Automatiser un rapport à partir de données tabulaires

Introduction

Dans cette leçon, nous allons apprendre à combiner trois étapes clés pour transformer un fichier de données brutes en un rapport automatique et prêt à l'emploi : la lecture, le traitement et l'export des données.

Le cycle d'automatisation d'un rapport

Tout script d'automatisation de rapport suit généralement le même schéma, quel que soit le contenu du fichier :

💡 À retenir : Ce schéma en 5 étapes (lire → nettoyer → calculer → générer → exporter) est un modèle universel que vous pouvez réutiliser pour n'importe quel projet d'automatisation de données.

Étape 1 : Lire les données

En Python, le module csv (ou la bibliothèque pandas pour aller plus loin) permet de lire facilement un fichier tabulaire.

1import csv
2
3# Lecture du fichier CSV contenant les ventes
4with open("ventes.csv", newline="", encoding="utf-8") as fichier:
5    lecteur = csv.DictReader(fichier)
6    ventes = list(lecteur)
7
8print(ventes[0])
9# Exemple de sortie : {'produit': 'Clavier', 'quantite': '3', 'prix_unitaire': '25'}

⚠️ Attention : Les valeurs lues depuis un CSV sont toujours des chaînes de caractères (texte), même si elles ressemblent à des nombres ! Il faut les convertir avec int() ou float() avant de faire des calculs.

Étape 2 : Traiter les données

Une fois les données chargées, on peut calculer des indicateurs utiles : total des ventes, produit le plus vendu, moyenne, etc.

1total_ventes = 0
2compteur_produits = {}
3
4for ligne in ventes:
5    quantite = int(ligne["quantite"])
6    prix = float(ligne["prix_unitaire"])
7    total_ventes += quantite * prix
8
9    # Compter les quantités vendues par produit
10    produit = ligne["produit"]
11    compteur_produits[produit] = compteur_produits.get(produit, 0) + quantite
12
13# Trouver le produit le plus vendu
14produit_star = max(compteur_produits, key=compteur_produits.get)
15
16print(f"Total des ventes : {total_ventes:.2f} €")
17print(f"Produit le plus vendu : {produit_star} ({compteur_produits[produit_star]} unités)")

Comparaison des approches possibles

🎯 En pratique : Pour débuter, le module csv suffit largement. Quand vos besoins grandissent (milliers de lignes, calculs statistiques avancés), passez à pandas.

Étape 3 : Exporter le rapport

Dernière étape : sauvegarder le résultat dans un nouveau fichier, lisible par toute l'équipe.

1with open("rapport_ventes.txt", "w", encoding="utf-8") as rapport:
2    rapport.write("=== RAPPORT HEBDOMADAIRE DES VENTES ===\n")
3    rapport.write(f"Total des ventes : {total_ventes:.2f} €\n")
4    rapport.write(f"Produit le plus vendu : {produit_star}\n")
5    rapport.write(f"Quantité vendue : {compteur_produits[produit_star]} unités\n")
6
7print("Rapport généré avec succès ✅")

Visualisons les ventes par produit

Testez le calcul vous-même

Le processus complet en une vue

Points clés à retenir

💡 À retenir : Automatiser un rapport revient toujours à enchaîner 3 blocs : lire, traiter, exporter. Une fois ce schéma maîtrisé, vous pouvez l'appliquer à n'importe quel type de données (ventes, notes, stocks, budgets...).

⚠️ Attention : Pensez toujours à gérer les erreurs possibles : fichier manquant, valeurs vides ou mal formatées. Un script robuste doit anticiper ces cas avec des blocs try/except.

🎯 En pratique : Une fois votre script fonctionnel, vous pouvez le planifier pour qu'il s'exécute automatiquement chaque semaine (via le Planificateur de tâches Windows ou cron sur Mac/Linux), sans intervention humaine !

Mini-quiz