Modèle en étoile dans Power BI : l'expliquer simplement en formation

Par Clément Delobel, formateur et consultant Data et IA
Publié le 24/09/2026

Le modèle de données est la brique de Power BI que les apprenants comprennent le moins, et celle dont dépend tout le reste. Des relations mal posées, et les totaux deviennent faux sans prévenir. Le modèle en étoile s'explique pourtant très simplement, à condition de partir de ce que les apprenants connaissent déjà : leurs tableaux Excel et leurs RECHERCHEV.

L'image qui fait comprendre

Demandez à la salle comment elle ferait dans Excel pour afficher le nom du client et la catégorie du produit à côté de chaque vente. Réponse unanime : des RECHERCHEV, une par colonne. Le modèle en étoile, c'est exactement la même idée, sauf qu'on ne recopie plus rien : on relie les tables une fois pour toutes, et Power BI va chercher l'information quand il en a besoin. Dessinez-le au tableau : la table des ventes au centre, les tables clients, produits, points de vente et dates tout autour. L'étoile apparaît d'elle-même.

Table de faits et tables de dimensions

• La table de faits contient les événements : une ligne par vente, par commande, par intervention. Elle est longue, et contient surtout des nombres et des identifiants.
• Les tables de dimensions décrivent : une ligne par client, par produit, par restaurant. Elles sont courtes, et contiennent les libellés qui serviront à filtrer et découper.

La règle à retenir : on filtre et on découpe avec les dimensions, on calcule sur les faits.

Les relations, sans jargon

Chaque dimension est reliée à la table de faits par un identifiant commun : le code client, le code produit. Une relation « un à plusieurs » veut simplement dire qu'un client apparaît une fois dans sa table, mais plusieurs fois dans les ventes. Et le filtre circule dans un seul sens par défaut : de la dimension vers les faits. Quand on sélectionne un client, ses ventes se filtrent ; l'inverse n'a pas de sens.

Faites-le constater plutôt que l'expliquer : un segment sur la catégorie de produit, un visuel sur le chiffre d'affaires, puis on supprime la relation. Le chiffre ne se filtre plus. On la recrée : tout revient. La relation n'est plus une notion abstraite.

Pourquoi une table de dates

Une table de dates dédiée, avec une ligne par jour et des colonnes pour le mois, le trimestre ou l'année, permet d'analyser dans le temps de façon fiable et de comparer une période à la précédente. Marquez-la comme table de dates, reliez-la à la date de la table de faits : c'est la condition pour que les calculs de type « même période l'an dernier » fonctionnent correctement.

Les pièges à montrer en salle

• Les doublons dans une dimension : un client présent deux fois empêche la relation « un à plusieurs ». D'où l'intérêt d'avoir dédoublonné dans Power Query.
• Les types différents : un code en texte d'un côté et en nombre de l'autre, et la relation ne trouve rien.
• La relation créée automatiquement sur la mauvaise colonne : Power BI propose parfois des relations en se fiant aux noms. On vérifie toujours la vue du modèle.
• Le filtre bidirectionnel activé par réflexe : il résout un problème visible et en crée d'autres, moins visibles. À réserver aux cas qu'on sait expliquer.

Pour mettre ces notions en pratique sur un cas complet, voir l'étude de cas PBI-01 et le guide Mesure DAX ou colonne calculée.