Maîtriser les fichiers XML : Structure, cas d'usage et principaux avantages

Un fichier XML stocke des données structurées sous forme de balises imbriquées et lisibles par l'homme, plutôt que sous forme de lignes et de colonnes. Microsoft décrit ce format comme « une technologie conçue pour gérer et partager des données structurées dans un fichier texte lisible par l'homme ». Ce guide explique comment ces fichiers sont construits, d'où ils proviennent, comment les tableurs les gèrent et comment en extraire des réponses.

Qu'est-ce qu'un fichier XML

Il s'agit d'un fichier texte brut qui contient à la fois des données et le nom des éléments qu'il décrit. Un export séparé par des virgules vous fournit des valeurs et s'appuie sur une ligne d'en-tête pour en donner le sens. Un fichier balisé intègre directement ce sens, à côté de chaque valeur.

Cette conception a une conséquence qu'il convient de comprendre avant toute chose. Le format est hiérarchique, de sorte qu'un enregistrement peut en contenir d'autres, sur plusieurs niveaux. Un tableur est plat, et c'est dans l'écart entre ces deux structures que réside la majeure partie des difficultés pratiques.

L' aperçu de Microsoft résume son objectif en une phrase : le format « facilite grandement la définition, la transmission, la validation et l'interprétation des données entre les bases de données, les applications et les organisations ».

Comment fonctionne la structure

Éléments et imbrication

Chaque valeur se trouve à l'intérieur d'un élément nommé, et les éléments peuvent contenir d'autres éléments. Une facture peut contenir un bloc client, une liste d'articles et un bloc de totaux, chacun ayant ses propres éléments enfants.

L'imbrication est tout l'intérêt de ce format. Elle enregistre des relations qu'un tableau plat ne peut exprimer qu'en répétant des valeurs sur plusieurs lignes.

Balises personnalisées

Les noms des balises ne sont pas figés par le format. Comme l'indique l'aperçu officiel, « les concepteurs d'applications peuvent créer leurs propres balises, structures de données et schémas personnalisés ».

C'est pourquoi deux fichiers provenant de deux fournisseurs différents peuvent décrire la même facture sans partager presque aucun nom de champ. Toute analyse doit commencer par la lecture de la signification réelle des balises sous vos yeux.

Schémas et validation

Un fichier de schéma distinct définit les règles. Microsoft décrit directement cette association. Les fichiers de données « contiennent les balises personnalisées et les données structurées ». Les fichiers de schéma « contiennent des balises de schéma qui appliquent des règles, telles que le type de données et la validation ».

Les schémas utilisent l'extension .xsd. La norme définit également des fichiers de transformation avec l'extension .xslt, décrits comme des fichiers « utilisés pour appliquer des styles et transformer des données XML dans différents formats de présentation ».

À quoi servent ces fichiers

On choisit rarement ce format. Il s'impose à vous, provenant généralement d'un système qui fonctionne depuis des années.

• Finance et banque. Les formats de relevés et de messages de paiement sont généralement balisés plutôt que délimités.
• Facturation électronique. De nombreuses réglementations nationales sur la facturation électronique imposent un document balisé comme pièce justificative légale.
• Exports ERP et RH. Les systèmes d'entreprise existants exportent souvent dans ce format par défaut.
• Flux de produits et de contenus. Les flux de catalogues de vente au détail et les formats de syndication reposent sur des balises.
• Configuration et documents Office. Les formats de fichiers Office modernes sont des collections compressées d'éléments balisés.

Le schéma est le même pour ces cinq cas. Le fichier est un outil d'échange produit pour une autre machine, et non un fichier de travail destiné à un analyste.

Comparaison avec les formats plats

	Fichiers balisés (.xml)	CSV	Parquet
Structure	Imbriquée, plusieurs niveaux	Lignes et colonnes plates	Plate, orientée colonnes
Noms des champs	Intégrés à chaque valeur	Ligne d'en-tête uniquement	Stockés dans les métadonnées du fichier
Validation	Un fichier de schéma facultatif impose les types	Aucune intégrée	Types définis dans le schéma
Lisible dans un éditeur de texte	Oui, bien que verbeux	Oui	Non
Taille typique pour les mêmes données	La plus grande	Moyenne	La plus petite
Source habituelle	Systèmes d'entreprise et normes d'échange	Exports et rapports	Plateformes de données

Si vous travaillez régulièrement avec ces formats, nos guides complémentaires sur les fichiers TSV et les fichiers Parquet couvrent la partie plate de ce tableau.

Comment Excel gère ce format

C'est ici que la plupart des analystes découvrent ce format, et la documentation officielle est particulièrement claire sur ce qui se passe.

Le chemin d'importation ne se trouve pas sur le ruban principal. L'instruction d'importation de Microsoft est : « Cliquez sur Développeur > Importer ». La page oriente également les lecteurs vers les étapes permettant d'afficher cet onglet, car il est masqué par défaut.

Le flux de travail de base comporte, selon les termes de Microsoft, « cinq phases ». Vous ajoutez un fichier de schéma à un classeur, puis vous mappez ses éléments à des cellules ou à des tableaux. Vous importez le fichier de données et liez les éléments à ces cellules mappées. À partir de là, vous travaillez dans Excel et exportez à nouveau les données révisées.

Deux comportements importent plus que le reste.

Excel devinera un schéma si vous n'en fournissez pas. Si vous importez sans ajouter de schéma au préalable, « Excel essaie de déduire un schéma pour vous ». Cette estimation est « basée sur les balises définies dans le fichier de données XML ».

L'estimation est ensuite enregistrée avec le classeur. La page note également que « vous ne pouvez pas exporter le schéma déduit par Excel sous forme de fichier de données de schéma XML distinct (.xsd) ».

