{"id":12166,"date":"2023-12-17T11:14:05","date_gmt":"2023-12-17T10:14:05","guid":{"rendered":"https:\/\/www.auditsi.eu\/?p=12166"},"modified":"2023-12-17T11:46:52","modified_gmt":"2023-12-17T10:46:52","slug":"productivite-extraire-de-donnees-comptables-multi-societes-grace-a-python-et-au-sql","status":"publish","type":"post","link":"https:\/\/www.auditsi.eu\/?p=12166","title":{"rendered":"Productivit\u00e9 : extraire des donn\u00e9es comptables multi-soci\u00e9t\u00e9s gr\u00e2ce \u00e0 Python et au SQL"},"content":{"rendered":"

La r\u00e9vision des comptes d’un groupe<\/strong> se confronte g\u00e9n\u00e9ralement \u00e0 la disponibilit\u00e9 des donn\u00e9es comptables diss\u00e9min\u00e9es sur de nombreux syst\u00e8mes.<\/p>\n

Cette difficult\u00e9 peut \u00eatre r\u00e9solue de diverses mani\u00e8res. Un simple module d’extraction de donn\u00e9es<\/strong> peut parfaitement faire l’affaire. Gr\u00e2ce \u00e0 quelques lignes de Python<\/strong>, il est ais\u00e9 de centraliser les donn\u00e9es \u00e0 auditer dans un fichier texte ou un classeur Excel.<\/p>\n

\"PROJET<\/p>\n

A titre d’illustration, voici l’esquisse d’un module d’extraction d’\u00e9critures comptables, pour le moment exp\u00e9rimental. Ce script Python d’\u00e0 peine cent lignes extrait les lignes d’\u00e9critures comptables<\/strong> de l’ensemble des entit\u00e9s d’un groupe<\/strong> selon les crit\u00e8res d\u00e9finis dans une requ\u00eate SQL<\/strong> puis exporte le r\u00e9sultat<\/strong> obtenu dans un fichier texte et un classeur Excel. Rudimentaire mais parfaitement op\u00e9rationnel… et surtout gains de temps assur\u00e9s. Ce module s’inscrit dans la continuit\u00e9 du projet PADoCC_Ecritures<\/a> (supervision des op\u00e9rations comptables d’un groupe)<\/strong>.<\/p>\n

Une fois l’ex\u00e9cution du script lanc\u00e9e, une fen\u00eatre attend que l’utilisateur saisisse une requ\u00eate SQL (commande enterbox<\/em> de la biblioth\u00e8que easygui<\/em>) :<\/p>\n

\"PYTHON<\/p>\n

Quelques exemples de requ\u00eates SQL :<\/p>\n

Requ\u00eate programm\u00e9e par d\u00e9faut dans le script (stock\u00e9e dans la variable requete_sql<\/em>) :<\/p>\n

