DATA
Power BI × Catalogage automatisé
Le secret bien gardé du fichier .pbit
Toutes vos métadonnées Power BI à portée de main — sans exposer la moindre donnée.
Faire défiler
DATA
Power BI × Catalogage automatisé
Toutes vos métadonnées Power BI à portée de main — sans exposer la moindre donnée.
Dans une démarche de gouvernance des données, la qualité d'un catalogue dépend directement de la valeur apportée par les éléments contextuels ajoutés aux données. Cet ajout de valeurs contextualisées est grandement facilité si le catalogue des données est maintenu à jour.
Cataloguer les données, avoir la liste des tables, des colonnes, des transformations, des usages, est indispensable à tout bon catalogue de données. Les enjeux sont d'assurer la qualité des métadonnées, et le premier cheval de bataille reste l'exactitude de ces métadonnées. Cette exactitude s'acquiert à travers les processus de catalogage et l'automatisation de ces processus.
Dans cet article, nous vous proposons de jeter un œil sous le capot du catalogage automatisé des objets Power BI.
Le problème
Nombreuses sont les entreprises à utiliser Power BI, et nombreuses sont celles qui ont une licence groupe. Utiliser les solutions automatiques de catalogage (les connecteurs développés par les solutions de gouvernance des données) est alors impossible, car la licence groupe donne accès à l'ensemble des objets Power BI de toutes les filiales du groupe. Heureusement, un contournement existe : la voie du .pbit.
Le format
Un rapport Power BI peut se matérialiser sous deux formes de fichier : le .pbix, celui ouvert au quotidien dans Power BI Desktop, et le .pbit, son format « template ». Deux portes d'entrée possibles pour aller chercher la métadonnée — reste à savoir laquelle choisir.
.pbix
Fichier de travail
.pbit
Template
Le .pbit offre exactement la même richesse de métadonnées que le .pbix, sans jamais exposer la moindre donnée sensible — le choix s'est imposé assez naturellement. Un .pbit est composé de plusieurs fichiers, dont deux fichiers JSON très utiles :
La méthode
Chaque .pbit déposé traverse quatre étapes automatisées, de l'extraction brute jusqu'au référentiel de lignage injectable dans le catalogue de données — sans jamais accéder aux données réelles ni au Power BI Service.
1
Le .pbit est ouvert avec un outil d'extraction d'archive (par exemple 7-zip).
2
Pour chaque table contenue dans le JSON DataModelSchema : colonnes (nom, type, visibilité), colonnes calculées avec leur formule, mesures DAX, partitions — dont le code M révèle la source réelle de la donnée (fichier Excel, requête SQL, script de transformation).
3
Le point le plus important : un lignage à la colonne, avec le principe 1 ligne = 1 lien source → colonne. Généré automatiquement, par script de correspondance ou via un modèle de langage qui déduit les dépendances de chaque formule.
4
Un fichier structuré, prêt à être injecté par API dans un catalogue de données, où chaque ligne représente un lien de lignage traçable — de la donnée brute jusqu'à la colonne exposée dans le rapport.
Pourquoi la granularité à la colonne ? Parce qu'une colonne calculée combine souvent plusieurs colonnes source, et qu'une analyse d'impact fiable — « si je modifie cette colonne source, qu'est-ce que cela impacte en amont et en aval ? » — exige de savoir précisément quelles colonnes et mesures sont concernées. On peut ainsi préciser, pour chaque mesure ou indicateur, sur quelle page du rapport il est concrètement affiché, et donc savoir quelles pages seraient impactées si une colonne source venait à changer.
L'exemple
Une colonne calculée Montant_Période combine quatre colonnes source — une date de début, une date de fin, une quantité et un tarif unitaire — via la formule suivante :
4 colonnes source
Montant_Période
colonne calculée
4 lignes de lignage — une par dépendance
Ce niveau de détail est ce qui rend une analyse d'impact réellement exploitable : si l'une de ces quatre colonnes source venait à changer de format ou de source, nous savons immédiatement quelle colonne calculée — et quelles mesures et pages de rapport en aval — serait affectée.
À partir de cette structure, il devient possible de parcourir systématiquement les colonnes calculées, d'extraire leurs formules M, d'en isoler les colonnes source référencées, et de générer automatiquement les lignes de lignage — c'est exactement cette logique que nous avons industrialisée pour produire notre référentiel complet, selon les quatre étapes du pipeline présenté plus haut.
La perspective
Cette approche, purement basée sur le .pbit, sans connexion à Power BI Service ni accès aux données réelles, ouvre la voie à une véritable sonde de catalogage automatique. À chaque dépôt ou mise à jour d'un fichier .pbit, il devient possible de :
Créer ou mettre à jour automatiquement les fiches de tables, colonnes et mesures
Générer le lignage technique de bout en bout, de la source jusqu'à la page de rapport
Détecter les colonnes masquées, les mesures inutilisées ou les sources devenues obsolètes
Alimenter les champs description, règle de calcul et type sans aucune saisie manuelle
À retenir
« Toute la richesse du modèle, zéro donnée exposée : le .pbit transforme chaque rapport Power BI en source de métadonnées prête à cataloguer. »
Conclusion
Ce POC démontre l'existence d'une solution de contournement pour pallier la problématique de la licence groupe. Le pipeline présenté plus haut — extraction, analyse, construction du lignage, génération du référentiel — se prête très bien à l'automatisation : il est très facile d'industrialiser des exports à partir du .pbit, au format attendu par votre solution de catalogage.
DATA
Si vous souhaitez en savoir plus sur ce sujet ou d'autres, n'hésitez pas à nous contacter chez ASI DATA. Notre équipe d'experts de la gouvernance des données sera certainement en mesure de vous répondre.
À propos d'ASI
Experts du numérique. Pionniers du responsable.
30 ans
au service des organisations publiques et privées
400
collaboratrices et collaborateurs
ASI conseille, conçoit et réalise les services numériques d'organisations publiques et privées depuis plus de 30 ans. Nos 400 collaboratrices et collaborateurs accompagnent nos clients de l'idée à la mise en production de leurs produits numériques, sur-mesure et de bout en bout, en mobilisant l'ensemble de nos expertises : conseil, design de service, développement, intégration, data & IA, architecture SI, product management.
Notre singularité : faire du numérique un levier d'impact mesurable, pour les utilisateurs, les organisations, la société et la planète. Une conviction portée dès 2009 avec nos premiers bilans carbone, formalisée au fil des ans (EcoVadis, Global Compact, Planet Tech'Care, Label Numérique Responsable), et inscrite au cœur de notre raison d'être en devenant Société à Mission en 2024.
ASI = Au Service de l'Impact.