Remplissez ce court formulaire pour candidater à la formation de votre choix. Notre équipe pédagogique vous contactera rapidement pour échanger sur votre parcours et vous accompagner dans la suite de votre inscription.
Soyons honnêtes : tout le monde croit savoir utiliser Excel, et presque personne ne le maîtrise vraiment. Pourtant, c'est encore en 2026 le premier outil qu'un Data Analyst ouvre chaque matin. Avant Python, avant SQL, avant Power BI, il y a Excel. Et 10 fonctions bien maîtrisées couvrent la quasi-totalité du travail d'analyse au quotidien.
La bonne nouvelle : pas besoin de connaître les 500 fonctions du logiciel. Les recruteurs et les missions réelles tournent autour d'un noyau dur de fonctions. Maîtrisez RECHERCHEX, SOMME.SI.ENS, INDEX/EQUIV et les tableaux croisés dynamiques, et vous traitez déjà 90% des cas concrets en entreprise.
En tant que formateur Data et responsable du parcours Data Analyst chez DataSuits, organisme de formation Qualiopi certifié par l'Université Paris 1 Panthéon-Sorbonne, j'enseigne Excel à des débutants chaque année. Voici les 10 fonctions que je leur fais maîtriser en priorité, avec la formule copiable, l'explication et un cas d'usage data réel pour chacune.
Les 10 fonctions Excel essentielles pour un Data Analyst en 2026 sont : RECHERCHEV, RECHERCHEX, SI, SOMME.SI.ENS, NB.SI.ENS, INDEX + EQUIV, les fonctions texte (GAUCHE, DROITE, STXT), SOMMEPROD, les tableaux croisés dynamiques et Power Query. Maîtriser ces 10 blocs permet de nettoyer, croiser et analyser n'importe quel jeu de données, et constitue le socle technique indispensable avant Python et SQL.
On annonce la mort d'Excel depuis dix ans. Pourtant, en 2026, il reste l'outil le plus utilisé au monde pour manipuler de la donnée, avec plus de 750 millions d'utilisateurs. La raison est simple : c'est rapide, universel, et tout le monde dans l'entreprise sait l'ouvrir. Un Data Analyst qui ne maîtrise pas Excel à fond part avec un handicap majeur.
Excel est aussi la porte d'entrée idéale vers la data. Les concepts qu'on y apprend (filtres, agrégations conditionnelles, croisements de tables, nettoyage de données) sont exactement les mêmes qu'on retrouve ensuite dans SQL, Python et Power BI. Maîtriser Excel, c'est poser des fondations qui servent toute la carrière.
Enfin, Excel a beaucoup évolué. Avec l'arrivée de RECHERCHEX, des fonctions matricielles dynamiques et surtout de Power Query, le logiciel est devenu un vrai outil d'analyse de données moderne. C'est pour ça qu'on commence toujours par Excel dans notre formation Data Analyst & IA, avant d'enchaîner sur SQL et Python.
La fonction la plus célèbre d'Excel. RECHERCHEV permet d'aller chercher une information dans un autre tableau à partir d'une valeur commune. Le réflexe quotidien : associer un nom à un identifiant, un prix à un produit, un client à une commande.
// Retrouver le prix d'un produit par son code =RECHERCHEV(A2; Produits!A:C; 3; FAUX) // A2 = valeur cherchée (le code produit) // Produits!A:C = plage où chercher // 3 = n° de colonne à renvoyer (le prix) // FAUX = correspondance exacte (obligatoire)
Ce que ça fait : cherche la valeur de A2 dans la première colonne de la plage Produits, et renvoie la valeur de la 3e colonne sur la même ligne.
Cas d'usage réel : enrichir un fichier de ventes en ajoutant le nom et le prix de chaque produit à partir de son code.
RECHERCHEX (XLOOKUP) est la fonction qui remplace RECHERCHEV depuis sa sortie. Elle corrige tous ses défauts : elle cherche dans n'importe quelle direction, ne casse pas si on insère une colonne, et gère nativement les valeurs absentes. En 2026, c'est elle qu'il faut maîtriser en priorité.
