Exercices SQL corrigés : GROUP BY

Mis à jour le 22 septembre 2026

GROUP BY calcule un résumé par groupe : une ligne de résultat par valeur de la colonne. Ces 15 exercices vont du niveau 2 au niveau 3 ; ils utilisent la syntaxe de SQLite, le moteur SQL de SpeedQL.

Conseil : Toute colonne affichée sans agrégat doit apparaître dans le GROUP BY.

Relire la fiche « GROUP BY » de l’aide-mémoire

Exercice 1 · niveau 2

Pour chaque département, affiche le département et le nombre d'employés.

Table `employees` (8 lignes)
id	name	department	salary
1	Alice	Finance	32000
2	Bob	IT	41000
3	Claire	Finance	38000
4	David	HR	29000
5	Emma	IT	50000
6	Farid	IT	47000
7	Gaelle	HR	33000
8	Hugo	Finance	44000

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, COUNT(*)
FROM …
GROUP BY …

Voir la correction

SELECT department, COUNT(*)
FROM employees
GROUP BY department;

Résultat attendu (3 lignes) :

department	COUNT(*)
Finance	3
HR	2
IT	3

Exercice 2 · niveau 2

Pour chaque département, affiche le département et le salaire moyen de ses employés.

Table `employees` (8 lignes)
id	name	department	salary
1	Alice	Finance	32000
2	Bob	IT	41000
3	Claire	Finance	38000
4	David	HR	29000
5	Emma	IT	50000
6	Farid	IT	47000
7	Gaelle	HR	33000
8	Hugo	Finance	44000

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, AVG(…)
FROM …
GROUP BY …

Voir la correction

SELECT department, AVG(salary)
FROM employees
GROUP BY department;

Résultat attendu (3 lignes) :

department	AVG(salary)
Finance	38000
HR	31000
IT	46000

Exercice 3 · niveau 2

Pour chaque département, affiche le département et le total des salaires versés.

Table `employees` (8 lignes)
id	name	department	salary
1	Alice	Finance	32000
2	Bob	IT	41000
3	Claire	Finance	38000
4	David	HR	29000
5	Emma	IT	50000
6	Farid	IT	47000
7	Gaelle	HR	33000
8	Hugo	Finance	44000

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, SUM(…)
FROM …
GROUP BY …

Voir la correction

SELECT department, SUM(salary)
FROM employees
GROUP BY department;

Résultat attendu (3 lignes) :

department	SUM(salary)
Finance	114000
HR	62000
IT	138000

Exercice 4 · niveau 2

Pour chaque catégorie, affiche la catégorie et le stock total de ses produits.

Table `products` (6 lignes)
id	name	category	price	stock
1	Keyboard	Office	25	40
2	Mouse	Office	15	0
3	Screen	Display	180	12
4	Headset	Audio	60	8
5	Webcam	Office	45	0
6	Speaker	Audio	35	25

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, SUM(…)
FROM …
GROUP BY …

Voir la correction

SELECT category, SUM(stock)
FROM products
GROUP BY category;

Résultat attendu (3 lignes) :

category	SUM(stock)
Audio	33
Display	12
Office	40

Exercice 5 · niveau 2

Pour chaque genre, affiche le genre et le nombre de films.

Table `movies` (10 lignes)
id	title	genre	year	duration	rating	director_id
1	Night Train	Thriller	2015	118	7.8	1
2	Blue Harbor	Drama	2018	102	7.1	2
3	Paper Moon City	Comedy	2012	95	6.4	5
4	Silent Peak	Drama	2020	131	8.2	3
5	Last Signal	Sci-Fi	2019	142	7.5	1
6	Summer Keys	Comedy	2016	88	5.9	4
7	Iron Garden	Sci-Fi	2021	125	8	3
8	Dust and Gold	Western	2014	110	6.8	2
9	The Quiet Hour	Drama	2022	97	7.4	5
10	Deep Current	Thriller	2017	105	6.9	NULL

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, COUNT(*)
FROM …
GROUP BY …

Voir la correction

SELECT genre, COUNT(*)
FROM movies
GROUP BY genre;

Résultat attendu (5 lignes) :

genre	COUNT(*)
Comedy	2
Drama	3
Sci-Fi	2
Thriller	2
Western	1

Exercice 6 · niveau 2

Pour chaque ville, affiche la ville et le nombre de membres.

Table `members` (6 lignes)
id	name	city	joined
1	Lena	Lyon	2022-01-15
2	Marc	Paris	2021-06-03
3	Nadia	Lyon	2023-03-20
4	Oscar	Lille	2020-11-11
5	Paula	Paris	2024-02-01
6	Quentin	Nantes	2023-09-09

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, COUNT(*)
FROM …
GROUP BY …

Voir la correction

SELECT city, COUNT(*)
FROM members
GROUP BY city;

Résultat attendu (4 lignes) :

city	COUNT(*)
Lille	1
Lyon	2
Nantes	1
Paris	2

Exercice 7 · niveau 2

Pour chaque compagnie, affiche la compagnie, le nombre de vols et le prix moyen.

