Guide pratique · E-commerce · Finance · RH · SaaS · Lecture : ~18 min Teste ton niveau sur modai-lab.com/test-sql/


Pourquoi ce guide existe

SQL apparaüt dans presque toutes les offres data : Data Analyst, BI, Data Engineer, Product Analyst
 et de plus en plus dans des postes non techniques (marketing, finance, ops, RH).

Pourtant, quand on débute, la question de base reste floue : concrÚtement, ça sert à quoi ?

On te répond souvent "à interroger une base de données". C'est vrai, mais ça ne dit rien de ce que tu vas faire avec, au quotidien, dans une entreprise.

La rĂ©ponse courte : SQL sert Ă  poser des questions Ă  des donnĂ©es et obtenir des rĂ©ponses chiffrĂ©es, directement lĂ  oĂč les donnĂ©es sont stockĂ©es, sur des volumes qu'Excel ne peut pas ouvrir.

Ce que tu vas trouver dans ce guide :

  • Ce qu'est SQL, en 2 minutes et sans jargon

  • Les 5 usages concrets de SQL en entreprise, avec une vraie requĂȘte pour chacun

  • Pour chaque usage : l'erreur typique du dĂ©butant ❌ et le bon rĂ©flexe ✅

  • Des cas business chiffrĂ©s en e-commerce, finance, RH et SaaS

  • SQL vs Excel vs Python : quand utiliser quoi

  • Un prompt Claude pour te faire expliquer (et corriger) tes premiĂšres requĂȘtes

  • Une checklist pour savoir si tu as compris l'essentiel


đŸ§Ș Calibre ton niveau avant de commencer

Tu as peut-ĂȘtre dĂ©jĂ  Ă©crit un SELECT sans t'en rendre compte, ou tu pars de zĂ©ro. Dans les deux cas, savoir oĂč tu en es t'Ă©vitera de relire ce que tu maĂźtrises dĂ©jĂ .

Fais le test en 5 minutes.

👉 Faire le test sur modai-lab.com/test-sql/

_Résultat en direct · Niveau calibré · Parcours personnalisé_


SQL en 2 minutes

SQL (Structured Query Language) est un langage créé dans les années 1970 chez IBM, puis standardisé dans les années 1980. Il sert à dialoguer avec des bases de données relationnelles : des données rangées dans des tables, comme des onglets Excel trÚs bien organisés.

Une table, c'est :

  • des colonnes (les caractĂ©ristiques : user_id, montant, created_at
)

  • des lignes (les enregistrements : une commande, un client, un salarié )

Table orders
order_id | user_id | created_at | montant | statut | region
---------|---------|------------|---------|---------|-------
1001 | U12 | 2026-10-02 | 89.90 | livré | IDF
1002 | U07 | 2026-10-02 | 240.00 | livré | Sud
1003 | U12 | 2026-10-05 | 35.50 | annulé | IDF
a-quoi-sert-sql · 01

Ce qui rend SQL unique :

  1. Il est déclaratif : tu décris ce que tu veux ("le CA par région"), pas comment le calculer. Le moteur de base de données choisit la méthode la plus efficace.

  2. Il est universel : PostgreSQL, MySQL, BigQuery, Snowflake, SQL Server, Oracle
 La syntaxe varie un peu, mais 90 % de ce que tu apprends fonctionne partout.

  3. Il passe Ă  l'Ă©chelle : la mĂȘme requĂȘte fonctionne sur 1 000 lignes ou sur 2 milliards.

Une requĂȘte SQL se lit presque comme une phrase :

SELECT region, SUM(montant) AS ca -- je veux : la région et la somme des montants
FROM orders -- Ă  partir de : la table des commandes
WHERE statut = 'livré' -- uniquement : les commandes livrées
GROUP BY region; -- regroupé par : région
a-quoi-sert-sql · 02

Maintenant, voyons à quoi ça sert concrÚtement.


PARTIE 1 — Usage n°1 : retrouver une information prĂ©cise

Le mécanisme

Le premier usage de SQL, c'est filtrer : extraire, parmi des millions de lignes, exactement celles qui t'intéressent. Le service client cherche les commandes d'un client, la logistique veut les colis en retard, la compta veut les factures impayées.

