Module 1 : Introduction et Fondamentaux de Power BI

Durée : 7 heures | Prérequis : Maîtrise d'Excel niveau intermédiaire

Objectifs pédagogiques

• Comprendre les enjeux de la Business Intelligence pour les douanes
• Connaître l'écosystème complet de Power BI
• Installer et configurer Power BI Desktop
• Maîtriser l'interface utilisateur
• Se connecter à différentes sources de données
• Créer ses premiers visuels

1.1 Contexte et enjeux de la data pour les Douanes

Pourquoi la donnée est stratégique pour les douanes béninoises

Les douanes du Bénin jouent un rôle crucial dans l'économie nationale. Elles représentent environ 60% des recettes budgétaires de l'État. Dans ce contexte, la capacité à analyser efficacement les données douanières devient un levier stratégique pour :

• Optimiser les recettes : Identifier les fuites fiscales, suivre les objectifs de recouvrement en temps réel
• Lutter contre la fraude : Détecter les schémas de sous-évaluation, les fausses origines, les écarts de classification
• Faciliter le commerce : Réduire les temps de dédouanement, améliorer l'expérience des opérateurs
• Piloter la performance : Mesurer l'efficacité de chaque bureau, de chaque agent
• Anticiper : Prévoir les tendances d'importation/exportation, planifier les ressources

Défis actuels : données éparpillées

Aujourd'hui, les données douanières sont réparties dans plusieurs systèmes :

Système	Données	Limites
SYDONIA (ASYCUDA)	Déclarations, liquidations, manifestes	Rapports prédéfinis, peu flexibles
Fichiers Excel	Rapports manuels, statistiques	Non centralisés, versions multiples
Documents papier	PV de contrôle, contentieux	Non numérisés, difficiles à exploiter
Applications internes	RH, logistique	Silos de données

Exemples internationaux

• Douanes du Rwanda : Réduction de 70% du temps de dédouanement grâce à l'analyse de risques automatisée
• Douanes de Corée du Sud : Système de ciblage intelligent basé sur les données historiques
• Douanes du Maroc : Tableaux de bord en temps réel pour le suivi des recettes
• OMA (Organisation Mondiale des Douanes) : Recommande l'utilisation de la BI pour la gestion des risques

1.2 Écosystème Power BI

Power BI est une suite d'outils de Business Intelligence développée par Microsoft. Elle comprend plusieurs composants complémentaires :

Composant	Type	Usage	Coût
Power BI Desktop	Application Windows	Création de rapports et modèles de données	Gratuit
Power BI Service	Cloud (app.powerbi.com)	Publication, partage, collaboration	Gratuit / Pro / Premium
Power BI Mobile	iOS / Android	Consultation en mobilité	Gratuit
Power BI Report Server	On-premise	Publication sur serveur interne	Licence Premium
Power BI Embedded	API / Développeur	Intégration dans des applications	Licence Embedded

1.3 Installation et configuration

Téléchargement et installation

Configuration des paramètres régionaux

1.4 Interface Power BI Desktop

L'interface de Power BI Desktop est organisée en plusieurs zones. Familiarisez-vous avec chacune d'elles :

Les 3 vues de Power BI Desktop

Vue	Icône	Usage
Vue Rapport	Graphique	Créer et organiser les visuels sur des pages. C'est la vue principale.
Vue Données	Tableau	Voir les données brutes de chaque table. Utile pour vérifier les transformations.
Vue Modèle	Diagramme	Voir et gérer les relations entre les tables. Essentielle pour la modélisation.

Détail du ruban - Onglet Accueil

Groupe	Boutons	Fonction
Données	Obtenir les données, Sources récentes	Importer des données de différentes sources
Transformer	Transformer les données	Ouvrir Power Query pour nettoyer les données
Calculs	Nouvelle mesure, Nouvelle colonne, Nouvelle table	Créer des formules DAX
Mise en forme	Thème, Changer l'arrière-plan	Personnaliser l'apparence du rapport
Publier	Publier	Envoyer le rapport sur Power BI Service

1.5 Première connexion aux données

Types de sources supportées

Power BI peut se connecter à plus de 150 sources de données différentes :

Catégorie	Exemples	Pertinence Douanes
Fichiers	CSV, Excel, JSON, XML, PDF	Exports SYDONIA, rapports Excel existants
Bases de données	SQL Server, Oracle, PostgreSQL, MySQL	Base SYDONIA, systèmes internes
Services en ligne	SharePoint, Dynamics 365, Google Analytics	Collaboration, CRM
Autres	API REST, OData, dossiers	API SYDONIA, données externes

