En SQL, quelques mots suffisent souvent à transformer une requête approximative en filtre précis. AND et LIKE jouent ce rôle avec une efficacité redoutable : l’un combine des conditions, l’autre ouvre la porte à la recherche par motif. Bien utilisés, ils aident à affiner les résultats dans les bases de données sans alourdir la logique, à condition de comprendre leur complémentarité.
L’article en bref
Deux opérateurs simples, mais décisifs, permettent de rendre vos requêtes plus nettes et plus utiles. L’enjeu n’est pas seulement de filtrer, mais de construire un SQL lisible, précis et durable.
- AND pour cumuler les critères : Combine plusieurs conditions sans ambiguïté
- LIKE pour viser un motif : Recherche souple avec jokers et variantes
- Des requêtes mieux maîtrisées : Filtrage plus fin dans les bases de données
- Éviter les pièges courants : Ordre des conditions, majuscules, performance
En comprenant leur complémentarité, il devient beaucoup plus simple d’affiner des requêtes SQL sans perdre en clarté.
Dans la pratique, SQL ressemble un peu à un établi bien rangé : chaque outil a sa place, et le résultat dépend surtout de l’ordre dans lequel on s’en sert. AND sert à empiler des conditions, tandis que LIKE permet de viser une chaîne de caractères avec souplesse. Ensemble, ils répondent à une situation très courante : retrouver des données sans exiger un match parfait à chaque ligne. Un service client peut, par exemple, chercher tous les dossiers dont le nom contient “Martin” et dont le statut est “ouvert”. Une librairie qui gère ses stocks peut, elle, isoler des références commençant par une même série de lettres tout en limitant la recherche à une catégorie précise. C’est là que le filtrage devient vraiment utile : il ne s’agit pas de tout voir, mais de ne garder que ce qui compte.
AND en SQL : combiner des conditions pour un filtrage précis
AND est l’opérateur qui demande à toutes les conditions de l’emporter en même temps. En d’autres termes, si un seul critère échoue, la ligne est écartée. Cette logique paraît simple, mais elle devient très puissante dès qu’il faut croiser plusieurs dimensions : état d’une commande, date de création, pays, niveau d’accès, ou encore catégorie produit.
Dans une table de clients, par exemple, une requête peut chercher les profils actifs et inscrits depuis moins d’un an. Le résultat est plus ciblé qu’avec un seul critère, donc plus exploitable pour une campagne ou une analyse. L’erreur fréquente consiste à empiler les conditions sans réfléchir à leur ordre logique ; pourtant, une requête lisible facilite autant le débogage que la maintenance.
Construire une logique de sélection lisible
Un bon réflexe consiste à formuler chaque condition comme une question indépendante : ce dossier est-il ouvert ? a-t-il été créé ce mois-ci ? appartient-il à cette équipe ? Lorsque chaque bloc reste compréhensible, la requête garde sa cohérence. En SQL, cette discipline évite les ambiguïtés, surtout quand plusieurs filtres doivent cohabiter.
Un atelier de données fictif chez “Nova Atelier” illustre bien l’intérêt du procédé : le responsable voulait isoler les articles vendus et encore en stock, puis restreindre l’analyse aux références d’une gamme précise. Avec plusieurs AND, le tri a immédiatement gagné en finesse. C’est souvent ainsi que les requêtes passent d’une simple extraction à un véritable outil de décision.
Quand la logique est claire, les résultats deviennent plus fiables, et les bases de données cessent de produire des listes trop larges pour être vraiment utiles.
LIKE en SQL : rechercher un motif sans exiger une égalité parfaite
LIKE change complètement la façon d’interroger une colonne texte. Au lieu de réclamer une valeur exacte, il autorise une recherche sur un modèle, souvent avec des jokers comme % pour une suite de caractères et _ pour un caractère unique. Ce fonctionnement convient parfaitement aux noms, aux titres, aux références ou aux adresses e-mail.
Un cas classique : retrouver tous les clients dont le nom commence par “Dur”. Une autre requête peut viser les produits dont la désignation contient “kit” ou les fichiers dont l’intitulé se termine par une extension donnée. Ce type de filtrage est précieux lorsque les données textuelles ne sont pas parfaitement uniformes, ce qui arrive souvent dans des bases de données réelles.
Les jokers à connaître pour mieux viser
Le caractère % élargit la recherche, tandis que _ impose une position précise. Cette différence change beaucoup de choses : LIKE ‘A%’ ne donne pas le même résultat que LIKE ‘_A%’. Il suffit parfois d’un symbole mal placé pour élargir trop fortement la sélection, ou au contraire pour passer à côté d’une série de lignes attendues.
Dans un catalogue de figurines, un titre comme “Tank 01”, “Tank 02” ou “Tank Pro” peut se retrouver très vite grâce à un motif bien construit. C’est une logique proche du bricolage : mieux vaut mesurer deux fois avant de découper. Avec LIKE, la précision du motif fait toute la différence.
| Opérateur | Rôle principal | Usage fréquent | Point d’attention |
|---|---|---|---|
| AND | Combine plusieurs conditions | Filtrer sur plusieurs critères simultanés | Toutes les conditions doivent être vraies |
| LIKE | Recherche par motif textuel | Nom, référence, titre, e-mail | Jokers à placer avec précision |
| AND + LIKE | Affinage combiné des requêtes | Motif texte + statut, date ou catégorie | Bien structurer la logique pour rester lisible |
Associer AND et LIKE pour affiner vos requêtes SQL
La vraie force apparaît quand AND et LIKE travaillent ensemble. Une requête peut, par exemple, chercher tous les clients dont le nom commence par “Le” et dont le pays est la France. Dans ce cas, le premier opérateur gère la souplesse du texte, le second verrouille le cadre de sélection. La complémentarité est évidente : l’un explore, l’autre resserre.
