Quand on travaille avec Power BI, on se concentre souvent sur les rapports et les visuels. En revanche, le modèle de données reste généralement en arrière-plan. Il fonctionne, mais on le manipule peu autrement qu’à travers l’interface graphique. Or, le modèle PBIX binaire montre vite ses limites dès que les projets gagnent en complexité ou en maturité.
Dans ce contexte, Microsoft a introduit la vue TMDL (Tabular Model Definition Language). Concrètement, elle propose une nouvelle manière de représenter et de modifier le modèle tabulaire de Power BI, sous forme de code. Ainsi, cette évolution ne change rien pour l’utilisateur final. En revanche, elle transforme en profondeur la façon de comprendre, maintenir et faire évoluer un modèle.
Travailler sur le modèle comme sur du code
La vue TMDL permet de créer, modifier et appliquer des scripts directement sur les métadonnées du modèle sémantique. Autrement dit, tout se fait dans un éditeur de code intégré à Power BI Desktop. Contrairement à la vue Modèle, basée sur une interface graphique, cette approche offre une vision explicite de tous les objets : tables, colonnes, mesures, relations ou rôles.
De plus, l’éditeur intègre des fonctionnalités proches de celles d’un IDE moderne. On y retrouve la mise en surbrillance, l’autocomplétion, la recherche et le remplacement, ainsi que des diagnostics d’erreurs. L’objectif, ici, n’est pas de remplacer l’interface graphique. Il s’agit plutôt de proposer un outil complémentaire, mieux adapté à certains usages avancés.
Pour plus d’informations : https://learn.microsoft.com/en-us/power-bi/transform-model/desktop-tmdl-view
Un cas concret : standardiser un modèle à grande échelle
Prenons un cas très courant.
Une équipe utilise Power BI pour plusieurs rapports métier. Dans les faits, tous reposent sur un modèle proche, avec des tables de faits, des dimensions et des mesures partagées. Avec le temps, les règles de nommage évoluent. Par ailleurs, plusieurs personnes interviennent sur le même modèle.
Sans TMDL, chaque modification passe par l’interface graphique. Résultat : renommer des dizaines de tables ou de colonnes devient long et fastidieux. De plus, le risque d’erreur augmente. Enfin, il devient difficile d’identifier précisément ce qui a changé entre deux versions.
Avec la vue TMDL, l’équipe peut scripter l’ensemble du modèle. Ensuite, elle applique des opérations de recherche et de remplacement pour imposer des règles de nommage cohérentes. Avant validation, Power BI affiche un aperçu clair des changements. Ainsi, les scripts servent à la fois d’outil de modification et de sauvegarde.
Au final, une tâche qui prenait plusieurs heures se réalise en quelques minutes. Par conséquent, le modèle gagne en cohérence et devient plus simple à maintenir.
Aller au-delà de la simple édition
La vue TMDL ne se limite pas à la modification du modèle. Elle facilite aussi d’autres scénarios :
-
Réutiliser des tables ou des groupes de mesures entre plusieurs modèles
-
Modifier des propriétés non accessibles via l’interface graphique
-
Ajuster une expression Power Query sans déclencher d’actualisation
-
Sauvegarder l’état d’un modèle avant des changements importants
Ces usages prennent tout leur sens dans des projets collaboratifs ou industrialisés.
TMDL et les enjeux actuels autour de l’IA
Aujourd’hui, l’essor de l’IA générative et de l’automatisation change les pratiques data. Dans ce contexte, TMDL devient particulièrement pertinent. En effet, en rendant le modèle Power BI lisible et manipulable sous forme de code, il facilite la génération automatique de scripts et la standardisation.
Par conséquent, le modèle ne se limite plus à un simple support de reporting. Il devient un actif programmable. Ainsi, on peut l’intégrer dans des chaînes d’automatisation, des processus de contrôle qualité ou des assistants basés sur l’IA.
Points d’attention
La vue TMDL offre un contrôle très fin sur le modèle. Cependant, cette puissance implique plus de rigueur. Une modification incorrecte peut entraîner des effets inattendus. Par ailleurs, certaines fonctionnalités restent encore en évolution. Pour cette raison, son usage s’adresse avant tout à des projets structurés.
Conclusion
La vue TMDL ne transforme pas Power BI de manière visible. Pourtant, elle en modifie profondément les fondations. En traitant le modèle comme du code, elle apporte plus de lisibilité, de contrôle et de reproductibilité. De plus, elle s’inscrit pleinement dans un contexte où l’automatisation et l’IA prennent une place croissante dans les projets data.
En définitive, il s’agit d’une évolution discrète, mais clairement structurante pour l’avenir des modèles Power BI.