Mode Import vs DirectQuery

Critère	Import	DirectQuery
Données	Copiées dans Power BI	Restent à la source
Performance	Rapide (données en mémoire)	Dépend de la source
Taille max	1 Go (gratuit) / 10 Go (Pro)	Pas de limite
Actualisation	Programmée (8x/jour)	Temps réel
DAX	Toutes fonctions	Certaines limites
Recommandation	Pour la formation, utilisez toujours le mode Import

Importer un fichier CSV : pas à pas

1.6 Travaux Pratiques Guidés

TP1 : Importer declarations.csv

TP2 : Importer operateurs.csv

TP3 : Importer tarif_douanier.csv

TP4 : Importer bureaux.csv

TP5 : Vérifier les types de données

TP6 : Premier visuel - Déclarations par bureau

TP7 : Tableau croisé des valeurs par régime

1.7 Exercices Autonomes

1.8 QCM - Module 1 (ICDL Power BI)

Module 2 : Transformation et Modélisation des Données

Durée : 7 heures | Prérequis : Module 1 complété

2.1 Introduction à Power Query

Qu'est-ce que Power Query ?

Power Query est le moteur de transformation de données intégré à Power BI. C'est votre "cuisine" où vous préparez les ingrédients (données brutes) avant de les servir (visualiser).

Power Query permet de :

• Nettoyer : supprimer les erreurs, les doublons, les valeurs nulles
• Transformer : changer les types, fractionner, fusionner des colonnes
• Enrichir : ajouter des colonnes calculées, fusionner des tables
• Automatiser : chaque étape est enregistrée et rejouée automatiquement

Ouvrir Power Query

Le langage M (introduction)

Chaque étape Power Query génère du code dans le langage M (Mashup). Vous n'avez pas besoin de l'écrire, mais le comprendre aide :

let
    Source = Csv.Document(File.Contents("declarations.csv"), [Delimiter=";", Encoding=65001]),
    #"En-tetes promus" = Table.PromoteHeaders(Source),
    #"Type modifie" = Table.TransformColumnTypes(#"En-tetes promus", {
        {"Date_Declaration", type date},
        {"Valeur_Declaree_CFA", Int64.Type}
    })
in
    #"Type modifie"

2.2 Opérations de nettoyage

Supprimer les colonnes inutiles

Renommer les colonnes

Double-cliquez sur l'en-tête de colonne pour la renommer. Utilisez des noms explicites en français :

Nom original	Nom renommé
Valeur_Declaree_CFA	Valeur déclarée (CFA)
Temps_Traitement_Heures	Temps de traitement (h)
Nombre_Infractions_3ans	Infractions (3 ans)

Modifier les types de données

Gérer les valeurs nulles

• Remplacer les valeurs : Clic droit sur la colonne > Remplacer les valeurs > "null" par une valeur par défaut
• Supprimer les lignes : Accueil > Supprimer les lignes > Supprimer les lignes vides
• Filtrer : Cliquez sur la flèche de filtre de la colonne, décochez "(null)"

Supprimer les doublons

2.3 Transformations avancées

Fractionnement de colonnes

Utile pour extraire le chapitre du Code SH :

Colonnes conditionnelles

Créer une catégorisation des montants des déclarations :

Regrouper les lignes

Créer un résumé des déclarations par bureau :

2.4 Fusion et ajout de requêtes

Fusion (Merge) - Types de jointures

Cas pratique : Fusionner declarations + tarif_douanier

2.5 Modélisation des données

Le modèle en étoile (Star Schema)

Le modèle en étoile est la meilleure pratique pour Power BI. Il se compose de :

• Table de faits (au centre) : contient les mesures numériques et les clés étrangères. C'est la table la plus volumineuse. Exemple : declarations
• Tables de dimensions (autour) : contiennent les attributs descriptifs. Exemples : bureaux, operateurs, tarif_douanier, calendrier

Création des relations

2.6 Travaux Pratiques

TP1 : Nettoyer declarations dans Power Query

TP2 : Construire le modèle complet

2.7 QCM - Module 2 (ICDL Power BI)

Module 3 : DAX - Calculs et Mesures pour l'Analyse Douanière

Durée : 7 heures | Prérequis : Modules 1-2 complétés

3.1 Introduction au DAX

Qu'est-ce que le DAX ?

DAX (Data Analysis Expressions) est le langage de formules de Power BI. Il ressemble à Excel mais est beaucoup plus puissant pour l'analyse de données à grande échelle.