SELECT * FROM _ECRITURES WHERE Cpte3='613'<\/pre>\n
Cette requ\u00eate liste toutes les lignes d’\u00e9critures comptables dont le compte g\u00e9n\u00e9ral commence par 613x<\/strong> (comptes de locations).<\/p>\n
Pour restreindre ces lignes aux seules \u00e9critures d’achat<\/strong> (donc hors \u00e9critures de bilan ou de situation : CCA, FNP…) :<\/p>\n
SELECT * FROM _ECRITURES WHERE Cpte3='613' AND TypeJournal='ACHATS'<\/pre>\n
Pour encore affiner l’extraction aux seuls achats de location soumis \u00e0 la TVA au taux normal<\/strong> (20 % : CodeTVA=’TN’<\/em>) :<\/p>\n
SELECT * FROM _ECRITURES WHERE Cpte3='613' AND TypeJournal='ACHATS' AND CodeTVA='TN'<\/pre>\n
Ce genre de requ\u00eates s’av\u00e8re utile par exemple pour identifier les locations de v\u00e9hicules dont la TVA<\/strong> a fait l’objet d’une r\u00e9cup\u00e9ration<\/strong>. Il s’agit ici de s’assurer que la TVA sur location de v\u00e9hicules de tourisme<\/strong> n’a pas \u00e9t\u00e9 r\u00e9cup\u00e9r\u00e9e ind\u00fbment sur le Tr\u00e9sor.<\/p>\n
Une autre fa\u00e7on d’obtenir le m\u00eame r\u00e9sultat est de passer par le sch\u00e9ma d’\u00e9criture<\/strong>. Cette requ\u00eate liste toutes les lignes d’\u00e9criture d’achat de location (613x) qui ont fait l’objet d’une r\u00e9cup\u00e9ration de TVA (Sch\u00e9mEcrit_Nature =\u2018ACHATS_a\/TVA_6HA\u2019<\/em>) :<\/p>\n
SELECT * FROM _ECRITURES WHERE Cpte3='613' AND Sch\u00e9mEcrit_Nature =\u2018ACHATS_a\/TVA_6HA\u2019<\/pre>\n
Autre exemple : pour extraire le chiffre d’affaires HT exon\u00e9r\u00e9 de TVA<\/strong> en fonction du sch\u00e9ma d’\u00e9criture comptable, la requ\u00eate SQL pourra \u00eatre libell\u00e9e sous cette forme (les  \u00e9critures de ventes exon\u00e9r\u00e9es de TVA sont codifi\u00e9e sous le libell\u00e9 de sch\u00e9ma suivant : Sch\u00e9mEcrit_Nature =’VENTES_ssTVA_700x’<\/em>) :<\/p>\n
SELECT * FROM _ECRITURES WHERE Cpte2='70' AND Sch\u00e9mEcrit_Nature ='VENTES_ssTVA_700x'<\/pre>\n
Les \u00e9critures de ventes sans TVA doivent faire l’objet d’une justification (exportations, livraisons intracommunautaires, ventes de d\u00e9chets, ventes de biens d’occasion…).<\/p>\n
>>><\/strong><\/em><\/span> Plus d’informations sur l’analyse des sch\u00e9mas d’\u00e9critures<\/strong> : cf l’article Analyse des sch\u00e9mas d\u2019\u00e9criture<\/a>.<\/p>\n
>>><\/strong><\/em><\/span> Pour d\u00e9couvrir le langage de requ\u00eates SQL<\/strong>, lire la s\u00e9rie d’articles sur l’analyse de donn\u00e9es<\/a>.<\/p>\n
\"Volet<\/p>\n
Une fois la requ\u00eate valid\u00e9e par l’utilisateur, le programme Python l’ex\u00e9cute sur l’ensemble des bases de donn\u00e9es comptables du groupe.<\/p>\n
Le coeur du module Python : une boucle for… in…<\/em><\/strong> qui ex\u00e9cute la requ\u00eate<\/strong> de l’utilisateur (df = pd.read_sql(requete_sql, conn)<\/em>) sur chacune des bases de donn\u00e9es comptables. Le r\u00e9sultat de la requ\u00eate, stock\u00e9 dans la variable df<\/em> (pour Data Frame<\/em>), est ensuite concat\u00e9n\u00e9 avec le r\u00e9sultat des autres entit\u00e9s du groupe (df_concat = pd.concat([df_concat, df], ignore_index=True)<\/em>). Les biblioth\u00e8ques pyodbc<\/em> et pandas<\/em><\/strong> fournissent respectivement les fonctions de connexion \u00e0 la source de donn\u00e9es et de gestion des donn\u00e9es.<\/p>\n
for fichier_accdb in fichiers_accdb:\r\n    bdd_en_cours = os.path.join(chemin_dossier, fichier_accdb)\r\n    print(f\"Base en cours : {bdd_en_cours}\")\r\n\r\n    try:\r\n        connection_str = f\"DRIVER={{Microsoft Access Driver (*.mdb, *.accdb)}};DBQ={bdd_en_cours};\"\r\n        conn = pyodbc.connect(connection_str)\r\n        cursor = conn.cursor()\r\n\r\n        # Liste des tables de la BDD\r\n        tables = [table.table_name for table in cursor.tables(tableType='TABLE')]\r\n        \r\n        # Nom de la table \u00e0 v\u00e9rifier\r\n        nom_table = \"_ECRITURES\"\r\n\r\n        # V\u00e9rifie si la table existe\r\n        if '_ECRITURES' in tables:\r\n            df = pd.read_sql(requete_sql, conn)\r\n            # Ajout du r\u00e9sultats au DataFrame global\r\n            df_concat = pd.concat([df_concat, df], ignore_index=True)\r\n\r\n        else:\r\n            print(f\"Ignor\u00e9 : {nom_table} n'est pas pr\u00e9sente dans la base de donn\u00e9es {bdd_en_cours}.\")\r\n\r\n        cursor.close()\r\n        conn.close()\r\n\r\n    except pyodbc.Error as e:\r\n        print(f\"Erreur lors de la r\u00e9cup\u00e9ration des donn\u00e9es dans {bdd_en_cours}: {e}\")\r\n<\/pre>\n
Une fois toutes les bases de donn\u00e9es comptables pass\u00e9es en revue, le module d’extraction g\u00e9n\u00e8re un fichier texte et un classeur Excel<\/strong> (biblioth\u00e8que de fonctions openpyxl<\/em>) reprenant l’ensemble des lignes d’\u00e9critures correspondant aux crit\u00e8res d\u00e9finis par la requ\u00eate (clause SQL WHERE<\/em><\/strong>).<\/p>\n
\"PYTHON
Ecran du requ\u00eateur une fois les extractions Excel et texte termin\u00e9es…<\/p><\/div>\n
___<\/p>\n
Pour approfondir le sujet : se former \u00e0 la programmation en langage Python pour automatiser ses t\u00e2ches<\/a><\/p>\n
2.13.0.0<\/div>\n
2.13.0.0<\/div>\n
2.13.0.0<\/div>\n
2.13.0.0<\/div>\n
2.13.0.0<\/div>\n
2.13.0.0<\/div>\n
2.13.0.0<\/div>\n
\"Share<\/a>