Power BI pour la maintenance : le tableau de bord des pannes en 20 minutes

Ce tutoriel de notre rubrique Données et logiciels construit, dans Power BI Desktop, le tableau de bord des pannes d’un atelier à partir de son registre de maintenance. En une page : le nombre de pannes, les heures d’arrêt, le MTTR et le MTBF de chaque machine, le Pareto des causes et l’évolution mois par mois.

Il s’adresse au technicien ou au responsable de maintenance qui tient son registre dans un tableur, et à l’étudiant qui doit construire son premier tableau de bord Power BI, son premier dashboard. Aucune formation Power BI n’est nécessaire. Comptez une vingtaine de minutes une fois le logiciel installé.

L’atelier suivi d’un bout à l’autre est fictif : 17 équipements, 197 interventions du 1er octobre 2025 au 30 septembre 2026. Ses données sont dans le fichier offert, prêtes à être remplacées par les vôtres.

Ce que vous allez construire

Une page de rapport avec cinq éléments : quatre chiffres clés, les pannes par machine, un tableau des indicateurs par machine, le Pareto des causes et l’évolution mensuelle. Deux segments, la zone et la criticité, filtrent le tout.

Voici ce que la page affiche sur l’atelier de l’exemple, une fois terminée.

Indicateur	Atelier entier	Convoyeur à rouleaux	Chariot élévateur
Pannes sur l’année	143	28	7
Heures d’arrêt	281 h	52 h	70,5 h
MTTR, durée moyenne de réparation	1,47 h	1,71 h	2,86 h
MTBF, temps moyen entre pannes	219 h	64 h	256 h

Résultats calculés sur les données fictives du fichier offert.

Le convoyeur est la machine qui tombe le plus souvent en panne : 28 fois, soit une panne toutes les 64 heures de fonctionnement. Mais c’est le chariot élévateur qui coûte le plus d’arrêt, avec 70,5 heures sur l’année pour 7 pannes seulement. Un tableau de bord sert à voir ce genre d’écart d’un coup d’œil.

Ce qu’il vous faut

Power BI Desktop. Power BI est la plateforme d’analyse de données de Microsoft. Elle a deux parties : Power BI Desktop, l’application gratuite qui sert à construire les rapports, et le service Power BI, en ligne, qui sert à les partager. D’après sa page de Microsoft Learn, mise à jour le 9 octobre 2026 et lue le 3 novembre 2026, elle demande Windows 10 ou Windows Server 2016 et ultérieur, 2 Go de mémoire disponible (4 Go recommandés) et un écran d’au moins 1440 × 900. Installez-la depuis le Microsoft Store : elle se met alors à jour toute seule, sans droits d’administrateur. Microsoft publie une version par mois et ne prend en charge que la dernière.

Sur Mac, Power BI Desktop n’existe pas. Microsoft le décrit comme une « application Windows » et sa configuration requise ne cite que Windows. Il vous faut donc un Windows. Microsoft prend en charge Power BI Desktop sur Windows 365, un PC Windows dans le cloud accessible depuis un Mac, mais payant et réservé aux entreprises, ainsi que sur Azure Virtual Desktop, son service de bureaux Windows virtuels. Le service Power BI, lui, s’ouvre dans Safari : il sert à consulter et partager les rapports, pas à suivre ce tutoriel.

Power BI gratuit, jusqu’où ? Construire le rapport sur votre poste ne coûte rien. Le compte gratuit ne permet pas de partager : la page des tarifs de Microsoft renvoie vers Power BI Pro, à 12,10 € HT par utilisateur et par mois, ou Premium par utilisateur, à 20,80 € HT, en paiement annuel (relevé du 03/11/2026, TVA non comprise).

Le registre. Le fichier offert contient deux onglets de données. Parc décrit les 17 équipements : code, nom, zone, criticité. Interventions contient une ligne par intervention : date, mois, code de l’équipement, type (corrective, préventive ou réglementaire), cause de la panne, durée et heures d’arrêt. C’est le registre de l’atelier de notre page GMAO : définition, fonctions et quand s’équiper, celui que tient une GMAO ou, à défaut, son tableur.

Étape 1 : importer le registre

1. Ouvrez Power BI Desktop. Sur l’accueil, choisissez Classeur Excel, puis le fichier.
2. Dans le Navigateur, cochez Parc et Interventions. Laissez Mode d’emploi décoché.
3. Cliquez sur Transformer les données, et non sur Charger : on vérifie d’abord les types.

Si vous partez de votre propre registre, gardez une ligne par intervention et une colonne par information, sans ligne de titre ni cellule fusionnée. Power BI lit des tableaux, pas des mises en page.

Étape 2 : vérifier les types dans Power Query

Power Query est le moteur de préparation des données de Power BI. On le retrouve dans Excel, pour Windows comme pour Mac. Chaque étape s’enregistre et se rejoue à la prochaine actualisation.