Colonnes calculées vs Mesures

Critère	Colonne calculée	Mesure
Calcul	Ligne par ligne	Agrégation dynamique
Stockage	Stockée dans la table (mémoire)	Calculée à la volée
Contexte	Contexte de ligne	Contexte de filtre
Usage	Catégorisation, clés composées	KPI, agrégations, %
Slicers	Peut être utilisée dans les slicers	Ne peut pas être dans un slicer
Règle d'or	Préférez les MESURES dans 90% des cas

Contexte de filtre vs contexte de ligne

3.2 Fonctions d'agrégation

Créons nos premières mesures. Pour créer une mesure :

Mesures de base

// Total des recettes (droits + taxes)
Total Recettes = SUM(declarations[Total_Liquide_CFA])

// Nombre de déclarations
Nb Declarations = COUNTROWS(declarations)

// Nombre d'opérateurs uniques
Nb Operateurs = DISTINCTCOUNT(declarations[Operateur_ID])

// Valeur moyenne par déclaration
Valeur Moyenne = AVERAGE(declarations[Valeur_Declaree_CFA])

// Valeur totale déclarée
Total Valeur Declaree = SUM(declarations[Valeur_Declaree_CFA])

// Total droits de douane
Total Droits Douane = SUM(declarations[Droits_Douane_CFA])

// Total TVA
Total TVA = SUM(declarations[TVA_CFA])

// Poids total en tonnes
Poids Total Tonnes = SUM(declarations[Poids_Kg]) / 1000

3.3 CALCULATE - La fonction reine

CALCULATE est la fonction la plus importante du DAX. Elle permet de modifier le contexte de filtre d'un calcul.

CALCULATE(<expression>, <filtre1>, <filtre2>, ...)

Exemples douaniers avec CALCULATE

// Recettes du Port de Cotonou uniquement
Recettes Port Cotonou =
    CALCULATE(
        SUM(declarations[Total_Liquide_CFA]),
        bureaux[Nom_Bureau] = "Port de Cotonou"
    )

// Déclarations en canal Rouge (haut risque)
Declarations Canal Rouge =
    CALCULATE(
        COUNTROWS(declarations),
        declarations[Canal] = "Rouge"
    )

// Montant des importations uniquement
Total Importations =
    CALCULATE(
        SUM(declarations[Valeur_Declaree_CFA]),
        declarations[Regime_Douanier] = "IM4"
            || declarations[Regime_Douanier] = "IM7"
    )

// Montant des exportations
Total Exportations =
    CALCULATE(
        SUM(declarations[Valeur_Declaree_CFA]),
        declarations[Regime_Douanier] = "EX1"
    )

// Déclarations contentieuses
Nb Contentieuses =
    CALCULATE(
        COUNTROWS(declarations),
        declarations[Statut] = "Contentieuse"
    )

// Pourcentage de déclarations contentieuses
% Contentieuses =
    DIVIDE(
        [Nb Contentieuses],
        [Nb Declarations],
        0
    )

3.4 Fonctions logiques et texte

// Catégorisation du risque opérateur
Niveau Risque =
    SWITCH(
        TRUE(),
        operateurs[Score_Risque] >= 70, "Haut",
        operateurs[Score_Risque] >= 40, "Moyen",
        "Bas"
    )

// Indicateur atteinte objectif
Objectif Atteint =
    IF(
        [Total Recettes] >= SUM(bureaux[Objectif_Recettes_Annuel_CFA]),
        "OUI",
        "NON"
    )

// Format montant en millions CFA
Recettes M CFA =
    FORMAT([Total Recettes] / 1000000, "#,##0.0") & " M CFA"

3.5 Time Intelligence

Comprendre le YTD (Year-To-Date) : le cumul annuel

Le YTD répond à la question : "Depuis le 1er janvier, combien a-t-on cumulé au total ?"

Quand votre directeur demande "on en est où cette année ?", il veut le YTD, pas juste le mois en cours.

Mois	Recettes du mois	Recettes YTD (cumul)	Explication
Janvier	10 Mds	10 Mds	Juste janvier
Février	12 Mds	22 Mds	10 + 12
Mars	8 Mds	30 Mds	10 + 12 + 8
Avril	15 Mds	45 Mds	10 + 12 + 8 + 15
Mai	11 Mds	56 Mds	10 + 12 + 8 + 15 + 11

TOTALYTD fait cette addition automatiquement : il prend le 1er janvier, va jusqu'au mois que vous regardez, et additionne tout.