Trois mots-clés suffisent :

  • SELECT : quelles colonnes afficher

  • WHERE : quelles lignes garder

  • ORDER BY : dans quel ordre les afficher

❌ Ce que fait le dĂ©butant

-- Objectif : les commandes de plus de 100 € passĂ©es en octobre, non annulĂ©es
SELECT * -- ❌ toutes les colonnes : illisible et coĂ»teux
FROM orders
WHERE montant >
AND created_at BETWEEN '2026-10-01' AND '2026-10-31' -- ❌ rate le 31 aprùs minuit si c'est un timestamp
AND statut != 'annulĂ©'; -- ⚠ exclut aussi les lignes oĂč statut est vide (NULL)
 
-- Données :
-- order_id | created_at | montant | statut
-- 2001 | 2026-10-31 14:22:00 | 150.00 | livrĂ© ← exclue Ă  tort (aprĂšs 2026-10-31 00:00:00)
-- 2002 | 2026-10-12 09:10:00 | 230.00 | NULL ← exclue Ă  tort (statut pas encore renseignĂ©)
a-quoi-sert-sql · 03

La requĂȘte tourne, renvoie un rĂ©sultat
 et il manque des commandes. C'est le piĂšge n°1 de SQL : une requĂȘte qui marche n'est pas forcĂ©ment une requĂȘte juste.

✅ Le bon rĂ©flexe

SELECT
order_id,
user_id,
created_at,
montant,
statut -- ✅ seulement les colonnes utiles
FROM orders
WHERE montant >
AND created_at >= '2026-10-01'
AND created_at < '2026-11-01' -- ✅ borne de fin exclue : tout le 31 est inclus
AND (statut <> 'annulĂ©' OR statut IS NULL) -- ✅ on garde explicitement les statuts vides
ORDER BY created_at DESC; -- ✅ les plus rĂ©centes d'abord
 
-- RĂ©sultat : 2001 et 2002 sont bien prĂ©sentes ✅
a-quoi-sert-sql · 04

Cas business — E-commerce : les colis en retard à relancer

Le responsable logistique veut chaque matin la liste des commandes expédiées depuis plus de 5 jours et toujours pas livrées, avec les plus anciennes en premier.

SELECT
order_id,
user_id,
transporteur,
shipped_at,
DATE_DIFF(CURRENT_DATE, DATE(shipped_at), DAY) AS jours_depuis_expedition
FROM orders
WHERE statut = 'expédié'
AND shipped_at < CURRENT_DATE - INTERVAL DAY
ORDER BY shipped_at;
 
-- order_id | user_id | transporteur | shipped_at | jours_depuis_expedition
-- 88412 | U3391 | Colissimo | 2026-10-26 | 11
-- 88730 | U0128 | Chronopost | 2026-10-28 | 9
-- 89105 | U7714 | Colissimo | 2026-10-30 | 7
-- → 23 colis à relancer ce matin
a-quoi-sert-sql · 05

Sans SQL : un export de 40 000 lignes, des filtres Excel Ă  refaire chaque jour. Avec SQL : une requĂȘte enregistrĂ©e, relancĂ©e en une seconde, ou branchĂ©e sur une alerte automatique.

đŸ§Ș Apprends Ă  filtrer sans perdre de lignes

Sur Modai Lab, les premiers exercices sont construits autour de ces piÚges invisibles : dates, valeurs vides, filtres combinés. Tu vois immédiatement si ton résultat est complet.

👉 Pratiquer sur modai-lab.com

_Données réalistes · Correction instantanée · Explications pas à pas_


PARTIE 2 — Usage n°2 : rĂ©sumer des millions de lignes en quelques chiffres

Le mécanisme

Personne ne lit 2 millions de commandes. On veut des chiffres de synthÚse : un total, une moyenne, un nombre, par mois, par région, par produit.

C'est le rÎle des fonctions d'agrégation (COUNT, SUM, AVG, MIN, MAX) combinées avec GROUP BY :

  • GROUP BY region crĂ©e un "paquet" de lignes par rĂ©gion

  • SUM(montant) calcule la somme dans chaque paquet

  • RĂ©sultat : une ligne par rĂ©gion

Et pour filtrer sur un rĂ©sultat agrĂ©gĂ© ("seulement les rĂ©gions Ă  plus de 50 000 €"), on utilise HAVING, pas WHERE. WHERE filtre les lignes avant le regroupement, HAVING filtre les groupes aprĂšs.