Pour un fichier Excel ou CSV, Power Query devine le type de chaque colonne en lisant ses 200 premières lignes. L’icône à gauche de l’en-tête montre ce qu’il a choisi. Vérifiez-la colonne par colonne :

Colonne	Type attendu	Pourquoi
Date, Mois	Date	une Date/Heure garde une heure, 00:00, inutile ici
Durée (h), Arrêt (h)	Nombre décimal	un nombre entier n’a pas de décimales : 0,25 h ne serait plus 0,25 h
Coût externe (€)	Nombre décimal	des montants avec centimes
Quantité	Nombre entier	on ne sort pas un quart de roulement
Code, Type, Cause et les autres	Texte	des libellés, pas des nombres

Pour corriger un type, cliquez sur l’icône de l’en-tête et choisissez le bon. Puis, dans l’onglet Accueil, cliquez sur Fermer et appliquer.

Étape 3 : relier le parc et les interventions

Les deux tables ont une colonne Code. Au chargement, Power BI cherche les colonnes de même nom et crée la relation tout seul quand il est sûr de lui.

Ouvrez la vue Modèle, à gauche. Un trait doit relier Parc[Code], côté « 1 », à Interventions[Code], côté « plusieurs ». S’il manque, faites glisser Code de Parc sur Code d’Interventions.

Le filtre circule à sens unique, de Parc vers Interventions. Retenez-le : c’est pour cela que les axes et les segments sur les machines doivent toujours venir de la table Parc.

Étape 4 : créer les mesures DAX

DAX est le langage de formules de Power BI. Une mesure est une formule qui se recalcule selon ce que filtre chaque visuel : la même mesure Pannes donne 143 pour l’atelier et 28 pour le convoyeur.

Dans l’onglet Accueil, cliquez sur Nouvelle mesure et collez la première formule dans la barre de formule. Recommencez pour chacune. Elles sont aussi dans le fichier offert, onglet Mode d’emploi.

Le nombre de pannes. Une panne est une intervention corrective. CALCULATE compte les lignes en ne gardant que ce type.

Pannes =
CALCULATE (
    COUNTROWS ( Interventions ),
    Interventions[Type] = "Corrective"
)

Les heures d’arrêt. La somme de la colonne Arrêt (h), puis la même somme limitée aux pannes.

Heures d'arrêt =
SUM ( Interventions[Arrêt (h)] )

Heures d'arrêt des pannes =
CALCULATE ( [Heures d'arrêt], Interventions[Type] = "Corrective" )

Sur l’exemple : 281 heures d’arrêt, dont 268,5 dues aux pannes. Le reste vient des entretiens et des vérifications.

Le MTTR, mean time to repair, est la durée moyenne de réparation : la moyenne de la colonne Durée (h) sur les seules pannes.

MTTR (h) =
CALCULATE (
    AVERAGE ( Interventions[Durée (h)] ),
    Interventions[Type] = "Corrective"
)

Sur l’exemple : 1,47 heure pour l’atelier, 2,86 heures pour le chariot élévateur.

Le MTBF, mean time between failures, est le temps moyen entre deux pannes. La formule courante : la durée de fonctionnement, moins les heures de panne, divisée par le nombre de pannes. Il faut donc les heures d’ouverture. L’atelier de l’exemple ouvre 232 jours de 8 heures, soit 1 856 heures par équipement. Remplacez ce nombre par le vôtre.

Heures d'ouverture = 1856

MTBF (h) =
DIVIDE (
    [Heures d'ouverture] * COUNTROWS ( Parc ) - [Heures d'arrêt des pannes],
    [Pannes]
)

Pour une machine, COUNTROWS ( Parc ) vaut 1. Le chariot élévateur donne donc (1 856 − 62,5) ÷ 7 = 256 heures. Pour l’atelier entier, il vaut 17 : on additionne les 31 552 heures d’ouverture des 17 équipements, on retire 268,5 heures de panne et on divise par 143, soit 219 heures. DIVIDE renvoie une case vide au lieu d’une erreur pour les trois équipements sans panne.

Notre page GMAO donne 265 heures pour le même chariot : c’est le calcul rapide, 1 856 heures divisées par 7 pannes, sans retirer les heures de panne. L’écart reste faible tant que les arrêts pèsent peu face aux heures d’ouverture. Choisissez une formule et gardez-la d’un mois sur l’autre.

Étape 5 : construire les visuels

Les quatre chiffres clés. Dans le volet Visualisations, choisissez le visuel Carte, puis glissez dans Valeur les mesures Pannes, Heures d’arrêt, MTTR (h) et MTBF (h). Le visuel affiche une carte par mesure : 143, 281, 1,47 et 219 sur l’exemple. Réglez une décimale ou deux selon la mesure.