Comparer avec l'an dernier : YTD N-1

Le YTD seul ne suffit pas. Il faut comparer : "À la même date l'an dernier, on en était à combien ?"

Mois	YTD 2025	YTD 2024 (N-1)	Écart	Interprétation
Janvier	10 Mds	9 Mds	+11%	En avance
Février	22 Mds	20 Mds	+10%	En avance
Mars	30 Mds	31 Mds	-3%	Léger retard
Avril	45 Mds	40 Mds	+12%	Rattrapage !

Formules Time Intelligence

// Recettes de la même période l'année précédente
Recettes N-1 =
    CALCULATE(
        [Total Recettes],
        SAMEPERIODLASTYEAR(calendrier[Date])
    )

// Évolution en % par rapport à N-1
Evolution % N-1 =
    DIVIDE(
        [Total Recettes] - [Recettes N-1],
        [Recettes N-1],
        0
    )

// Cumul annuel (Year-To-Date)
// Additionne les recettes depuis le 1er janvier jusqu'au mois en cours
// Ex: en Mars = Jan + Fév + Mars. En Avril = Jan + Fév + Mars + Avr
Recettes YTD =
    TOTALYTD(
        [Total Recettes],
        calendrier[Date]
    )

// Cumul annuel de l'année précédente (YTD N-1)
// Même cumul mais pour la même période l'an dernier
// Ex: Si on regarde Mars 2025, calcule Jan-Mars 2024
// Permet de comparer : "À la même date l'an dernier, on en était à combien ?"
Recettes YTD N-1 =
    CALCULATE(
        [Recettes YTD],
        SAMEPERIODLASTYEAR(calendrier[Date])
    )

// Écart YTD : progression par rapport à l'an dernier au même stade
Ecart YTD vs N-1 =
    [Recettes YTD] - [Recettes YTD N-1]

// Écart YTD en pourcentage
Ecart YTD % vs N-1 =
    DIVIDE(
        [Ecart YTD vs N-1],
        [Recettes YTD N-1],
        0
    )

// Cumul trimestriel (Quarter-To-Date)
Recettes QTD =
    TOTALQTD(
        [Total Recettes],
        calendrier[Date]
    )

// Moyenne mobile 3 mois
Moyenne Mobile 3M =
    CALCULATE(
        [Total Recettes] / 3,
        DATESINPERIOD(
            calendrier[Date],
            MAX(calendrier[Date]),
            -3,
            MONTH
        )
    )

3.6 Fonctions de table et itérateurs

// Top 10 opérateurs par valeur importée
Est Top 10 Operateur =
    IF(
        RANKX(
            ALL(operateurs),
            [Total Valeur Declaree],
            ,
            DESC
        ) <= 10,
        "Top 10",
        "Autre"
    )

// Part de chaque bureau dans les recettes totales
% Part Recettes =
    DIVIDE(
        [Total Recettes],
        CALCULATE([Total Recettes], ALL(bureaux)),
        0
    )

// Classement des bureaux par recettes
Rang Bureau =
    RANKX(
        ALL(bureaux),
        [Total Recettes],
        ,
        DESC,
        Dense
    )

// Écart moyen entre valeur déclarée et référence (%)
Ecart Moyen Valeur % =
    AVERAGEX(
        declarations,
        DIVIDE(
            declarations[Valeur_Reference_CFA] - declarations[Valeur_Declaree_CFA],
            declarations[Valeur_Declaree_CFA],
            0
        )
    )

3.7 Indicateurs KPI métier complets

// === RECETTES ===

// Taux de recouvrement
Taux Recouvrement =
    DIVIDE(
        SUM(recettes[Total_Recettes_CFA]),
        SUM(recettes[Objectif_Journalier_CFA]),
        0
    )

// === FRAUDE ===

// Taux de fraude (montant)
Taux Fraude =
    DIVIDE(
        SUM(infractions[Montant_Fraude_CFA]),
        [Total Valeur Declaree],
        0
    )

// Nombre d'infractions
Nb Infractions = COUNTROWS(infractions)

// === CONFORMITE ===

// Taux de conformité des contrôles
Taux Conformite =
    DIVIDE(
        CALCULATE(
            COUNTROWS(controles),
            controles[Resultat] = "Conforme"
        ),
        COUNTROWS(controles),
        0
    )

// === PERFORMANCE ===

// Temps moyen de dédouanement (heures)
Temps Moyen Dedouanement =
    AVERAGE(declarations[Temps_Traitement_Heures])