❌ Ce que fait le dĂ©butant

-- Objectif : nombre de transactions et montant moyen par catégorie de dépense,
-- uniquement pour les catĂ©gories dĂ©passant 10 000 € au total
SELECT
categorie,
COUNT(*) AS nb_transactions,
AVG(montant) AS montant_moyen,
libelle -- ❌ ni agrĂ©gĂ©, ni dans le GROUP BY → erreur
FROM transactions
WHERE SUM(montant) > -- ❌ un agrĂ©gat ne peut pas ĂȘtre dans WHERE
GROUP BY categorie;
a-quoi-sert-sql · 06

✅ Le bon rĂ©flexe

SELECT
categorie,
COUNT(*) AS nb_transactions,
ROUND(SUM(montant), ) AS total,
ROUND(AVG(montant), ) AS montant_moyen
FROM transactions
WHERE created_at >= '2026-01-01' -- ✅ filtre sur les lignes : WHERE
GROUP BY categorie -- ✅ toute colonne non agrĂ©gĂ©e est dans le GROUP BY
HAVING SUM(montant) > -- ✅ filtre sur les groupes : HAVING
ORDER BY total DESC;
 
-- Avant (transactions, extrait) AprĂšs
-- categorie | montant categorie | nb | total | montant_moyen
-- Logiciels | 1 200 Logiciels | 64 | 48 300 | 754.69
-- Logiciels | 890 Déplacements| 212 | 31 800 | 150.00
-- Déplacements| 145 Formation | 18 | 12 600 | 700.00
-- ... (Fournitures : 4 200 € → exclue par HAVING)
a-quoi-sert-sql · 07

Une rÚgle simple : chaque colonne du SELECT est soit dans le GROUP BY, soit dans une fonction d'agrégation. Si tu retiens ça, tu évites la moitié des erreurs de débutant.

Cas business — Finance : suivi mensuel des dĂ©penses vs budget

Le DAF veut voir, chaque mois de 2026, les dépenses réelles de chaque service et l'écart avec le budget mensuel prévu.

SELECT
DATE_TRUNC(t.created_at, MONTH) AS mois,
t.service,
ROUND(SUM(t.montant), ) AS depense_reelle,
b.budget_mensuel,
ROUND(SUM(t.montant) - b.budget_mensuel, ) AS ecart,
ROUND(SUM(t.montant) * . / b.budget_mensuel, ) AS consommation_pct
FROM transactions t
JOIN budgets b ON b.service = t.service
WHERE t.created_at >= '2026-01-01'
GROUP BY mois, t.service, b.budget_mensuel
HAVING SUM(t.montant) > b.budget_mensuel -- uniquement les dépassements
ORDER BY mois, ecart DESC;
 
-- mois | service | depense_reelle | budget_mensuel | ecart | consommation_pct
-- 2026-03-01 | Marketing | 58 400 | 45 000 | 13 400 | 129.8
-- 2026-06-01 | IT | 41 200 | 35 000 | 6 200 | 117.7
-- 2026-09-01 | Marketing | 49 900 | 45 000 | 4 900 | 110.9
a-quoi-sert-sql · 08

Trois dĂ©passements sur l'annĂ©e, identifiĂ©s en une requĂȘte. C'est exactement le genre de tableau qu'un contrĂŽleur de gestion produit chaque mois, et que SQL permet d'automatiser.

đŸ§Ș VĂ©rifie que tu sais rĂ©sumer sans te tromper

WHERE ou HAVING ? COUNT(*) ou COUNT(colonne) ? Le test Modai Lab te dit en quelques minutes si les agrégations sont acquises.

👉 Faire le test sur modai-lab.com/test-sql/

_Agrégations · Score détaillé · Recommandations ciblées_


PARTIE 3 — Usage n°3 : croiser des informations stockĂ©es Ă  diffĂ©rents endroits

Le mécanisme

Dans une base de données, l'information est découpée en plusieurs tables pour éviter les doublons : les salariés d'un cÎté, les départements de l'autre, les absences dans une troisiÚme table. Chaque table est reliée aux autres par des clés (employe_id, departement_id
).

Pour répondre à une question qui mélange ces informations ("le nombre de jours d'absence par département"), il faut les joindre avec JOIN :

  • INNER JOIN : garde uniquement les lignes qui ont une correspondance des deux cĂŽtĂ©s

  • LEFT JOIN : garde toutes les lignes de la table de gauche, mĂȘme sans correspondance (les colonnes de droite sont alors vides)

C'est sans doute l'usage le plus puissant de SQL, et celui oĂč se cachent les erreurs les plus coĂ»teuses.

