SQL, c'est ton interface avec l'IA pour la data : la langue commune entre toi, les bases et les agents qui génèrent des requêtes à ta place. Comprendre ce qu'on fait, pas juste recopier du code. D'abord la vue d'ensemble (lecture défilable), puis le détail technique en 12 chapitres.
SQL — Structured Query Language — sert à poser une question à une base de données et récupérer la réponse sous forme de tableau. C'est l'équivalent d'une formule Excel, mais pensé pour des volumes que ton tableur ne peut pas tenir.
Dans une vraie entreprise, la donnée vit dans des bases — BigQuery, Snowflake, PostgreSQL, etc. Elle est répartie en projets → datasets → tables → colonnes, avec des règles d'accès, des historiques, des versions.
Le SQL est le langage standard pour communiquer avec ces bases. Le même SELECT fonctionne partout — c'est ce qui rend la compétence si transférable.
Tu choisis des données : SELECT les colonnes, FROM la table, et tu peux WHERE filtrer. C'est exactement ce que tu fais sur Excel quand tu sélectionnes des colonnes et appliques un filtre.
SELECT name, amount
FROM orders
WHERE status = 'completed';Fonctions de texte, dates, calculs, agrégations (SUM, AVG, COUNT) — tout ce que tu fais avec des formules Excel a un équivalent SQL. Souvent plus court, toujours plus reproductible.
La sortie de SQL est toujours une table. Chaque élément que tu écris entre virgules dans le SELECT devient une colonne de ton résultat.
Il y a donc une granularité à choisir : 1 ligne = 1 commande ? 1 ligne = 1 client ? 1 ligne = 1 mois ? Cette granularité, on la pilote avec GROUP BY qui sépare ce qu'on agrège (les métriques) de ce sur quoi on regroupe (les dimensions).
Les vraies questions business croisent plusieurs tables : commandes + clients, ventes + produits, transactions + comptes. C'est le rôle des jointures.
INNER JOIN — uniquement les lignes présentes des deux côtésLEFT JOIN — toutes les lignes de gauche, même sans correspondance à droiteRIGHT JOIN — l'inverseFULL OUTER JOIN — tout des deux côtésMaîtriser les jointures, c'est ce qui sépare une requête de débutant d'une requête utile en production.
Comme sur Excel où certains calculs nécessitent plusieurs colonnes intermédiaires, en SQL on utilise les CTE (Common Table Expressions) — une sorte de variable temporaire qui rend la requête lisible et permet d'enchaîner les transformations.
WITH ventes_par_client AS (
SELECT customer_id, SUM(amount) AS total
FROM orders
GROUP BY customer_id
)
SELECT * FROM ventes_par_client
WHERE total > 1000;Une requête SQL, c'est une transformation reproductible. Tu l'écris une fois, elle tourne mille fois — sur 10 lignes ou 10 millions, sans toucher au fichier source.
Les agents IA (ChatGPT, Claude, Copilot...) écrivent du SQL très vite. Mais ils ne savent pas :
orders contient des doublons ou des lignes annulées à filtrerstatus = 'completed' chez vous, pas chez le voisinorders → customers peut perdre 12% des lignes (orphelines, à investiguer)amount est en € HT, TTC, ou en centsL'IA produit une requête syntaxiquement correcte. Toi seul peux dire si elle est métier-correcte. Sans la compréhension du schéma, de la qualité des données, et de la définition de tes KPIs, tu vas livrer des chiffres faux qui ressemblent à des chiffres justes.
Dans une vraie boîte, le SQL n'est pas l'enjeu — c'est la chaîne complète :
Une boîte data-mature, c'est une boîte où les analystes passent plus de temps à clarifier les définitions et les sources qu'à coder. SQL est le marteau — mais le vrai métier, c'est de savoir où, quand et pourquoi taper.