Créer des visuels Python dans Power BI : maîtriser l’intégration Python dans vos rapports

L’intégration de Python dans Power BI Desktop ouvre la porte à  des visualisations avancées beaucoup plus flexibles et puissantes que les visuels natifs. Plutôt que de se limiter aux graphiques standards, vous pouvez créer des visuels entièrement personnalisés à partir de scripts Python : scatterplots, box plots ou même graphiques 3D. 

Dans ce guide, nous allons voir comment configurer l’environnement Python, créer ces 3 types de visuels à partir d’un jeu de données RH (extrait de la base TechFIP), et comprendre les bonnes pratiques pour une intégration fluide dans Power BI. 

1. Préparer son environnement Python dans Power BI Desktop

Avant de créer le moindre visuel, Power BI doit détecter l’environnement Python installé sur votre machine. Pour vérifier la configuration :

1. ouvrir Fichier
2. aller dans Options et paramètres
3. sélectionner Options
4. accéder à la section Script Python

Cette section indique si Power BI a correctement identifié le répertoire Python. Si ce n’est pas le cas, il suffit d’installer ou de configurer l’interpréteur afin de permettre l’exécution des scripts.

Lorsque Python est reconnu, la création de visuels devient possible.

 Le jeu de données utilisé provient de la table F_Export, accessible dans l’affichage table. Il contient des colonnes telles que :

• date d’export
• matricule
• type de contrat
• âge
• tranche d’âge
• ancienneté
• tranche d’ancienneté

Ces informations constituent la base nécessaire à la création des trois visualisations Python.

2. Activer un visuel Python dans Power BI

Sur une nouvelle page de rapport :

1. sélectionner le visuel Python (Py) dans le volet Visualisations
2. cliquer sur “Activer les scripts Python” si Power BI vous le propose
3. glisser les colonnes nécessaires dans la zone “Valeurs”

 Les champs ajoutés deviennent accessibles dans le jeu de données dataset, directement exploitable dans votre script Python.

Créer un nuage de points Python (scatterplot)

 Pour le premier visuel, trois colonnes sont nécessaires : âge, ancienneté et tranche d’ancienneté.

 Avant d’exécuter le script : 

• importer les librairies nécessaires : pandas, matplotlib, seaborn
• s’assurer que les colonnes utilisées dans le script sont orthographiées exactement comme dans l’import des données (accents compris)
• définir les agrégations appropriées dans les valeurs (ex. "Ne pas résumer")

Une erreur fréquente vient d’une différence dans le nom d’une colonne : Power BI n’accepte pas les approximations. Soyez rigoureux là-dessus.

 Une fois le script exécuté avec plt.show(), Power BI affiche un nuage de points dynamiques. Vous pouvez ensuite filtrer les données selon le type de contrat, la tranche d’âge ou toute autre catégorie. 

Créer un Box Plot Python dans Power BI

Pour le deuxième visuel, un box plot est créé illustrant la distribution des âges par tranche d’ancienneté.

La structure du script est très proche du précédent. La différence principale se situe dans l’appel au type de graphique :

Une fois exécuté, Power BI affiche un box plot détaillant les valeurs minimales, maximales, médianes et les zones de concentration des âges selon les différentes tranches d’ancienneté (5–9 ans, 10–14 ans, plus de 30 ans, etc.).

Là encore, un simple oubli dans le nom d’une colonne ou un mauvais paramétrage d’agrégation peut bloquer le rendu. Pensez à tout vérifier avant de relancer le script.

Créer une visualisation Python en 3D

 Pour aller plus loin, Power BI permet également de produire des graphiques en trois dimensions grâce à Matplotlib.

 Les axes X, Y et Z reçoivent leurs labels et un titre est ajouté.
Les agrégations de colonnes doivent être définies à  “ne pas résumer”.

Le visuel obtenu permet de visualiser simultanément âge, ancienneté et tranche d’ancienneté. Comme les deux autres visuels Python, il réagit parfaitement aux segments de filtre.

Interactions avec les segments

Les segments ajoutés à la page filtrent automatiquement les trois visuels Python.
Par exemple :

• un segment sur la date d’export
• un segment sur la catégorie de salariés

En revanche, les visuels Python ne réagissent pas aux interactions internes entre visuels (ex. cliquer sur une zone d’un graphique). Les interactions doivent passer par des segments ou visuels Power BI standards.

4. Publier un rapport contenant des visuels Python dans Power BI Service

Une fois les visuels créés, le rapport peut être publié dans Power BI Service via le bouton Publier.

Les visuels Python sont bien visibles et conservent leur interactivité avec les segments. Attention toutefois  : certains éléments de mise en forme (comme les couleurs) peuvent légèrement varier après publication. 

 Un point essentiel : les visuels Python ne fonctionnent pas si le rapport est consulté en mode Public – publier sur le web. Ils nécessitent une authentification de l’utilisateur.

Vous pouvez donc les partager via :

• un workspace Power BI
• un site interne connecté (SharePoint, portail d’entreprise)
• une application Power BI

5. Limites des visuels Python dans Power BI

 Selon la documentation officielle Microsoft :

• les visuels Python sont limités à 150 000 lignes
• au-delà, le script ne s’exécute pas.

Pour traiter de très gros volumes, il vaut mieux utiliser un environnement Python externe (des Anaconda ou Spyder), puis importer dans Power BI les résultats agrégés. Les visuels Python et R partagent exactement les mêmes contraintes.

Conclusion : un levier puissant pour enrichir vos rapports 

Intégrer Python à Power BI Desktop, c’est mêler analyses avancées et visualisation interactive dans un seul environnement. Vous pouvez ainsi créer des visuels sur mesure, bien plus puissants que les graphiques standards - tout en restant dans une logique de gouvernance Power BI. 

A retenir :

• configurez correctement votre environnement Python;
• respectez à la lettre les noms de colonnes et agrégations; 
• surveillez la limite de 150 000 lignes;
• préférez une authentification sécurisée plutôt qu’un partage public; 
• et gardez en tête que les interactions croisées ne fonctionnent que via les segments standard. 

Utilisé intelligemment, Python devient un véritable atout dans Power BI, capable de transformer vos rapports en outils analytiques sur mesure, puissants et visuellement uniques. Néhsitez pas à voir notre vidéo YouTube pour plus de détail sur les visuels Python.