❌ Ce que fait le dĂ©butant

-- Objectif : nombre de jours d'absence par salarié, TOUS les salariés inclus
SELECT
e.employe_id,
e.nom,
SUM(a.nb_jours) AS jours_absence
FROM employes e
JOIN absences a ON a.employe_id = e.employe_id -- ❌ INNER JOIN : les salariĂ©s jamais absents disparaissent
GROUP BY e.employe_id, e.nom;
 
-- employes absences
-- employe_id | nom employe_id | nb_jours
-- E1 | Martin E1 | 3
-- E2 | Diallo E1 | 2
-- E3 | Nguyen E3 | 5
--
-- RĂ©sultat : Martin 5 · Nguyen 5 → Diallo a disparu ❌
-- La moyenne d'absence par salarié est surestimée : 5 au lieu de 3,3
a-quoi-sert-sql · 09

✅ Le bon rĂ©flexe

SELECT
e.employe_id,
e.nom,
COALESCE(SUM(a.nb_jours), ) AS jours_absence -- ✅ 0 au lieu de vide pour les non-absents
FROM employes e
LEFT JOIN absences a ON a.employe_id = e.employe_id -- ✅ tous les salariĂ©s sont conservĂ©s
GROUP BY e.employe_id, e.nom
ORDER BY jours_absence DESC;
 
-- employe_id | nom | jours_absence
-- E1 | Martin | 5
-- E3 | Nguyen | 5
-- E2 | Diallo | 0 ✅
a-quoi-sert-sql · 10

Avant chaque jointure, pose-toi une seule question : "est-ce que je veux garder les lignes qui n'ont pas de correspondance ?" Si oui : LEFT JOIN.

Cas business — RH : taux d'absentĂ©isme par dĂ©partement

La DRH veut le taux d'absentéisme de chaque département sur le T3 2026 (jours d'absence ÷ jours théoriques travaillés, environ 64 jours ouvrés sur le trimestre).

SELECT
d.nom_departement,
COUNT(DISTINCT e.employe_id) AS effectif,
COALESCE(SUM(a.nb_jours), ) AS jours_absence,
ROUND(COALESCE(SUM(a.nb_jours), ) * .
/ (COUNT(DISTINCT e.employe_id) * ), ) AS taux_absenteisme_pct
FROM departements d
JOIN employes e
ON e.departement_id = d.departement_id
AND e.statut = 'actif'
LEFT JOIN absences a
ON a.employe_id = e.employe_id
AND a.date_debut >= '2026-07-01'
AND a.date_debut < '2026-10-01' -- ✅ filtre de pĂ©riode dans le ON pour garder le LEFT JOIN
GROUP BY d.nom_departement
ORDER BY taux_absenteisme_pct DESC;
 
-- nom_departement | effectif | jours_absence | taux_absenteisme_pct
-- EntrepĂŽt | 84 | 430 | 8.00
-- Service client | 36 | 128 | 5.56
-- Commercial | 28 | 52 | 2.90
-- Tech | 41 | 61 | 2.33
a-quoi-sert-sql · 11

Trois tables, une requĂȘte, un indicateur que la DRH peut suivre chaque trimestre. L'entrepĂŽt ressort clairement : c'est le point de dĂ©part d'une discussion sur les conditions de travail.

đŸ§Ș EntraĂźne-toi Ă  croiser les tables

Les jointures sont le cƓur de SQL. Sur Modai Lab, tu les pratiques sur des bases Ă  plusieurs tables, comme en entreprise, avec un contrĂŽle de ton rĂ©sultat ligne par ligne.

👉 Pratiquer sur modai-lab.com

_Bases multi-tables · INNER vs LEFT · Feedback immédiat_


PARTIE 4 — Usage n°4 : construire les indicateurs qui pilotent l'entreprise

Le mécanisme

DerriĂšre chaque dashboard (Looker Studio, Power BI, Tableau, Metabase
), il y a des requĂȘtes SQL. Le chiffre d'affaires du mois, le nombre de clients actifs, le taux de churn : ce sont des indicateurs (KPI) calculĂ©s en SQL Ă  partir des donnĂ©es brutes.

Quand un calcul devient plus long, on le dĂ©coupe en Ă©tapes avec des CTE (WITH 
 AS) : chaque Ă©tape a un nom et calcule une seule chose. C'est plus lisible, plus facile Ă  vĂ©rifier, et c'est comme ça que travaillent les Ă©quipes data (notamment avec dbt).

