, c’est maintenant, pas une fois le rapport livré.
Bonus – Une vidéo qui peut vraiment changer votre manière de voir le DAX
Si je devais recommander une seule ressource pour progresser en DAX, ce serait cette vidéo d’Alberto Ferrari ( SQLBI ) : 👉 7 reasons DAX is not easy
C’est une véritable masterclass.
Cette vidéo a été un déclencheur dans mon parcours DAX. Pas immédiatement. Mais quelques mois plus tard, après avoir beaucoup pratiqué et travaillé ces notions.
Le message clé est fondamental : 👉 l’objectif n’est pas de connaître ou de manipuler toutes les fonctions DAX existantes. L’objectif est de maîtriser (ou a minima très bien connaître) les 4 grands concepts du DAX :
- Les contextes d’évaluation,
- Les fonctions itératives,
- La transition de contexte,
- Le concept des tables étendues.
Une fois ces concepts compris, le DAX devient beaucoup plus lisible, les comportements “étranges” deviennent logiques, et les fonctions ne sont plus un problème… juste des outils.
👉 Si vous voulez vraiment progresser en DAX, prenez le temps de regarder cette vidéo. Puis revenez-y plus tard, après avoir pratiqué. Elle prendra alors tout son sens.
Documenter : indispensable (et trop souvent oublié)
On l’a vu dans l’article précédent avec Power Query : la documentation n’est pas un luxe, c’est une fondation.
Côté Power BI / DAX, vous pouvez (et devez) :
- Documenter vos tables (description métier),
- Commenter vos colonnes visibles,
- Documenter vos mesures,
- Commenter directement le code DAX (ça c’est pour la technique) .
Pourquoi c’est crucial ?
- Pour vous, quand vous reviendrez sur le modèle dans 6 mois,
- Pour vos collègues,
- Et surtout pour vos utilisateurs métier.
👉 En Live Connexion, cette documentation est souvent la seule chose visible pour comprendre un indicateur.
Vous pouvez avoir une mesure DAX extrêmement complexe, mais une documentation métier claire qui vulgarise le calcul fait toute la différence.
Un mot sur l’industrialisation (sans trop rentrer dans le détail)
Chez Data Pulse, nous livrons systématiquement une documentation automatisée :
- Dictionnaire des indicateurs,
- Dictionnaire des dimensions,
- Bus matrix (croisements possibles),
- Glossaire,
- FAQ.
Cette documentation est générée à partir d’outils externes comme Tabular Editor, via des scripts C#.
👉 Le prochain article sera dédié aux outils externes que j’utilise : ils sont gratuits et permettent de faire des choses impossibles dans Power BI seul (paramétrage avancé, Available in MDX, OLS, automatisations, formatage DAX, traductions, audits de performance, comparaison de versions, etc.).
En résumé : Le DAX c’est le nerf de la guerre
Le DAX, c’est ce qui vous permet :
- D’analyser vos données dans tous les sens,
- De créer des indicateurs fiables,
- Et d’exploiter pleinement la puissance du modèle.
🎯 Cerise sur le gâteau : un modèle propre, bien pensé et respectant les bonnes pratiques, ce sont des performances optimisées et un DAX plus simple à écrire et à maintenir.
Prenez du temps sur ces deux grandes étapes :
- Le modèle et les données,
- Les indicateurs et leur contrôle.
Ce sont les fondations de votre modèle sémantique. C’est là que le temps investi rapporte le plus.
🗓️ Prochain article : « Outils externes gratuits – le combo gagnant »
Power BI est déjà très puissant… mais certains besoins avancés restent difficiles, voire impossibles, à adresser uniquement depuis l’interface standard.
Dans le prochain article, je vous présenterai les outils externes gratuits que j’utilise au quotidien : Tabular Editor, DAX Studio, et d’autres encore.
Nous verrons à quoi ils servent concrètement :
- Documenter et industrialiser un modèle,
- Automatiser des tâches répétitives,
- Auditer et améliorer les performances,
- Comparer des versions de modèles,
- Paramétrer des options avancées impossibles à gérer autrement.
👉 Ces outils sont de véritables accélérateurs pour construire des modèles Power BI plus propres, plus robustes et plus maintenables, tout en restant dans une logique Self-Service BI.
🔗 Retrouvez la série facilement via le tag : SelfServiceBI