// Même résultat que RECHERCHEV, en plus robuste =RECHERCHEX(A2; Produits!A:A; Produits!C:C) // Avec gestion des valeurs introuvables =RECHERCHEX(A2; Produits!A:A; Produits!C:C; "Non trouvé") // A2 = valeur cherchée // Produits!A:A = colonne où chercher // Produits!C:C = colonne à renvoyer
Ce que ça fait : cherche A2 dans la colonne A et renvoie la valeur correspondante de la colonne C. Pas besoin de compter les colonnes, pas de casse si on réorganise le tableau.
Cas d'usage réel : tous les croisements de tables modernes. C'est la fonction par défaut des Data Analysts en 2026.
La fonction SI applique une logique "si... alors... sinon...". Elle permet de catégoriser, segmenter et créer des indicateurs. C'est la base du raisonnement analytique dans Excel.
// Classer une vente selon son montant =SI(B2 > 1000; "Grand compte"; "Standard") // SI imbriqués pour 3 tranches =SI(B2 < 100; "Petit"; SI(B2 < 500; "Moyen"; "Grand"))
Ce que ça fait : teste une condition et renvoie une valeur si elle est vraie, une autre si elle est fausse. On peut imbriquer plusieurs SI pour gérer plusieurs cas.
Cas d'usage réel : créer une colonne de segmentation client, attribuer des catégories, signaler des anomalies (ex : "à vérifier" si une valeur dépasse un seuil).
SOMME.SI.ENS est sans doute la fonction la plus puissante pour l'analyse de données dans Excel. Elle additionne des valeurs uniquement si elles respectent une ou plusieurs conditions. C'est l'équivalent d'un GROUP BY SQL, directement dans une cellule.
// CA total des ventes de Paris en 2026 =SOMME.SI.ENS(Ventes!C:C; Ventes!A:A; "Paris"; Ventes!B:B; "2026") // C:C = colonne à additionner (le montant) // A:A = "Paris" : 1re condition (ville) // B:B = "2026" : 2e condition (année)
Ce que ça fait : additionne les montants de la colonne C, mais uniquement pour les lignes où la ville est Paris ET l'année 2026. On peut empiler jusqu'à 127 conditions.
Cas d'usage réel : calculer un chiffre d'affaires par région, par période, par commercial, par catégorie de produit, sans créer de tableau croisé.
NB.SI.ENS est le pendant de SOMME.SI.ENS pour le comptage. Au lieu d'additionner des montants, elle compte le nombre de lignes qui respectent des conditions. Indispensable pour les analyses de fréquence et de volume.
// Nombre de commandes Paris au-dessus de 500€ =NB.SI.ENS(Ventes!A:A; "Paris"; Ventes!C:C; ">500") // Compter les clients actifs ce mois =NB.SI.ENS(Statut!A:A; "Actif")
Ce que ça fait : compte le nombre de lignes respectant toutes les conditions. Notez l'écriture des conditions numériques entre guillemets : ">500".
Cas d'usage réel : compter le nombre de clients par segment, le nombre de commandes par statut, le taux de complétion d'un fichier.
La combinaison INDEX + EQUIV (INDEX/MATCH) est la signature des utilisateurs avancés. Avant RECHERCHEX, c'était la seule façon de faire des recherches flexibles. Elle reste très présente dans les fichiers d'entreprise, et savoir la lire est indispensable.
// Recherche flexible dans tous les sens =INDEX(Produits!C:C; EQUIV(A2; Produits!A:A; 0)) // EQUIV trouve la POSITION de A2 dans A:A // INDEX renvoie la valeur de C à cette position // 0 = correspondance exacte
Ce que ça fait : EQUIV repère sur quelle ligne se trouve la valeur cherchée, puis INDEX va lire la valeur dans la colonne cible à cette ligne. Combinaison ultra-flexible.
Cas d'usage réel : recherches complexes dans de gros fichiers historiques, croisements à double entrée (ligne ET colonne).
80% du travail d'un Data Analyst, c'est nettoyer des données sales. Les fonctions texte (GAUCHE, DROITE, STXT, SUPPRESPACE, CONCAT) sont vos meilleures alliées pour standardiser, extraire et recomposer des informations.