❌ Ce que fait le dĂ©butant

-- Objectif : taux de churn mensuel d'un SaaS (abonnés perdus / abonnés en début de mois)
SELECT
COUNT(CASE WHEN statut = 'résilié' THEN END) * / COUNT(*) AS churn
FROM subscriptions;
 
-- ❌ aucune notion de mois : mĂ©lange 3 ans d'historique
-- ❌ "rĂ©siliĂ©" ne dit pas QUAND : un client parti en 2024 compte encore
-- ❌ division entiùre (100 / COUNT) : 4 * 100 / 1 000 = 0 sur certains moteurs
-- ❌ le dĂ©nominateur inclut des clients arrivĂ©s pendant le mois
a-quoi-sert-sql · 12

✅ Le bon rĂ©flexe

WITH actifs_debut_mois AS (
-- Étape 1 : abonnĂ©s actifs au 1er octobre
SELECT user_id
FROM subscriptions
WHERE started_at < '2026-10-01'
AND (ended_at IS NULL OR ended_at >= '2026-10-01')
),
 
perdus_dans_le_mois AS (
-- Étape 2 : parmi eux, ceux qui ont rĂ©siliĂ© en octobre
SELECT s.user_id
FROM subscriptions s
JOIN actifs_debut_mois a ON a.user_id = s.user_id
WHERE s.ended_at >= '2026-10-01'
AND s.ended_at < '2026-11-01'
)
 
-- Étape 3 : le KPI
SELECT
(SELECT COUNT(*) FROM actifs_debut_mois) AS abonnes_debut, -- 4 820
(SELECT COUNT(*) FROM perdus_dans_le_mois) AS abonnes_perdus, -- 183
ROUND((SELECT COUNT(*) FROM perdus_dans_le_mois) * .
/ (SELECT COUNT(*) FROM actifs_debut_mois), ) AS churn_pct; -- 3.80 ✅ * 100.0 force le dĂ©cimal
a-quoi-sert-sql · 13

Chaque Ă©tape se vĂ©rifie sĂ©parĂ©ment. Si le chiffre final paraĂźt bizarre, tu sais exactement oĂč regarder.

Cas business — SaaS : le tableau de bord mensuel du CEO

Le CEO d'un SaaS veut chaque mois quatre chiffres : MRR, nouveaux clients, clients perdus, et revenu moyen par client.

WITH mois_cible AS (
SELECT DATE '2026-10-01' AS debut, DATE '2026-11-01' AS fin
),
 
actifs_fin_mois AS (
SELECT s.user_id, s.mrr
FROM subscriptions s, mois_cible m
WHERE s.started_at < m.fin
AND (s.ended_at IS NULL OR s.ended_at >= m.fin)
),
 
nouveaux AS (
SELECT COUNT(DISTINCT s.user_id) AS nb
FROM subscriptions s, mois_cible m
WHERE s.started_at >= m.debut AND s.started_at < m.fin
),
 
perdus AS (
SELECT COUNT(DISTINCT s.user_id) AS nb
FROM subscriptions s, mois_cible m
WHERE s.ended_at >= m.debut AND s.ended_at < m.fin
)
 
SELECT
ROUND(SUM(a.mrr), ) AS mrr_total,
COUNT(*) AS clients_actifs,
(SELECT nb FROM nouveaux) AS nouveaux_clients,
(SELECT nb FROM perdus) AS clients_perdus,
ROUND(SUM(a.mrr) / NULLIF(COUNT(*), ), ) AS arpa -- revenu moyen par compte
FROM actifs_fin_mois a;
 
-- mrr_total | clients_actifs | nouveaux_clients | clients_perdus | arpa
-- 412 600 | 4 911 | 274 | 183 | 84.02
a-quoi-sert-sql · 14

Cette requĂȘte, branchĂ©e sur un outil de dashboard, alimente automatiquement le reporting du CEO chaque 1er du mois. Plus de copier-coller, plus d'erreur de manipulation.

đŸ§Ș Mesure ta capacitĂ© Ă  construire un KPI fiable

Calculer un indicateur, c'est facile. Calculer le bon indicateur, avec la bonne période et le bon dénominateur, c'est ce que le test Modai Lab vérifie.

