« Le rapport met trois minutes à s’ouvrir. » « Quand je change un filtre, je vais me chercher un café. » Si ces phrases vous parlent, vous n’êtes pas seul : c’est la plainte que j’entends le plus souvent quand une entreprise m’appelle pour Power BI. Et c’est rarement Power BI le problème. Un rapport Power BI lent est presque toujours le symptôme d’un modèle ou de calculs mal construits.
Voici les 7 causes d’un rapport Power BI lent que je retrouve le plus souvent, comment les repérer et comment les corriger.
1. Une seule grande table au lieu d’un modèle en étoile
C’est la cause numéro un. Beaucoup de rapports sont construits à partir d’un gros export Excel « à plat » : une ligne par vente, avec le nom du client, la région, la famille de produit et le commercial répétés sur chaque ligne. Ça fonctionne au début, puis tout ralentit quand le volume grossit.
La correction : séparer les faits (les ventes, les mouvements, les heures) des dimensions (clients, produits, dates, sites) et les relier en étoile. Le moteur de Power BI est conçu pour ce schéma : il compresse mieux les données et les filtres circulent plus vite. Ajoutez au passage une vraie table de dates.
2. Des colonnes inutiles et trop « détaillées »
Chaque colonne importée prend de la place en mémoire, même si personne ne l’utilise. Les pires sont celles qui ont beaucoup de valeurs différentes : une date avec l’heure à la seconde près, un identifiant technique en texte, un commentaire libre.
La correction : ne charger que les colonnes utiles au rapport, séparer la date et l’heure (ou supprimer l’heure si elle ne sert pas), et remplacer les identifiants texte par des nombres quand c’est possible. Sur certains modèles, ce simple ménage divise la taille du fichier par deux.
3. Des calculs faits au mauvais endroit
Les colonnes calculées en DAX sont pratiques, mais elles alourdissent le modèle et se recalculent à chaque actualisation. À l’inverse, certaines transformations Power Query empêchent la source de faire le travail elle-même et obligent Power BI à tout rapatrier.
La règle simple : ce qui décrit une ligne (une catégorie, une tranche, un code) se prépare le plus en amont possible, dans la source ou dans Power Query. Ce qui s’agrège (un total, un taux, une évolution) s’écrit en mesure DAX.
4. Des mesures DAX trop gourmandes
Une mesure mal écrite peut à elle seule bloquer une page. Les erreurs classiques : un FILTER appliqué à une table entière au lieu d’une colonne, des SUMX imbriqués sur des millions de lignes, la même expression recalculée trois fois dans une formule.
La correction : filtrer sur des colonnes plutôt que sur des tables, utiliser des variables (VAR) pour ne calculer qu’une fois, et simplifier les mesures en cascade. Ce sont souvent quelques mesures qui concentrent l’essentiel du temps de calcul.
5. Trop de visuels sur une même page
Chaque visuel envoie au moins une requête au modèle. Une page avec 25 cartes, 6 graphiques, 8 segments et un grand tableau envoie des dizaines de requêtes à chaque clic. Même un bon modèle finit par ramer : face à un rapport Power BI lent, c’est l’une des premières choses que je regarde.
La correction : une page, une question. Regroupez les indicateurs dans une carte multiligne, déplacez le détail dans une page d’exploration ou une info-bulle, et limitez les segments à ceux qui servent vraiment. Le rapport devient aussi plus lisible.
6. Un mode DirectQuery mal maîtrisé
En DirectQuery, Power BI interroge la source à chaque interaction. Si la base est lente, chargée ou mal indexée, le rapport l’est aussi. On choisit parfois ce mode « pour avoir les données en temps réel » alors qu’une actualisation toutes les heures suffirait largement.
La correction : passer en mode Import quand le temps réel n’est pas indispensable, ou combiner les deux (modèle composite, agrégations). Et si DirectQuery est justifié, travailler avec l’équipe qui gère la base sur les index et les vues.
7. Une actualisation qui recharge tout, tous les jours
Recharger cinq ans d’historique chaque nuit pour ajouter les ventes de la veille, c’est long, et ça échoue parfois au pire moment, juste avant le comité.
La correction : l’actualisation incrémentielle, qui ne recharge que la période récente, et des requêtes Power Query qui laissent la source filtrer elle-même. Sur un projet pour un grand cabinet de conseil, ces corrections ont réduit le temps d’actualisation d’environ 70 %.
Rapport Power BI lent : comment trouver la cause ?
Inutile de deviner. Trois outils suffisent pour un premier diagnostic :
- L’Analyseur de performances, intégré à Power BI Desktop (onglet Optimiser, voir la documentation Microsoft) : il mesure le temps de chaque visuel et montre s’il est perdu dans le calcul DAX ou dans l’affichage.
- DAX Studio, outil gratuit : il permet de tester et chronométrer une mesure isolément.
- VertiPaq Analyzer (intégré à DAX Studio) : il montre quelles tables et quelles colonnes occupent le plus de mémoire.
En général, 20 % des éléments expliquent 80 % de la lenteur : une table trop large, deux ou trois mesures, une page surchargée. C’est là qu’il faut agir en premier.
En résumé, un rapport Power BI lent se corrige rarement en changeant de licence ou de machine. Dans la grande majorité des cas, c’est le modèle, quelques mesures DAX et la conception des pages qu’il faut revoir, et les gains sont souvent spectaculaires.
Un regard extérieur en 15 minutes
Je travaille sur la donnée depuis 2004 et sur Power BI depuis 2019, avec des équipes finance, contrôle de gestion et BI, dans l’industrie comme dans les services. Si vous avez un rapport Power BI lent ou contesté, je vous propose un diagnostic gratuit de 15 minutes en visio, sans accès à vos données : vous me montrez le rapport, je vous envoie sous 48 h les points critiques et un plan d’action.
Pour aller plus loin, l’audit Power BI passe en revue le modèle, les calculs, les performances et la sécurité, avec un rapport classé par gravité et, si vous le souhaitez, les corrections.
Laisser un commentaire