// === EXONERATIONS ===

// Manque à gagner total
Manque a Gagner =
    SUM(exonerations[Droits_Non_Percus_CFA])

// === BALANCE COMMERCIALE ===

Balance Commerciale = [Total Importations] - [Total Exportations]

// === COMPARAISON ANNUELLE (YTD) ===

// Cumul des recettes depuis le 1er janvier jusqu'au mois en cours
// Ex: en Mars = Jan + Fév + Mars
Recettes YTD KPI =
    TOTALYTD([Total Recettes], calendrier[Date])

// Même cumul mais l'année précédente
// Ex: si on regarde Mars 2025, calcule Jan-Mars 2024
Recettes YTD N-1 KPI =
    CALCULATE(
        [Recettes YTD KPI],
        SAMEPERIODLASTYEAR(calendrier[Date])
    )

// Progression par rapport à l'an dernier
Progression YTD % =
    DIVIDE(
        [Recettes YTD KPI] - [Recettes YTD N-1 KPI],
        [Recettes YTD N-1 KPI],
        0
    )

3.8 QCM - Module 3 (ICDL Power BI)

Module 4 : Visualisations et Tableaux de Bord Décisionnels

4.1 Principes de datavisualisation

4.2 Construction du Dashboard 1 : Suivi des Recettes

Étapes de construction pas à pas

4.3 Construction du Dashboard 2 : Commerce Extérieur

4.4 Construction du Dashboard 3 : Gestion des Risques

4.5 Construction du Dashboard 4 : Performance Opérationnelle

4.6 QCM - Module 4 (ICDL Power BI)

Module 5 : Publication, Sécurité et Administration

5.1 Power BI Service

Licences Power BI

Licence	Prix	Partage	Capacité	Recommandation
Gratuit	0	Non	1 Go/jeu de données	Usage personnel
Pro	~10 USD/mois/utilisateur	Oui (entre Pro)	1 Go	Équipes (5-50 utilisateurs)
Premium Per User	~20 USD/mois	Oui	100 Go	Analyses avancées
Premium Capacity	~5000 USD/mois	Oui (même gratuits)	100 To	Organisation entière

5.2 Publication et partage

Publier depuis Desktop

Organisation des espaces de travail

Espace de travail	Contenu	Accès
DG Douanes - Stratégique	KPI globaux, recettes nationales	DG, DGA, Directeurs
Direction Recettes	Suivi détaillé des recettes	Direction + chefs bureau
Direction Contrôle & Risques	Dashboards fraude et risques	Service contrôle
Commerce Extérieur	Statistiques import/export	Service statistiques
Bureau [Nom]	Rapports spécifiques au bureau	Personnel du bureau

5.3 Sécurité au niveau des lignes (RLS)

La RLS permet de restreindre l'accès aux données selon l'utilisateur connecté. Un chef de bureau ne voit que les données de son bureau.

Configurer la RLS dans Power BI Desktop

[Bureau_ID] = "BUR001"

Attribuer les rôles dans le Service

5.4 Actualisation des données

5.5 Gouvernance et bonnes pratiques

Conventions de nommage recommandées

Élément	Convention	Exemple
Tables de faits	f_NomTable	f_Declarations
Tables de dimensions	d_NomTable	d_Bureaux
Mesures	Descriptif en français	Total Recettes, Taux Conformité
Colonnes calculées	_NomColonne	_Categorie_Valeur
Espaces de travail	Direction - Domaine	DG - Stratégique
Rapports	RPT_Domaine_Version	RPT_Recettes_v2.1

5.6 Projet Final Intégrateur

Grille d'évaluation

Critère	Points
Modèle de données correct (relations, types)	/20
Mesures DAX pertinentes (min. 5 mesures)	/25
Qualité des visualisations (choix, lisibilité)	/25
Interactivité (filtres, segments, navigation)	/15
Présentation et storytelling	/15
Total	/100

5.7 QCM Final - Module 5 (ICDL Power BI)

5.8 Ressources pour aller plus loin

Ressource	Description
Microsoft Learn	Parcours gratuits Power BI (certifications PL-300)
DAX.do	Bac à sable en ligne pour tester les formules DAX
SQLBI.com	Meilleure ressource pour le DAX avancé (Marco Russo, Alberto Ferrari)
Power BI Community	Forum d'entraide Microsoft
Guy in a Cube (YouTube)	Tutoriels vidéo hebdomadaires
Certification PL-300	Certification Microsoft Power BI Data Analyst