👉 Faire le test sur modai-lab.com/test-sql/

_KPI métiers · Niveau situé · Plan de progression_


PARTIE 5 — Usage n°5 : alimenter, corriger et organiser les donnĂ©es

Le mécanisme

SQL ne sert pas qu'à lire des données. Il sert aussi à les modifier et à structurer la base. On distingue généralement :

Famille

Commandes

À quoi ça sert

Qui l'utilise

Interroger

SELECT

Lire et analyser

Tout le monde

Modifier les données

INSERT, UPDATE, DELETE

Ajouter, corriger, supprimer des lignes

Data engineers, développeurs, analystes (avec prudence)

Définir la structure

CREATE, ALTER, DROP

Créer ou modifier des tables et des vues

Data engineers, analytics engineers

Gérer les accÚs

GRANT, REVOKE

Donner ou retirer des droits

Admins de base de données

En tant qu'analyste, tu passeras 90 % de ton temps sur SELECT. Mais tu croiseras forcément les autres, et il faut savoir les manipuler sans casser la production.

❌ Ce que fait le dĂ©butant

-- Objectif : passer en 'remboursé' la commande 1003
UPDATE orders
SET statut = 'remboursĂ©'; -- ❌ pas de WHERE : TOUTES les commandes sont modifiĂ©es
 
-- Ou encore :
DELETE FROM users
WHERE created_at < '2020-01-01'; -- ❌ suppression dĂ©finitive, sans vĂ©rifier combien de lignes sont touchĂ©es
a-quoi-sert-sql · 15

Un UPDATE ou un DELETE sans WHERE est l'erreur la plus célÚbre (et la plus redoutée) du monde SQL.

✅ Le bon rĂ©flexe

-- 1. Toujours vĂ©rifier avec un SELECT qui utilise EXACTEMENT le mĂȘme WHERE
SELECT order_id, statut
FROM orders
WHERE order_id = ;
-- → 1 ligne : 1003 | annulĂ© ✅ c'est bien celle-lĂ 
 
-- 2. Puis modifier, dans une transaction quand le moteur le permet
BEGIN TRANSACTION;
 
UPDATE orders
SET statut = 'remboursé'
WHERE order_id = ; -- ✅ WHERE prĂ©cis, sur la clĂ©
 
-- 3. VĂ©rifier le nombre de lignes modifiĂ©es (doit ĂȘtre 1), puis valider
COMMIT; -- ou ROLLBACK; si quelque chose cloche
a-quoi-sert-sql · 16

Et pour un analyste, le réflexe encore plus sûr : ne pas modifier la donnée source, mais créer une vue qui présente la donnée corrigée.

CREATE OR REPLACE VIEW analytics.orders_propres AS
SELECT
order_id,
user_id,
created_at,
montant,
COALESCE(statut, 'en_attente') AS statut -- ✅ correction appliquĂ©e Ă  la lecture, la source reste intacte
FROM orders
WHERE montant > ; -- ✅ exclut les lignes de test à 0 €
a-quoi-sert-sql · 17

Cas business — E-commerce : prĂ©parer une table propre pour le reporting

L'Ă©quipe data veut une table quotidienne, propre et agrĂ©gĂ©e, sur laquelle tous les dashboards s'appuieront. Plus personne ne requĂȘte directement la table brute de 80 millions de lignes.

CREATE OR REPLACE TABLE analytics.ventes_quotidiennes AS
SELECT
DATE(o.created_at) AS jour,
o.region,
p.categorie,
COUNT(DISTINCT o.order_id) AS nb_commandes,
COUNT(DISTINCT o.user_id) AS nb_clients,
ROUND(SUM(o.montant), ) AS ca
FROM orders o
JOIN products p ON p.product_id = o.product_id
WHERE o.statut = 'livré'
AND o.montant >
GROUP BY jour, o.region, p.categorie;
 
-- jour | region | categorie | nb_commandes | nb_clients | ca
-- 2026-11-05 | IDF | Maison | 412 | 398 | 28 940.50
-- 2026-11-05 | IDF | Sport | 287 | 279 | 19 120.00
-- 2026-11-05 | Sud | Maison | 198 | 191 | 13 870.20
-- → environ 30 000 lignes au lieu de 80 millions : dashboards plus rapides, coĂ»ts rĂ©duits
a-quoi-sert-sql · 18

C'est exactement le mĂ©tier d'analytics engineer : transformer des donnĂ©es brutes en tables fiables, documentĂ©es et prĂȘtes Ă  l'emploi.