// Extraire les 5 premiers caractères (code postal) =GAUCHE(A2; 5) // Extraire 3 caractères à partir du 4e =STXT(A2; 4; 3) // Nettoyer les espaces superflus =SUPPRESPACE(A2) // Recomposer nom complet =CONCAT(B2; " "; C2)
Ce que ça fait : GAUCHE/DROITE extraient des caractères depuis les bords, STXT depuis le milieu, SUPPRESPACE retire les espaces parasites, CONCAT assemble plusieurs textes.
Cas d'usage réel : extraire un département depuis un code postal, séparer un nom complet, standardiser des références produit incohérentes.
SOMMEPROD est la fonction secrète des analystes chevronnés. Elle multiplie des plages entre elles puis additionne le résultat, et permet des calculs conditionnels complexes que SOMME.SI.ENS ne sait pas faire.
// Chiffre d'affaires = quantités × prix =SOMMEPROD(B2:B100; C2:C100) // CA conditionnel (ventes de Paris uniquement) =SOMMEPROD((A2:A100="Paris") * B2:B100 * C2:C100)
Ce que ça fait : multiplie élément par élément les plages indiquées et somme le tout. Avec une condition entre parenthèses (qui vaut VRAI=1 ou FAUX=0), on filtre le calcul.
Cas d'usage réel : calculer un chiffre d'affaires pondéré, une moyenne pondérée, des totaux conditionnels multicritères impossibles autrement.
Le tableau croisé dynamique (TCD) n'est pas une fonction, mais c'est l'outil d'analyse le plus puissant d'Excel. En quelques clics, il résume des milliers de lignes : totaux par catégorie, moyennes, comptages, le tout réorganisable instantanément par glisser-déposer.
Comment le créer en 4 étapes :
1. Sélectionnez vos données (avec les en-têtes de colonnes).
2. Menu Insertion → Tableau croisé dynamique.
3. Glissez les champs : les catégories en Lignes, les valeurs à calculer en Valeurs.
4. Choisissez l'agrégation (Somme, Moyenne, Nombre) d'un clic droit.
Ce que ça fait : transforme une liste brute en synthèse analytique. Exemple : à partir de 10 000 lignes de ventes, obtenir le CA par région et par mois en 30 secondes, sans aucune formule.
Cas d'usage réel : reporting mensuel, analyse des ventes par segment, tableau de bord rapide pour une réunion. C'est l'outil que tout Data Analyst utilise quotidiennement.
Ce guide vous donne les bases. Notre formation Data Analyst & IA vous fait maîtriser Excel en profondeur + SQL + Python + Power BI + IA générative. Certification Université Paris 1 Panthéon-Sorbonne, 2 990 € TTC, financement CPF.
Power Query est la fonctionnalité qui transforme Excel en vrai outil de Data Analyst. Elle permet d'importer, nettoyer et transformer automatiquement des données depuis n'importe quelle source (fichiers, web, bases de données), et de rejouer ces transformations en un clic à chaque mise à jour.
Ce qu'il permet de faire :
• Importer des données depuis CSV, web, dossiers entiers, bases SQL.
• Nettoyer automatiquement (supprimer doublons, remplacer valeurs, séparer colonnes).
• Fusionner plusieurs tables (l'équivalent d'un JOIN SQL, en visuel).
• Rafraîchir d'un clic : les transformations se rejouent sur les nouvelles données.
Ce que ça change : au lieu de refaire le même nettoyage manuel chaque mois, vous le construisez une fois dans Power Query et vous cliquez sur "Actualiser". C'est le passage du bricolage manuel à l'automatisation.
Cas d'usage réel : consolider automatiquement 12 fichiers mensuels, nettoyer un export brut d'un logiciel métier, préparer des données avant un tableau croisé.
Sur les centaines de débutants que j'ai formés à Excel chez DataSuits, ces 4 erreurs reviennent systématiquement. Les connaître à l'avance vous fait gagner des semaines.
Oublier le FAUX dans RECHERCHEV. Sans le dernier argument à FAUX (correspondance exacte), Excel renvoie des résultats approximatifs et faux. C'est l'erreur la plus fréquente et la plus dangereuse, car elle ne déclenche aucun message d'alerte.