Les pannes par machine. Prenez un graphique à barres, plus lisible qu’un histogramme quand les noms sont longs. Mettez Parc[Équipement] sur l’axe et Pannes en valeur. Le convoyeur arrive en tête avec 28 pannes, devant le poste à souder MIG n° 3 et les accessoires de levage, à 14 chacun.

Le tableau par machine. Un visuel Table avec Équipement, Pannes, Heures d’arrêt, MTTR (h) et MTBF (h). Triez-le par Heures d’arrêt en cliquant sur l’en-tête.

Équipement	Pannes	Heures d’arrêt	MTTR	MTBF
Chariot élévateur électrique 2,5 t	7	70,5 h	2,86 h	256 h
Convoyeur à rouleaux motorisé	28	52 h	1,71 h	64 h
Presse plieuse hydraulique 100 t	10	34 h	2,15 h	183 h
Scie à ruban	11	22 h	1,09 h	167 h
Cisaille guillotine	10	20 h	1,90 h	184 h
Compresseur à vis 15 kW	12	19 h	2,04 h	153 h

Les six premiers équipements en heures d’arrêt, sur l’exemple fictif. Le tableau complet est dans le fichier offert.

Le Pareto des causes. C’est le principe de Pareto : une minorité de causes fait souvent la majorité des pannes. Le graphique classe les causes de la plus fréquente à la plus rare, avec une courbe du pourcentage cumulé. Il faut une mesure de plus :

% cumulé des pannes =
VAR PannesCause = [Pannes]
VAR TotalPannes =
    CALCULATE ( [Pannes], ALL ( Interventions[Cause] ) )
VAR Cumul =
    SUMX (
        FILTER ( ALL ( Interventions[Cause] ), [Pannes] >= PannesCause ),
        [Pannes]
    )
RETURN
    IF ( PannesCause > 0, DIVIDE ( Cumul, TotalPannes ) )

Pour chaque cause, la formule additionne les pannes de toutes les causes au moins aussi fréquentes, puis divise par le total. ALL retire le filtre de la cause en cours sans toucher aux autres : le Pareto suit donc les segments. Le IF masque la ligne vide des interventions sans cause, les préventives et les réglementaires. Donnez à la mesure le format Pourcentage.

Choisissez le visuel Graphique en courbes et histogramme groupé. Mettez Interventions[Cause] sur l’axe X, Pannes sur l’axe Y de colonne et % cumulé des pannes sur l’axe Y de ligne. Par les points de suspension du visuel, triez l’axe sur Pannes, en ordre décroissant.

Sur l’exemple, les roulements font 60 pannes sur 143, soit 42 %. Avec les torches de soudage (30), on passe à 63 %. Quatre causes sur dix, en ajoutant les élingues textiles (14) et les flexibles hydrauliques (11), font 80 % des pannes.

L’évolution mensuelle. Reprenez un graphique en courbes et histogramme groupé. Axe X : Interventions[Mois]. Axe Y de colonne : Pannes. Axe Y de ligne : Heures d’arrêt. Dans la zone de l’axe X, ouvrez le menu du champ Mois et choisissez Mois plutôt que Hiérarchie de dates : Power BI affiche alors les douze mois dans l’ordre, d’octobre 2025 à septembre 2026.

Sur l’exemple, avril 2026 compte le plus de pannes (18), août 2026 le moins (5). Les heures d’arrêt, elles, culminent en novembre 2025 (50 h) et en février 2026 (44,5 h) : les deux mois où le chariot élévateur est tombé deux fois en panne, pour 24,5 heures d’arrêt à chaque fois.

Étape 6 : ajouter les filtres

Un segment est un filtre posé sur la page, que le lecteur manipule sans ouvrir le volet Filtres. Ajoutez deux visuels Segment : un sur Parc[Zone], un sur Parc[Criticité].

Cochez la criticité A : six équipements sur dix-sept, mais 46 pannes et 151,5 heures d’arrêt, soit 54 % des heures d’arrêt de l’année. C’est par eux qu’il faut commencer.

Ne mettez pas de segment de dates sans précaution : la mesure Heures d’ouverture vaut toute l’année. Filtrée sur un trimestre, le MTBF serait faux, car les pannes seraient celles du trimestre et les heures celles de l’année.

Enregistrez le fichier .pbix. Quand le registre change, remplacez les lignes dans Excel, puis cliquez sur Actualiser dans l’onglet Accueil : tout se recalcule.

Ce qui casse le plus souvent

« La syntaxe de cette expression est incorrecte ». Deux causes fréquentes, selon Microsoft. Avec des paramètres régionaux français, Power BI peut attendre des points-virgules entre les arguments au lieu des virgules. Et un copier-coller peut changer les guillemets droits en guillemets courbes : retapez-les.