Table `flights` (12 lignes)
id	airline	origin	dest	departs	duration_min	price	seats_sold	capacity
1	SkyJet	CDG	MAD	2025-06-01 08:10	125	89	150	180
2	AirNova	CDG	LIS	2025-06-01 11:40	155	120	160	170
3	BlueWing	LYS	FCO	2025-06-02 07:30	95	75	110	150
4	SkyJet	MAD	CDG	2025-06-02 18:20	120	95	170	180
5	AirNova	BER	CDG	2025-06-03 09:05	110	105	140	160
6	BlueWing	NCE	BER	2025-06-03 13:50	130	140	90	150
7	SkyJet	CDG	FCO	2025-06-04 06:45	135	99	175	180
8	AirNova	LIS	MAD	2025-06-04 16:15	75	65	60	120
9	BlueWing	FCO	LYS	2025-06-05 20:30	100	82	130	150
10	SkyJet	CDG	BER	2025-06-05 10:00	105	110	120	180
11	AirNova	MAD	LIS	2025-06-06 12:25	80	70	95	120
12	BlueWing	LYS	MAD	2025-06-06 15:40	115	79	100	150

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, COUNT(*), AVG(…)
FROM …
GROUP BY …

Voir la correction

SELECT airline, COUNT(*), AVG(price)
FROM flights
GROUP BY airline;

Résultat attendu (3 lignes) :

airline	COUNT(*)	AVG(price)
AirNova	4	90
BlueWing	4	94
SkyJet	4	98.25

Exercice 8 · niveau 2

Pour chaque genre, affiche le genre, le nombre de chansons et la durée moyenne en secondes.

Table `songs` (10 lignes)
id	title	artist_id	genre	duration_s	released
1	Glass Heart	1	Pop	214	2019-04-12
2	Low Tide	1	Pop	198	2021-06-01
3	Rust	2	Rock	256	2008-09-30
4	Wires	2	Rock	301	2015-02-14
5	Sunday Market	3	Afrobeat	233	2020-11-20
6	Palm Wine	3	Afrobeat	245	2022-03-03
7	Alma	4	Latin	189	2013-07-07
8	Brisa	4	Pop	205	2018-05-25
9	Night Drive	5	Electro	276	2021-10-10
10	Pulse	5	Electro	230	2023-01-15

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, COUNT(*), AVG(…)
FROM …
GROUP BY …

Voir la correction

SELECT genre, COUNT(*), AVG(duration_s)
FROM songs
GROUP BY genre;

Résultat attendu (5 lignes) :

genre	COUNT(*)	AVG(duration_s)
Afrobeat	2	239
Electro	2	253
Latin	1	189
Pop	3	205.66666666666666
Rock	2	278.5

Exercice 9 · niveau 2

Pour chaque ville, affiche la ville, la plus haute température maximale relevée et la plus basse température minimale relevée.

Table `readings` (15 lignes)
id	city	day	temp_max	temp_min	rain_mm
1	Paris	2025-07-01	24	15	0
2	Paris	2025-07-02	27	17	0
3	Paris	2025-07-03	22	16	4.5
4	Paris	2025-07-04	19	14	12
5	Paris	2025-07-05	23	13	0
6	Lyon	2025-07-01	26	16	0
7	Lyon	2025-07-02	29	18	0
8	Lyon	2025-07-03	31	19	0
9	Lyon	2025-07-04	24	17	8.5
10	Lyon	2025-07-05	22	15	3
11	Marseille	2025-07-01	30	21	0
12	Marseille	2025-07-02	32	22	0
13	Marseille	2025-07-03	33	23	0
14	Marseille	2025-07-04	29	21	0
15	Marseille	2025-07-05	28	20	0

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, MAX(…), MIN(…)
FROM …
GROUP BY …

Voir la correction

SELECT city, MAX(temp_max), MIN(temp_min)
FROM readings
GROUP BY city;

Résultat attendu (3 lignes) :

city	MAX(temp_max)	MIN(temp_min)
Lyon	31	15
Marseille	33	20
Paris	27	13

Exercice 10 · niveau 2

Pour chaque type de chambre, affiche le type et le prix moyen arrondi à 1 décimale.

Table `rooms` (10 lignes)
id	hotel_id	type	price
1	1	single	70
2	1	double	95
3	2	double	130
4	2	suite	210
5	3	single	110
6	3	double	150
7	4	double	65
8	5	double	260
9	5	suite	480
10	5	single	190

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, ROUND(AVG(…), …)
FROM …
GROUP BY …

Voir la correction

SELECT type, ROUND(AVG(price), 1)
FROM rooms
GROUP BY type;

Résultat attendu (3 lignes) :

type	ROUND(AVG(price), 1)
double	140
single	123.3
suite	345

Exercice 11 · niveau 2

Pour chaque statut de commande, affiche le statut et le nombre de commandes.

