Projet personnel · Rapport Power BI de bout en bout · 2026
Observatoire des carburants
Les prix des carburants en France, de la collecte automatisée au rapport Power BI, avec un modèle généré par code.
- de prix intégrés, sur 3 ans d'historique
- 9,5 M
- mesures DAX
- 124
- pages de rapport
- 10
Un observatoire complet bâti sur l'open data du ministère : collecte horaire n8n, entrepôt Google BigQuery, puis un rapport Power BI de 10 pages en modèle en étoile, avec 124 mesures DAX, une prévision à 7 jours et une sécurité au niveau des lignes.
Contexte
Le prix des carburants est un sujet que chacun comprend, et les données sont publiques. Elles sont pourtant publiées en instantané, sans historique exploitable ni comparaison simple entre territoires ou périodes.
Le problème à résoudre
Construire, de A à Z, un observatoire fiable : collecter sans doublon, historiser sur trois ans, écarter les saisies aberrantes, puis restituer le tout dans un rapport clair pour un usage décisionnel comme pour le grand public.
Ma démarche
- Collecte automatisée : un workflow n8n interroge l’open data toutes les heures et ne conserve que les changements de prix. Trois ans d’archives sont intégrés, soit 9,5 millions de prix pour 15 000 stations.
- Entrepôt BigQuery : table de faits partitionnée et clusterisée, procédures MERGE idempotentes, agrégats quotidiens, filtrage des valeurs aberrantes et journal d’ingestion.
- Modèle Power BI : schéma en étoile, groupe de calcul (J-7, N-1, moyenne mobile, base 100), paramètres de champ et what-if, sécurité au niveau des lignes.
- Rapport en 10 pages : accueil, carte par département avec cartes Azure Maps, tendances, comparateur, simulateur de plein, stations autour de soi, saisonnalité, page « coulisses », info-bulle et page d’extraction.
- Prévision : projection à 7 jours par régression, entièrement écrite en DAX.
- Industrialisation : le modèle sémantique (TMDL) et le rapport (PBIR) sont générés par code et validés automatiquement avant chaque ouverture dans Power BI Desktop, sans mise en forme manuelle.
Résultat
Un observatoire de bout en bout, alimenté en continu, dont chaque étape est versionnable et reproductible : de la requête open data à la dernière mesure DAX.
Ce que ce projet montre
La maîtrise de la chaîne complète du Business Intelligence : ingestion, entrepôt, modélisation dimensionnelle, DAX avancé, visualisation, et une approche d’industrialisation rare sur Power BI.