đŸ§Ș Pratique la prĂ©paration de donnĂ©es

Sur Modai Lab, tu apprends Ă  passer de la donnĂ©e brute Ă  une table propre, avec les mĂȘmes rĂ©flexes qu'en production : vĂ©rifier avant de modifier, et ne jamais casser la source.

👉 Pratiquer sur modai-lab.com

_Données brutes réalistes · Bonnes pratiques prod · Feedback senior_


SQL, Excel ou Python : quand utiliser quoi ?

Une question qui revient toujours quand on débute. Les trois outils ne sont pas concurrents, ils sont complémentaires.

Besoin

Excel

SQL

Python

Petit fichier ponctuel (< 100 000 lignes)

✅ IdĂ©al

Possible

Possible

Données stockées dans une base

❌ Export nĂ©cessaire

✅ IdĂ©al

Via SQL

Millions ou milliards de lignes

❌ Impossible

✅ IdĂ©al

⚠ Selon la machine

Calcul répétable et automatisable

⚠ Fragile

✅ IdĂ©al

✅ IdĂ©al

Statistiques avancées, machine learning

❌

⚠ LimitĂ©

✅ IdĂ©al

Graphiques et mise en forme rapide

✅ IdĂ©al

❌ (via outil BI)

✅

En pratique, dans une équipe data : SQL pour extraire et préparer, Python pour la modélisation avancée, un outil BI (ou Excel) pour présenter. SQL est la porte d'entrée : sans lui, tu ne peux pas accéder aux données.

Qui utilise SQL au quotidien ?

Métier

Usage principal de SQL

Data Analyst

Répondre aux questions métier, construire des KPI

BI / Analytics Engineer

Créer des tables propres et alimenter les dashboards

Data Engineer

Construire les pipelines, structurer les bases

Data Scientist

Extraire et préparer les données avant la modélisation

Product Manager

Analyser l'usage du produit, mesurer les A/B tests

Marketing / Growth

Mesurer les campagnes, l'acquisition, la rétention

ContrĂŽleur de gestion

Suivre les dépenses, le budget, la rentabilité

Développeur back-end

Lire et écrire les données de l'application


Les 6 erreurs classiques du débutant

❌ Ce que fait le dĂ©butant

Pourquoi c'est un problĂšme

✅ Le bon rĂ©flexe

SELECT * partout

Illisible, lent et coûteux sur les gros volumes

Lister uniquement les colonnes utiles

BETWEEN sur une date-heure

Rate la derniÚre journée

>= début AND < fin

statut != 'x'

Exclut aussi les valeurs vides (NULL)

Gérer explicitement IS NULL

Agrégat dans le WHERE

Erreur : l'agrégat n'existe pas encore

Utiliser HAVING

INNER JOIN par défaut

Fait disparaĂźtre les lignes sans correspondance

Se demander : LEFT JOIN ?

UPDATE / DELETE sans WHERE

Modifie ou supprime toute la table

SELECT de contrĂŽle d'abord, puis transaction


Prompt Claude pour auditer tes requĂȘtes

Copie-colle ce prompt dans Claude, puis ajoute ta requĂȘte et ce qu'elle est censĂ©e faire. IdĂ©al quand tu dĂ©butes : il explique autant qu'il corrige.

Tu es un formateur SQL bienveillant mais exigeant, qui a 10 ans d'expérience
en tant que data analyst en entreprise. Je débute en SQL. Je vais te donner une
requĂȘte que j'ai Ă©crite et la question Ă  laquelle elle doit rĂ©pondre.
 
1. EXPLIQUE-MOI MA REQUÊTE
- Traduis ma requĂȘte en français, ligne par ligne, comme si tu la lisais
Ă  voix haute.
- Indique dans quel ordre le moteur l'exécute réellement
(FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY).
 
2. VÉRIFIE QU'ELLE EST JUSTE
- Est-ce qu'elle répond vraiment à la question posée ?
- Est-ce qu'elle risque de perdre des lignes sans que je le voie
(NULL, filtre de dates, INNER JOIN au lieu de LEFT JOIN) ?
- Est-ce qu'elle risque de compter des lignes en double (jointure) ?
- Y a-t-il un agrégat dans le WHERE, ou une colonne absente du GROUP BY ?
- Y a-t-il une division qui pourrait ĂȘtre entiĂšre ou diviser par zĂ©ro ?
- Si c'est un UPDATE ou un DELETE : le WHERE est-il assez précis ?
Combien de lignes risquent d'ĂȘtre touchĂ©es ?
 
