Répéter chaque semaine la même manipulation dans Excel — importer un fichier, supprimer des lignes vides, mettre en forme un tableau, enregistrer une copie — finit par coûter du temps. Python peut prendre en charge ces tâches, et pip permet d’installer les bibliothèques qui font le lien avec vos fichiers Excel.

La bonne nouvelle : pas besoin de transformer votre ordinateur en laboratoire informatique. Avec quelques commandes et un exemple concret, vous pouvez installer un package et automatiser une première tâche. Voici comment procéder, pas à pas, sans confondre Excel, Python et pip.

À quoi sert pip pour automatiser Excel ?

pip est l’outil qui installe des packages Python. Un package, c’est une boîte à outils contenant du code déjà écrit, que vous pouvez utiliser dans vos propres scripts. Pour travailler avec des fichiers Excel, des bibliothèques comme openpyxl, pandas ou xlwings simplifient considérablement la tâche.

  • openpyxl lit et modifie des fichiers Excel au format .xlsx, sans avoir besoin d’ouvrir Excel.
  • pandas facilite le traitement de données sous forme de tableaux : filtrer, nettoyer, fusionner ou analyser des données.
  • xlwings permet de piloter l’application Excel elle-même. Il est utile pour interagir avec des classeurs ouverts, des macros ou certaines fonctionnalités avancées.

Le choix dépend donc de votre objectif. Vous voulez modifier automatiquement un fichier .xlsx ? Commencez avec openpyxl. Vous devez nettoyer un gros tableau de données ? pandas sera souvent plus pratique. Vous souhaitez contrôler une instance d’Excel déjà ouverte ? Regardez du côté de xlwings.

Un point important : installer un package ne se fait généralement pas dans une cellule Excel. Vous installez la bibliothèque dans votre environnement Python, puis vous l’utilisez dans un script.

Vérifier que Python et pip sont disponibles

Avant d’installer quoi que ce soit, vérifiez que Python est installé sur votre ordinateur. Ouvrez un terminal : l’application Invite de commandes ou PowerShell sous Windows, ou l’application Terminal sous macOS et Linux.

Essayez cette commande :

python --version

Si votre ordinateur affiche un numéro de version, par exemple Python 3.12.2, c’est bon signe. Sur certains systèmes, notamment macOS, la commande à utiliser est plutôt :

python3 --version

Vous pouvez aussi vérifier pip :

python -m pip --version

Et, si vous utilisez la commande python3 :

python3 -m pip --version

Pourquoi écrire python -m pip au lieu de simplement pip ? Cette forme demande explicitement à Python de lancer pip dans l’environnement associé à cette version. C’est une habitude utile pour éviter d’installer un package dans un Python différent de celui qui exécutera votre script.

Installer un package avec pip

Pour installer openpyxl, saisissez la commande suivante dans le terminal :

python -m pip install openpyxl

Sur un système où Python se lance avec python3, utilisez :

python3 -m pip install openpyxl

Le terminal affiche des messages pendant l’installation, puis indique généralement que le package a été installé. Vous pouvez également demander à pip d’installer pandas :

python -m pip install pandas

Vous n’avez pas besoin d’installer toutes les bibliothèques disponibles « au cas où ». Commencez par celle qui répond à votre besoin. Moins de packages signifie aussi moins de complications à gérer.

Pour installer une version récente de pip, si nécessaire, lancez :

python -m pip install --upgrade pip

Sur un ordinateur professionnel, les droits d’installation peuvent être limités. Une première option consiste à installer le package uniquement pour votre compte utilisateur :

python -m pip install --user openpyxl

Si votre entreprise gère les installations logicielles, vérifiez sa procédure avant de contourner une restriction. L’objectif est d’automatiser un tableau, pas de déclencher une alerte informatique.

Créer un environnement dédié à votre projet

Pour un premier essai, installer directement le package peut suffire. Mais dès que vous avez plusieurs projets, un environnement virtuel est une bonne habitude. Il isole les bibliothèques d’un projet des autres scripts Python de votre ordinateur.

Placez-vous dans le dossier de votre projet, puis créez l’environnement :

python -m venv .venv

Activez-le ensuite. Sous Windows, dans l’Invite de commandes :

.venv\Scripts\activate

Dans PowerShell, la commande d’activation est également disponible sous cette forme :

.\.venv\Scripts\Activate.ps1

Sous macOS ou Linux, utilisez :

source .venv/bin/activate

Une fois l’environnement activé, installez-y le package :

python -m pip install openpyxl

Le préfixe (.venv) apparaît souvent dans le terminal pour signaler que l’environnement est actif. Pour le quitter plus tard, saisissez deactivate.

Dans un éditeur comme Visual Studio Code, pensez à sélectionner l’interpréteur Python situé dans le dossier .venv. Sinon, l’éditeur pourrait lancer le script avec un autre Python, qui ne connaît pas le package que vous venez d’installer.

Premier exemple : mettre en forme un fichier Excel

Passons à une tâche concrète. Imaginons un fichier ventes.xlsx contenant les noms des colonnes en première ligne. Nous allons mettre cette ligne en gras, ajuster la largeur des colonnes, puis enregistrer une nouvelle version du classeur.