Table `orders` (8 lignes)
id	customer_id	order_date	status
1	1	2025-01-05	shipped
2	2	2025-01-12	shipped
3	1	2025-02-03	paid
4	3	2025-02-10	cancelled
5	4	2025-02-20	shipped
6	5	2025-03-02	shipped
7	2	2025-03-15	paid
8	3	2025-03-28	shipped

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, COUNT(*)
FROM …
GROUP BY …

Voir la correction

SELECT status, COUNT(*)
FROM orders
GROUP BY status;

Résultat attendu (3 lignes) :

status	COUNT(*)
cancelled	1
paid	2
shipped	5

Exercice 12 · niveau 2

Pour chaque statut, affiche le statut et le nombre total d'heures des tâches.

Table `tasks` (10 lignes)
id	project_id	dev_id	title	hours	status	done_on
1	1	1	Landing page	12	done	2025-03-10
2	1	3	Data model	20	done	2025-03-20
3	1	2	Login	8	doing	NULL
4	2	4	ETL job	16	done	2025-04-02
5	2	5	CI pipeline	6	done	2025-03-15
6	3	1	Dashboard	14	todo	NULL
7	3	3	Report	10	done	2025-04-25
8	4	2	API	18	doing	NULL
9	4	5	Monitoring	9	todo	NULL
10	4	4	Forecast	22	done	2025-05-05

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, SUM(…)
FROM …
GROUP BY …

Voir la correction

SELECT status, SUM(hours)
FROM tasks
GROUP BY status;

Résultat attendu (3 lignes) :

status	SUM(hours)
doing	26
done	86
todo	23

Exercice 13 · niveau 2

Pour chaque compte qui a des opérations, affiche le numéro du compte (account_id) et son solde (somme des montants).

Table `transactions` (14 lignes)
id	account_id	made_on	amount	label
1	1	2025-01-02	2500	salary
2	1	2025-01-05	-60	groceries
3	1	2025-01-12	-800	rent
4	2	2025-01-15	500	transfer
5	3	2025-01-03	1900	salary
6	3	2025-01-20	-120	groceries
7	3	2025-02-01	-950	rent
8	4	2025-01-25	2100	salary
9	4	2025-02-03	-45	restaurant
10	1	2025-02-02	2600	salary
11	1	2025-02-06	-75	groceries
12	5	2025-02-10	30	interest
13	2	2025-02-15	500	transfer
14	4	2025-02-18	-600	rent

Voir l’indice

Notions à utiliser : COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, SUM(…)
FROM …
GROUP BY …

Voir la correction

SELECT account_id, SUM(amount)
FROM transactions
GROUP BY account_id;

Résultat attendu (5 lignes) :

account_id	SUM(amount)
1	4165
2	1000
3	830
4	1455
5	30

Exercice 14 · niveau 3

Pour chaque département, affiche le département, le nombre d'employés et le salaire moyen, du salaire moyen le plus élevé au plus faible.

Table `employees` (8 lignes)
id	name	department	salary
1	Alice	Finance	32000
2	Bob	IT	41000
3	Claire	Finance	38000
4	David	HR	29000
5	Emma	IT	50000
6	Farid	IT	47000
7	Gaelle	HR	33000
8	Hugo	Finance	44000

Voir l’indice

Notions à utiliser : ORDER BY, LIMIT, COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …, COUNT(*), AVG(…)
FROM …
GROUP BY …
ORDER BY AVG(…) DESC

Voir la correction

SELECT department, COUNT(*), AVG(salary)
FROM employees
GROUP BY department
ORDER BY AVG(salary) DESC;

Résultat attendu (3 lignes, dans cet ordre) :

department	COUNT(*)	AVG(salary)
IT	3	46000
Finance	3	38000
HR	2	31000

Exercice 15 · niveau 3

Affiche le département dont le salaire moyen est le plus élevé.

Table `employees` (8 lignes)
id	name	department	salary
1	Alice	Finance	32000
2	Bob	IT	41000
3	Claire	Finance	38000
4	David	HR	29000
5	Emma	IT	50000
6	Farid	IT	47000
7	Gaelle	HR	33000
8	Hugo	Finance	44000

Voir l’indice

Notions à utiliser : ORDER BY, LIMIT, COUNT, SUM, AVG, MIN, MAX, GROUP BY.

Structure de la requête :

SELECT …
FROM …
GROUP BY …
ORDER BY AVG(…) DESC
LIMIT …

Voir la correction

SELECT department
FROM employees
GROUP BY department
ORDER BY AVG(salary) DESC
LIMIT 1;

Résultat attendu (1 ligne) :

department
IT

department

S’entraîner avec correction automatique

Dans SpeedQL, tu écris ta requête et elle est vérifiée tout de suite, sur ces tables puis sur un jeu de données caché.

S’entraîner sur les 27 questions « GROUP BY »