Ne pas figer les références avec $. Quand vous recopiez une formule, les références se décalent. Pour bloquer une cellule ou une plage, utilisez le signe dollar : $A$1. Oublier le $ est la cause n°1 des formules qui "se cassent" en glissant.
Travailler sur des données non structurées. Des en-têtes manquants, des cellules fusionnées, des lignes vides au milieu : c'est l'ennemi de l'analyse. Convertissez toujours vos données en "Tableau" (Ctrl+L) avant de les analyser.
Tout faire à la main au lieu d'automatiser. Refaire le même nettoyage chaque mois est une perte de temps massive. Dès qu'une tâche se répète, elle doit passer dans un tableau croisé dynamique ou dans Power Query. C'est le réflexe qui sépare l'amateur du professionnel.
Vous maîtrisez ces 10 fonctions ? Vous avez déjà le socle Excel d'un Data Analyst. Voici comment transformer cette base en compétence professionnelle complète et employable.
La théorie ne suffit pas. Récupérez des fichiers réels (exports de ventes, données ouvertes publiques) et reproduisez des analyses concrètes. Le réflexe Excel s'acquiert par la répétition sur des cas variés, pas par la lecture.
Excel seul ne fait pas un Data Analyst complet en 2026. Le métier exige aussi SQL (pour interroger les bases de données) et Power BI (pour des dashboards interactifs). Excel reste la fondation, mais ces deux compétences font la différence sur le marché de l'emploi.
En 2026, des outils comme Claude ou ChatGPT et Copilot dans Excel accélèrent considérablement la création de formules complexes et l'analyse. L'IA ne remplace pas la compréhension d'Excel, mais elle multiplie votre productivité une fois les bases acquises.
L'auto-formation a des limites : pas de feedback, pas de cadre, pas de certification reconnue. Notre formation Data Analyst & IA structure votre apprentissage d'Excel, SQL, Python, Power BI et IA générative, avec mentors humains 7j/7 et certification Université Paris 1 Panthéon-Sorbonne. Pour une montée en compétences ciblée sur le tableur, notre formation Excel permet aussi de décrocher une certification reconnue.
Vous avez les bases Excel, il vous manque le parcours complet. Notre formation Data Analyst & IA vous rend opérationnel : Excel avancé + SQL + Python + Power BI + IA générative. 2 990 € TTC, financement CPF à 100% possible.
Formateur Data et responsable du parcours Data Analyst chez DataSuits, j'enseigne Excel, SQL, Python, Power BI et l'IA générative appliquée à la data analyse. J'accompagne au quotidien des débutants complets jusqu'à un niveau professionnel employable, avec une approche pratique orientée projets sur données réelles d'entreprise.
Maîtriser Excel pour la data ne demande pas de connaître des centaines de fonctions. Ces 10 blocs — RECHERCHEV, RECHERCHEX, SI, SOMME.SI.ENS, NB.SI.ENS, INDEX/EQUIV, fonctions texte, SOMMEPROD, tableau croisé dynamique et Power Query — couvrent l'essentiel du travail d'analyse en entreprise. Apprenez-les, pratiquez sur des données réelles, et vous aurez le socle Excel d'un vrai Data Analyst.
Mais Excel seul ne fait pas le métier. Pour devenir Data Analyst employable en 2026, il faut combiner Excel avec SQL, Power BI et l'IA générative, plus une certification reconnue. C'est exactement ce que structure notre formation Data Analyst & IA à 2 990 € avec certification Université Paris 1 Panthéon-Sorbonne, mentors humains 7j/7 et financement CPF à 100% possible.
Prochaine étape : prenez rendez-vous avec un conseiller. 20 minutes pour évaluer votre niveau, valider votre projet et démarrer votre reconversion vers la data avec un plan clair. Service gratuit, sans engagement.
Le financement ne doit jamais être un frein à votre projet.
Chez DataSuits, nos conseillers pédagogiques vous accompagnent à chaque étape pour trouver la meilleure solution de financement adaptée à votre profil:
Remplissez ce court formulaire pour candidater à la formation de votre choix.
Notre équipe pédagogique vous contactera rapidement pour échanger sur votre parcours et vous accompagner dans la suite de votre inscription.
.avif){kind=icon}