3. VÉRIFIE QU'ELLE EST PROPRE
- Y a-t-il un SELECT * Ă  remplacer ?
- Les noms de colonnes calculées (AS ...) sont-ils clairs ?
- La requĂȘte mĂ©riterait-elle d'ĂȘtre dĂ©coupĂ©e en CTE (WITH) ?
 
4. DONNE-MOI LA VERSION CORRIGÉE
- Réécris la requĂȘte avec des commentaires SQL (--) qui expliquent
chaque correction.
- Pour chaque erreur, montre-moi un petit exemple de 3-4 lignes de données
oĂč ma version donnait un rĂ©sultat faux.
 
5. FAIS-MOI PROGRESSER
- Donne-moi 1 exercice similaire, un peu plus difficile, pour vérifier
que j'ai compris. Ne me donne pas la solution tout de suite.
 
Utilise un vocabulaire simple. Si tu emploies un terme technique,
explique-le en une phrase.
 
Ce que ma requĂȘte doit faire :
[décris la question ici]
 
Les tables utilisées (colonnes principales) :
[colle ici le schéma si tu l'as]
 
Ma requĂȘte :
[colle ici ta requĂȘte]
a-quoi-sert-sql · 19

📋 RĂ©capitulatif : Ă  quoi sert SQL

Usage

Question type

Commandes clés

Exemple métier

Retrouver une information

"Quelles commandes sont en retard ?"

SELECT, WHERE, ORDER BY

Logistique e-commerce

Résumer des données

"Combien a-t-on dépensé par service ?"

GROUP BY, SUM, COUNT, AVG, HAVING

ContrĂŽle de gestion

Croiser des tables

"Quel est l'absentéisme par département ?"

INNER JOIN, LEFT JOIN

Ressources humaines

Construire des KPI

"Quel est notre churn ce mois-ci ?"

WITH (CTE), CASE WHEN

Pilotage SaaS

Préparer les données

"Comment fiabiliser nos dashboards ?"

CREATE VIEW, CREATE TABLE, UPDATE

Analytics engineering


✅ Checklist : as-tu compris à quoi sert SQL ?

  • ☐ Je sais expliquer ce qu'est une table, une ligne et une colonne

  • ☐ Je sais expliquer pourquoi SQL est dit "dĂ©claratif"

  • ☐ Je sais Ă©crire un SELECT avec uniquement les colonnes utiles

  • ☐ Je sais filtrer des lignes avec WHERE et trier avec ORDER BY

  • ☐ Je sais filtrer une pĂ©riode sans rater la derniĂšre journĂ©e

  • ☐ Je sais pourquoi statut != 'x' peut faire disparaĂźtre des lignes vides

  • ☐ Je sais rĂ©sumer des donnĂ©es avec GROUP BY et une fonction d'agrĂ©gation

  • ☐ Je sais quand utiliser WHERE et quand utiliser HAVING

  • ☐ Je sais que chaque colonne du SELECT est soit groupĂ©e, soit agrĂ©gĂ©e

  • ☐ Je sais croiser deux tables avec un JOIN

  • ☐ Je sais choisir entre INNER JOIN et LEFT JOIN

  • ☐ Je sais dĂ©couper un calcul en Ă©tapes avec WITH

  • ☐ Je sais construire un indicateur simple (CA, churn, taux) avec le bon dĂ©nominateur

  • ☐ Je ne lance jamais un UPDATE ou un DELETE sans WHERE vĂ©rifiĂ© par un SELECT

  • ☐ Je sais ce qu'est une vue et pourquoi elle protĂšge la donnĂ©e source

  • ☐ Je sais expliquer quand utiliser SQL plutĂŽt qu'Excel ou Python

  • ☐ Je connais au moins 3 mĂ©tiers qui utilisent SQL au quotidien


🚀 Passe de "je sais à quoi sert SQL" à "je sais m'en servir"

Comprendre Ă  quoi sert SQL, c'est la premiĂšre Ă©tape. La suivante, c'est de l'utiliser sur de vraies questions business, avec un feedback qui te montre quand ta requĂȘte tourne mais que ton chiffre est faux.

👉 modai-lab.com/test-sql/ — Exercices calibrĂ©s · Cas business rĂ©els · Feedback senior


_Guide offert suite au post LinkedIn · EntraĂźnez-vous sur modai-lab.com/test-sql/ · Partagez librement ♻_