Le même chiffre sur chaque barre. Chaque machine affiche 143 pannes : la relation entre Parc et Interventions manque. Reprenez l’étape 3.

Un MTBF environ 17 fois trop grand. Vous avez mis Interventions[Code] sur l’axe au lieu de Parc[Équipement]. Le filtre ne remonte pas vers Parc, COUNTROWS ( Parc ) reste à 17 et les heures d’ouverture sont multipliées d’autant.

Des durées arrondies. Si les 200 premières lignes de votre registre ne contiennent que des heures rondes, Power Query peut choisir Nombre entier, et les décimales des lignes suivantes sont perdues. Forcez Nombre décimal à l’étape 2.

Des dates lues à l’envers. Un export CSV au format jour/mois/année lu avec d’autres paramètres régionaux donne des erreurs ou des dates fausses. Clic droit sur l’en-tête, Modifier le type, puis Utiliser les paramètres régionaux, et choisissez Français (France).

Les mois en désordre. Sur l’axe, Power BI a pris la hiérarchie de dates au lieu du champ Mois : selon le niveau affiché, il range les mois de janvier à décembre ou les regroupe par année. Choisissez le champ Mois lui-même, comme à l’étape 5.

Un MTBF qui change avec un filtre de dates. Voir l’étape 6 : les heures d’ouverture ne suivent pas le filtre.

Ce que le tableau ne dit pas

Pourquoi ça casse. Le tableau montre où et combien, pas pourquoi. Il montre que 28 des 60 pannes de roulement de l’année touchent le convoyeur. Le registre ajoute un indice : son graissage mensuel n’a été fait que 9 mois sur 12. Le lien reste à établir sur le terrain, avec le technicien.

Ce que coûte chaque cause. Compter n’est pas peser. Refaites le Pareto avec Heures d’arrêt des pannes à la place de Pannes, dans le visuel et dans la mesure : l’ordre change. Les roulements restent en tête (111,5 h, soit 41,5 % des 268,5 heures d’arrêt dues aux pannes), mais le chariot immobilisé passe deuxième avec 58 heures pour 5 pannes. Les élingues textiles, troisièmes en nombre avec 14 pannes, tombent dernières : elles sont changées au contrôle avant usage, sans arrêter la production.

La durée réelle de l’arrêt. Le MTTR mesure ici le temps passé à réparer. Selon la définition retenue, il compte seulement la réparation, ou tout le temps entre la panne et la remise en service, diagnostic et attente des pièces compris. Pour le chariot élévateur, l’écart est net : 2,86 heures de réparation, mais 8,93 heures d’arrêt par panne. Cinq de ses sept pannes sont réparées par le concessionnaire, qu’il faut attendre. Affichez les deux, avec une mesure de plus :

Arrêt par panne (h) =
DIVIDE ( [Heures d'arrêt des pannes], [Pannes] )

La solidité d’une moyenne. Le MTBF de l’aspiration des fumées, 927 heures, repose sur 2 pannes : une de plus le ferait chuter d’un tiers. Et pour l’installation électrique ou les accessoires de levage, des « heures d’ouverture » sont une convention, pas un temps de marche mesuré.

Les coûts. Le fichier ne contient que les factures externes, pas le prix des pièces sorties du magasin ni le temps des techniciens. Un tableau de bord des coûts demande ces données en plus.

Pourquoi pas un tableau croisé dynamique ?

Un tableau croisé dynamique Excel sait compter les pannes par machine en quelques clics : c’est un outil interactif qui synthétise rapidement de grandes quantités de données. Pour un indicateur ponctuel, ou un tableau de bord Excel tenu par une seule personne, il suffit.

Power BI prend l’avantage quand les indicateurs se répètent. Les mesures s’écrivent une fois et servent dans tous les visuels, les segments filtrent toute la page, et un clic sur Actualiser remet tout à jour après chaque mois de registre.

Si votre registre sort d’une GMAO, l’export demande souvent un nettoyage avant d’arriver jusqu’ici : colonnes en trop, dates en texte, durées en minutes. C’est l’objet de notre guide pour nettoyer un export de GMAO avec Power Query.

Le fichier offert

Le fichier contient le parc et les 197 interventions de l’atelier fictif, en colonnes propres : vraies dates Excel, durées en heures décimales, cause de chaque panne. L’onglet Mode d’emploi dit comment l’ouvrir dans Power BI Desktop, décrit chaque colonne, donne les mesures DAX à recopier et les résultats à retrouver, machine par machine.

Télécharger le fichier (Excel, 27 Ko, sans inscription). Pour l’utiliser avec votre atelier, gardez les noms des onglets et des colonnes, remplacez les lignes et changez les heures d’ouverture.