Série complète | 11 articles longs | 2 000-3 000 mots chacun
TL;DR : Notre équipe a automatisé le développement Power BI avec Claude Code sur un projet réel pour un grand groupe industriel international. Résultat mesuré : une vélocité x2,5 à x3 sur le cycle complet de livraison, un coût IA total inférieur à 0,50 EUR, et 8 anomalies détectées avant la mise en production — dont un écart de plusieurs dizaines de MEUR entre deux pages du même dashboard.
Quel est le contexte de ce dossier ?
Fin 2024. Notre équipe chez Unnest reçoit un brief pour un grand groupe industriel international.
La demande : un dashboard Power BI de suivi de projets d’infrastructure. KPIs travaux, achats, conformité juridique. Données en temps réel depuis Microsoft Dataverse.
Le problème : Power BI est structurellement lent à développer. Chaque page représente des dizaines de fichiers JSON. Chaque visuel génère des centaines de lignes de code. Le même dashboard qui prendrait 2 heures en Looker Studio prend 2 jours en Power BI.
On a décidé de tester si Claude Code pouvait écrire ces fichiers à notre place. Le format PBIP (Power BI Projects) — qui décompose un rapport en fichiers JSON lisibles — a rendu l’expérience possible.
Résultat mesuré : une vélocité x2,5 à x3 sur le cycle complet de livraison.
Ce dossier raconte comment, étape par étape, avec les vrais chiffres, les vrais prompts, et les vrais problèmes rencontrés.
Quels sont les chiffres clés du projet client ?
Métrique | Valeur |
Client | Grand groupe industriel international |
Périmètre | 7 pages, 27 mesures DAX, 3 bookmarks |
Données | Microsoft Dataverse, 13 tables |
Durée MVP | 5 jours ouvrés |
Vélocité vs méthode manuelle | x2,5 à x3 |
Coût IA (tokens Claude) | < 0,50 EUR total |
Anomalies détectées avant prod | 8 (dont 2 critiques) |
Les articles
Article #2 — Pourquoi Power BI est 3x plus lent que Looker Studio à développer ?
Pourquoi Power BI est structurellement plus lent à développer. L’architecture fichier .pbix, la répétitivité des tâches, la complexité DAX, l’absence de CI/CD natif. Et comment le format PBIP/PBIR change la donne.
Article #3 — Comment concevoir un dashboard Power BI sans ouvrir Power BI ?
Comment Claude a généré une maquette React interactive de 91 Ko en 3 itérations. L’approche shift-left en BI : valider le design avant de construire. Gain mesuré : -70 % sur le temps de conception.
Article #4 — Comment structurer une spec technique BI avec des critères Gherkin ?
Le framework Plan/Ship/Analyze pour cadrer un projet BI. 27 critères d’acceptation Gherkin avec des valeurs réelles. Atlas des mesures DAX. Scoring de conformité. De 3 jours à une demi-journée.
Article #5 — Que contient un fichier PBIR Power BI ?
Guide technique complet du format PBIR : structure des fichiers JSON, visuels, bookmarks, bindings DAX, z-order. Les 6 concepts clés à maîtriser pour automatiser. Script Python d’exploration inclus.
Article #6 — Comment dupliquer une page Power BI en 3 minutes ?
Comment dupliquer une page Power BI complète en 3 minutes au lieu de 45. Le workflow en 5 étapes, les pièges à éviter, les résultats mesurés sur 6 pages. Template de prompt inclus.
Article #7 — Comment générer des mesures DAX avec l’IA ?
Générer des mesures DAX à partir d’une maquette visuelle. Ce que Claude fait bien (structure, conventions, cas limites) et moins bien (relations complexes, optimisation). Quality check en 4 points. Gain : -75 % par page.
Article #8 — Comment automatiser les bookmarks Power BI en PBIR ?
Anatomie des bugs de bookmarks Power BI : targets manquants, groupes de visuels oubliés, conflits de z-order. Plan de correction en 4 étapes. Script Python d’audit inclus.
Article #9 — Comment automatiser un PV de recette Power BI ?
Comment Claude Chrome a généré un PV de recette automatisé en 40 minutes : 14 tests UI, 12 User Stories Gherkin, 7 critères de performance, 8 critères de sécurité. Score MVP : environ 78 %.
Article #10 — Quels bugs l’IA détecte-t-elle dans un dashboard Power BI ?
Écart de plusieurs dizaines de MEUR entre pages, 3 cartes affichant la même valeur, fake data en production. Anatomie de 8 anomalies détectées par Claude. Le quality check DAX complet.
Article #11 — Quel est le ROI réel de l’automatisation Power BI avec l’IA ?
Coûts en tokens (< 0,50 EUR total), gains de temps par tâche (-65 % à -85 %), projection sur 12 mois pour une équipe de 3 personnes. Ce que l’automatisation ne remplace pas.
Article #12 — Comment le rôle de BI Engineer évolue-t-il en 2026 ?
Les 7 enseignements fondamentaux. Les 3 fronts d’innovation (CI/CD, templates PBIR, détection de régressions). L’évolution du rôle de BI Engineer : de 40 % tâches mécaniques à 70 % valeur ajoutée.
FAQ — Automatiser Power BI avec l’IA
Peut-on vraiment automatiser Power BI avec un LLM comme Claude ?
Oui. Le format PBIP/PBIR décompose un rapport Power BI en fichiers JSON lisibles. Claude peut lire, comprendre et générer ces fichiers. Sur le projet client, cette approche a réduit le temps de développement de 12,6 jours à 2,8 jours.
Combien coûte l’utilisation de Claude pour automatiser Power BI ?
Moins de 0,50 EUR pour l’ensemble du projet client (environ 100 000 tokens). Le coût est négligeable comparé aux gains de productivité mesurés (-58 % sur le coût main d’oeuvre).
Claude remplace-t-il le BI Engineer ?
Non. Claude élimine le travail mécanique (duplication de pages, génération DAX de base, PV de recette). Le BI Engineer se concentre sur la compréhension métier, la validation des données et la relation client — passant de 10 % à 70 % de temps sur la valeur ajoutée.
Faut-il migrer vers le format PBIP pour automatiser ?
Oui. Le format .pbix traditionnel est un fichier binaire inexploitable par un LLM. Le format PBIP est la condition sine qua non de l’automatisation Power BI.