Dans les équipes qui manipulent beaucoup de données, cette combinaison évite les tableaux trop larges, souvent difficiles à exploiter. Un service e-commerce peut filtrer les produits dont l’intitulé contient “starter” et dont la disponibilité est encore active. Un laboratoire de contenu, lui, peut isoler des articles dont le titre inclut une expression précise, tout en excluant les brouillons. Le résultat est plus net, plus rapide à lire, et surtout plus exploitable.
Un exemple de requête qui reste facile à maintenir
Une structure simple vaut souvent mieux qu’une construction trop dense. Une requête lisible permet de comprendre en un coup d’œil ce qui relève du texte et ce qui relève du contexte. C’est particulièrement utile lorsqu’un collègue reprend la main sur le script quelques semaines plus tard.
Voici une logique fréquente :
- Filtrer un champ texte avec LIKE
- Ajouter un second critère avec AND
- Limiter les résultats à un périmètre métier précis
- Vérifier le comportement des jokers sur plusieurs cas
Cette méthode fonctionne bien dans les environnements de test comme dans les bases de données plus volumineuses. Elle évite l’effet “boîte noire” que l’on rencontre parfois dans des requêtes trop compactes.
Un bon filtre ne cherche pas à faire de la magie ; il organise simplement les données avec assez de précision pour qu’elles deviennent utiles.
Pièges fréquents avec LIKE et AND en SQL
Le premier piège est de confondre une recherche exacte et une recherche partielle. LIKE ne fonctionne pas comme = : sans joker, le résultat peut être très différent de ce que l’on imagine. Le second piège vient de la casse ou de la collation selon le moteur SQL utilisé, car le comportement peut varier selon les bases de données.
Autre écueil courant : multiplier les conditions sans tester la requête par étapes. Quand un filtre renvoie “trop peu” de lignes, il faut isoler chaque partie pour comprendre où le tri devient trop sévère. Cette méthode de vérification rappelle un atelier de modélisme : mieux vaut contrôler l’assemblage avant de coller définitivement. Une requête claire se corrige bien plus facilement qu’un bloc compact difficile à relire.
Une routine simple pour éviter les erreurs
Avant de valider une requête, il est utile de vérifier trois points : le motif recherché, les conditions cumulées, et la cohérence des données source. Cette petite discipline permet d’éviter bien des surprises, surtout quand plusieurs opérateurs se croisent dans une même instruction.
Dans un projet réel, une équipe marketing avait filtré ses prospects avec LIKE sur le prénom puis ajouté plusieurs AND sur le pays et la date d’inscription. La logique était bonne, mais un motif trop large a laissé passer des noms inattendus. Après ajustement, le ciblage est devenu beaucoup plus propre. En SQL, la finesse du résultat dépend souvent d’un détail minuscule.
Exemples pratiques de requêtes SQL avec AND et LIKE
Pour rendre ces opérateurs concrets, rien ne vaut quelques cas de travail. Une requête peut viser les commandes dont le libellé contient “urgent” et dont le statut est “en cours”. Une autre peut chercher les références produit qui commencent par “KIT” et appartiennent à une famille précise. Dans les deux cas, le texte guide la sélection, tandis que le second critère verrouille le contexte.
Ce type d’approche se retrouve dans bien des environnements : assistance client, gestion de stock, suivi éditorial, ou analyse commerciale. Les besoins changent, mais la logique reste la même. Quand les conditions sont bien pensées, les requêtes gagnent en netteté et les résultats en pertinence.
| Cas d’usage | Motif avec LIKE | Condition avec AND | Effet attendu |
|---|---|---|---|
| Clients | Nom contenant une séquence donnée | Pays = France | Liste ciblée et exploitable |
| Produits | Référence commençant par une préfixe | Catégorie = maquettes | Recherche structurée par famille |
| Contenus | Titre incluant un mot-clé | Statut = publié | Affichage des éléments prêts à l’emploi |
À force de pratiquer, ce duo devient presque instinctif. Comme pour une bonne maquette, l’assemblage repose sur des pièces simples, mais bien ajustées.
Quelle différence entre AND et LIKE en SQL ?
AND combine plusieurs conditions, alors que LIKE sert à chercher un motif dans un texte. Ils répondent à deux besoins différents mais se complètent très bien dans une même requête.
LIKE peut-il fonctionner sans joker ?
Oui, mais l’intérêt devient limité, car LIKE sans joker se rapproche d’une recherche exacte. Les jokers % et _ donnent toute sa souplesse à l’opérateur.
Peut-on utiliser AND avec plusieurs LIKE ?
Oui, c’est même très courant. Plusieurs motifs peuvent être combinés avec AND pour affiner une sélection sur plusieurs champs ou plusieurs critères texte.
Pourquoi ma requête SQL renvoie trop de résultats ?
Le motif LIKE est peut-être trop large, ou une condition AND manque de précision. Il faut tester chaque filtre séparément pour repérer celui qui ouvre trop la sélection.