Créez un fichier appelé automatiser_excel.py dans le dossier où se trouve votre classeur, puis copiez ce script :

from openpyxl import load_workbookfrom openpyxl.styles import Fontfrom openpyxl.utils import get_column_letterfichier_entree = "ventes.xlsx"fichier_sortie = "ventes_formatees.xlsx"classeur = load_workbook(fichier_entree)feuille = classeur.active# Mettre la première ligne en grasfor cellule in feuille[1]:    cellule.font = Font(bold=True)# Ajuster la largeur de chaque colonnefor numero_colonne in range(1, feuille.max_column + 1):    lettre = get_column_letter(numero_colonne)    longueur_max = 0    for cellule in feuille[lettre]:        if cellule.value is not None:            longueur_max = max(longueur_max, len(str(cellule.value)))    feuille.column_dimensions[lettre].width = longueur_max + 2classeur.save(fichier_sortie)print(f"Fichier créé : {fichier_sortie}")

Lancez ensuite le script depuis le terminal :

python automatiser_excel.py

Le fichier ventes_formatees.xlsx apparaît dans le dossier. Le script ne modifie pas le fichier d’origine, ce qui est une précaution précieuse : quand on automatise, mieux vaut tester sur une copie avant de confier ses données à un script.

Si vous obtenez une erreur indiquant que le fichier est introuvable, vérifiez son nom et son emplacement. Les chemins et les noms doivent correspondre exactement. Un fichier nommé Ventes.xlsx n’est pas nécessairement traité comme ventes.xlsx sur tous les systèmes.

Quand choisir pandas plutôt qu’openpyxl ?

openpyxl est pratique pour intervenir directement sur des cellules et conserver un classeur .xlsx. pandas, lui, est particulièrement agréable lorsque votre priorité est de transformer les données. Par exemple, pour lire un fichier, retirer les lignes sans numéro de commande et enregistrer le résultat :

import pandas as pdtableau = pd.read_excel("ventes.xlsx")tableau = tableau.dropna(subset=["Numéro de commande"])tableau.to_excel("ventes_nettoyees.xlsx", index=False)

Installez pandas avec python -m pip install pandas. Pour lire et écrire des fichiers Excel .xlsx, pandas s’appuie souvent sur une bibliothèque complémentaire telle que openpyxl. Si Python signale qu’un moteur Excel manque, vous pouvez installer celui-ci séparément :

python -m pip install openpyxl

Gardez toutefois en tête que pandas travaille d’abord sur les données. Il ne conserve pas nécessairement toutes les mises en forme, formules ou fonctionnalités avancées présentes dans le classeur d’origine. Si l’apparence du fichier est essentielle, faites un test sur une copie et choisissez l’outil adapté.

Les erreurs fréquentes et leurs solutions

  • « pip n’est pas reconnu » : essayez python -m pip install nom_du_package, ou remplacez python par python3. Vérifiez également que Python est bien installé.
  • « No module named… » : le package est peut-être installé dans un autre environnement. Activez votre environnement virtuel, puis relancez l’installation avec le même Python que celui qui exécute le script.
  • Erreur de permission : essayez l’option --user, utilisez un environnement virtuel ou demandez conseil à votre administrateur informatique.
  • Le fichier Excel est verrouillé : fermez le classeur dans Excel avant de lancer le script, surtout si le programme doit écraser le fichier. Pour vos premiers essais, enregistrez plutôt sous un nouveau nom.
  • La commande s’exécute, mais le mauvais Python est utilisé : vérifiez l’interpréteur sélectionné dans votre éditeur et lancez pip avec python -m pip depuis le bon environnement.

Quand vous cherchez de l’aide, copiez le message d’erreur complet, notamment la dernière ligne. Elle indique souvent la cause réelle. « Ça ne marche pas » est compréhensible, mais un message comme ModuleNotFoundError: No module named 'openpyxl' donne déjà une piste beaucoup plus précise.

Automatiser sans risquer ses données

Un script peut traiter des centaines de fichiers très vite. C’est pratique, à condition de ne pas appliquer une mauvaise règle à toute une archive. Avant d’automatiser un traitement récurrent, prenez quelques précautions :

  • testez le script sur une copie et sur un petit échantillon de données ;
  • enregistrez le résultat dans un nouveau fichier pendant la phase de mise au point ;
  • vérifiez les noms des feuilles, des colonnes et des fichiers ;
  • gardez une sauvegarde des classeurs importants ;
  • ajoutez des messages dans le script pour savoir quel fichier a été traité.

Vous pouvez ensuite planifier l’exécution du script avec les outils de votre système, par exemple le Planificateur de tâches de Windows. Mais commencez par lancer le programme manuellement et vérifier son résultat. Une automatisation fiable commence par un traitement que vous comprenez.

Un premier pas vers des tâches Excel plus rapides

Installer un package pip revient à ajouter la bonne boîte à outils à Python. Pour modifier des classeurs .xlsx, openpyxl constitue un excellent point de départ ; pour nettoyer et analyser des tableaux, pandas peut vous faire gagner beaucoup de temps.

Retenez la séquence : vérifier Python, installer le package avec python -m pip install, sélectionner le bon environnement, puis tester votre script sur une copie. Vous pourrez ensuite automatiser progressivement les tâches répétitives qui vous ralentissent. Et la prochaine fois qu’un tableau réclame sa mise en forme hebdomadaire, vous pourrez laisser Python s’en charger pendant que vous vous occupez de quelque chose de plus intéressant.