L'imbrication est aplatie lors de l'importation. Microsoft décrit le résultat d'une ouverture en lecture seule. Il s'agit d'un « tableau bidimensionnel avec des lignes et des colonnes qui affiche les balises XML comme en-têtes de colonnes ». L'élément racine est « utilisé comme un titre ».

Cet aplatissement est exactement ce que vous recherchez pour l'analyse, et c'est précisément là que le sens se perd. Une hiérarchie à trois niveaux se transforme en colonnes, et la relation entre parent et enfant ne survit que dans la manière dont les balises ont été nommées.

Principaux avantages

Les données s'expliquent d'elles-mêmes. Les noms des champs accompagnent les valeurs, de sorte qu'un fichier séparé de sa documentation reste interprétable.

La validation fait partie de l'écosystème. Un schéma peut imposer des types de données et des champs obligatoires avant que les données ne vous parviennent, ce qu'aucun export délimité brut ne permet de faire.

Il franchit les frontières organisationnelles. Comme le souligne l'aperçu officiel, le format « suit les directives standard de l'industrie et peut être traité par une variété de bases de données et d'applications ».

La hiérarchie est préservée. Une facture comportant douze articles reste une seule facture, plutôt que douze lignes répétant les valeurs de l'en-tête.

Limites à connaître

La verbosité. La répétition des noms de balises autour de chaque valeur rend les fichiers volumineux par rapport aux mêmes données dans un format plat.

Les noms de balises ne sont pas standardisés d'un fournisseur à l'autre. Les balises personnalisées sont une fonctionnalité du format, et l'inconvénient est que chaque nouvelle source nécessite une interprétation.

Les tableurs ont besoin que la hiérarchie soit aplatie. Tout tableau croisé dynamique, graphique ou formule s'attend à une structure rectangulaire ; la forme doit donc changer avant de commencer l'analyse.

L'importation peut échouer lors de la validation. Microsoft note qu'« Excel affiche la boîte de dialogue Erreur d'importation XML lorsqu'il ne peut pas valider les données conformément au mappage XML ». Cela vous renvoie au schéma avant même de pouvoir commencer.

Obtenir une réponse sans lutter contre la structure

La question pratique est rarement « comment ouvrir ce fichier ». Elle est plutôt « comment en tirer un graphique d'ici cet après-midi ».

La méthode qui fonctionne est celle qu'Excel suggère déjà. Aplatissez la hiérarchie en un rectangle, décidez quel niveau de la hiérarchie correspond à une ligne, puis analysez à partir de là.

Powerdrill Bloom accepte les fichiers Excel, CSV, PDF et les documents texte lors de l'importation, de sorte qu'un fichier source balisé doit d'abord être converti en CSV ou en classeur. L'ouverture en lecture seule d'Excel produit précisément ce rectangle, tout comme n'importe quelle étape de conversion dans vos outils de données.

Une fois les données aplaties, l'analyse devient classique. La page du CSV AI assistant décrit ce processus. La page des tarifs résume le résultat : interrogez vos données et « obtenez une réponse étayée avec des graphiques, des tableaux et des exports ». Si vous souhaitez spécifiquement obtenir un graphique, notre guide étape par étape sur la conversion d'un fichier CSV en graphique couvre le sujet de bout en bout.

Une décision mérite une attention particulière avant la conversion. Choisissez délibérément la granularité des lignes. Une ligne par article et une ligne par facture répondent à des questions différentes.

Conclusion

Le format est verbeux, auto-descriptif et hiérarchique, et ces trois propriétés expliquent tout le reste concernant son utilisation. Il est excellent pour transférer des données entre organisations, mais peu pratique pour les analyser au sein d'une même structure.

Considérez la conversion comme un choix plutôt que comme une corvée. Choisissez le niveau qui deviendra une ligne et conservez les noms des balises comme en-têtes de colonnes. Après cela, le travail est le même que pour n'importe quelle analyse sur tableur.

Vous avez l'un de ces fichiers dans un dossier en ce moment même ? Try Powerdrill Bloom sur l'export aplati et visualisez le graphique avant de vous lancer dans la création d'un pipeline.

Foire aux questions

À quoi sert un fichier XML ?

Il est utilisé pour transférer des données structurées entre des systèmes et des organisations. Les sources courantes comprennent les messages bancaires, les factures électroniques, les exports ERP et RH, les flux de produits de vente au détail et les composants internes des documents Office.

Quelle est la différence entre XML et CSV ?

L'un est hiérarchique et intègre les noms de champs à chaque valeur. L'autre est plat et repose sur une seule ligne d'en-tête. Le format balisé peut également être validé par rapport à un fichier de schéma, ce qui n'est pas possible avec un export délimité.

Comment ouvrir un fichier XML dans Excel ?

Le chemin documenté par Microsoft est Développeur > Importer, et l'onglet Développeur est masqué par défaut. Vous pouvez également ouvrir le fichier en lecture seule, ce qui génère un tableau bidimensionnel utilisant les balises comme en-têtes de colonnes.

Ai-je besoin d'un fichier de schéma pour utiliser les données ?

Non. La documentation de Microsoft indique qu'Excel tente de déduire un schéma à partir des balises lorsqu'aucun schéma n'est fourni. Le schéma déduit est conservé avec le classeur et ne peut pas être exporté sous forme de fichier .xsd distinct.

Qu'est-ce que l'XSLT ?

Microsoft le décrit comme une norme de transformation définie parallèlement au format de données. Il utilise des fichiers .xslt « pour appliquer des styles et transformer des données XML dans différents formats de présentation ».