Exercices SQL corrigés : HAVING

Mis à jour le 22 septembre 2026

HAVING filtre les groupes après GROUP BY (WHERE, lui, filtre les lignes avant). Ces 12 exercices vont du niveau 2 au niveau 3 ; ils utilisent la syntaxe de SQLite, le moteur SQL de SpeedQL.

Conseil : Une condition sur COUNT, SUM ou AVG va dans HAVING, jamais dans WHERE.

Relire la fiche « HAVING » de l’aide-mémoire

Exercice 1 · niveau 2

Affiche les départements qui comptent plus de 2 employés, avec leur 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, HAVING.

Structure de la requête :

SELECT …, COUNT(*)
FROM …
GROUP BY …
HAVING COUNT(*) > …

Voir la correction

SELECT department, COUNT(*)
FROM employees
GROUP BY department
HAVING COUNT(*) > 2;

Résultat attendu (2 lignes) :

department	COUNT(*)
Finance	3
IT	3

department

COUNT(*)

Finance

Exercice 2 · niveau 3

Affiche le nom et le montant total des commandes des clients dont le total dépasse 160.

Table `customers` (4 lignes)
id	name	city
1	Alice	Paris
2	Bruno	Lyon
3	Chloe	Paris
4	Dylan	Nantes

Table `orders` (6 lignes)
id	customer_id	amount
1	1	120
2	1	80
3	2	200
4	3	50
5	3	75
6	3	30

Voir l’indice

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

Structure de la requête :

SELECT …, SUM(…)
FROM …
INNER JOIN … ON … = …
GROUP BY …
HAVING SUM(…) > …

Voir la correction

SELECT customers.name, SUM(orders.amount)
FROM customers
INNER JOIN orders ON customers.id = orders.customer_id
GROUP BY customers.id
HAVING SUM(orders.amount) > 160;

Résultat attendu (2 lignes) :

name	SUM(orders.amount)
Alice	200
Bruno	200

name

SUM(orders.amount)

Alice

200

Bruno

200

Exercice 3 · niveau 3

Affiche chaque ville dont le total des commandes dépasse 250, avec ce total.

Table `customers` (4 lignes)
id	name	city
1	Alice	Paris
2	Bruno	Lyon
3	Chloe	Paris
4	Dylan	Nantes

Table `orders` (6 lignes)
id	customer_id	amount
1	1	120
2	1	80
3	2	200
4	3	50
5	3	75
6	3	30

Voir l’indice

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

Structure de la requête :

SELECT …, SUM(…)
FROM …
INNER JOIN … ON … = …
GROUP BY …
HAVING SUM(…) > …

Voir la correction

SELECT customers.city, SUM(orders.amount)
FROM customers
INNER JOIN orders ON customers.id = orders.customer_id
GROUP BY customers.city
HAVING SUM(orders.amount) > 250;

Résultat attendu (1 ligne) :

city	SUM(orders.amount)
Paris	355

city

SUM(orders.amount)

Paris

355

Exercice 4 · niveau 3

Affiche le nom des réalisateurs qui ont réalisé au moins 2 films, avec leur nombre de films et la note moyenne de leurs 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

Table `directors` (6 lignes)
id	name	country
1	Nora Ellis	UK
2	Paulo Reis	Brazil
3	Kenji Mori	Japan
4	Anna Berg	Sweden
5	Luc Martin	France
6	Sara Diaz	Spain

Voir l’indice

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

Structure de la requête :

SELECT …, COUNT(*), AVG(…)
FROM … …
JOIN … … ON … = …
GROUP BY …
HAVING COUNT(*) >= …

Voir la correction

SELECT d.name, COUNT(*), AVG(m.rating)
FROM directors d
JOIN movies m ON m.director_id = d.id
GROUP BY d.id
HAVING COUNT(*) >= 2;

Résultat attendu (4 lignes) :

name	COUNT(*)	AVG(m.rating)
Nora Ellis	2	7.65
Paulo Reis	2	6.949999999999999
Kenji Mori	2	8.1
Luc Martin	2	6.9

Exercice 5 · niveau 3

Affiche le titre des livres empruntés au moins 2 fois, avec leur nombre d'emprunts.

Table `books` (10 lignes)
id	title	author_id	genre	pages	year
1	Cold River	1	Novel	320	2011
2	Salt Roads	2	Travel	210	2016
3	The Glass Hive	3	Sci-Fi	412	2019
4	Winter Ledger	1	Crime	288	2014
5	Desert Letters	2	Novel	356	2020
6	Small Engines	4	Sci-Fi	198	2022
7	Harbor Lights	5	Novel	445	2008
8	Night Garden	3	Crime	301	2017
9	Paper Birds	5	Poetry	96	2012
10	Open Maps	4	Travel	240	2021

Table `loans` (12 lignes)
id	book_id	member_id	loan_date	return_date
1	1	1	2025-01-05	2025-01-19
2	3	2	2025-01-10	2025-02-02
3	5	1	2025-02-01	2025-02-10
4	7	3	2025-02-03	NULL
5	3	4	2025-02-15	2025-03-01
6	2	2	2025-03-02	2025-03-30
7	8	5	2025-03-05	NULL
8	1	3	2025-03-10	2025-03-18
9	6	1	2025-03-20	2025-04-15
10	3	5	2025-04-01	NULL
11	9	4	2025-04-05	2025-04-12
12	10	2	2025-04-08	2025-04-20

Voir l’indice

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

Structure de la requête :

SELECT …, COUNT(*)
FROM … …
JOIN … … ON … = …
GROUP BY …
HAVING COUNT(*) >= …

Voir la correction

SELECT b.title, COUNT(*)
FROM books b
JOIN loans l ON l.book_id = b.id
GROUP BY b.id
HAVING COUNT(*) >= 2;

Résultat attendu (2 lignes) :

title	COUNT(*)
Cold River	2
The Glass Hive	3

title

COUNT(*)

Cold River

The Glass Hive

Exercice 6 · niveau 3

Pour chaque équipe, affiche son nom et le nombre de buts marqués à domicile, uniquement pour les équipes qui ont marqué au moins 3 buts à domicile.

Table `teams` (5 lignes)
id	name	city	founded
1	Red Foxes	Lyon	1950
2	Blue Owls	Paris	1962
3	Green Bulls	Lille	1971
4	Gold Hawks	Nantes	1988
5	Grey Wolves	Paris	1990

Table `matches` (10 lignes)
id	played_on	home_id	away_id	home_goals	away_goals
1	2025-08-02	1	2	2	1
2	2025-08-03	3	4	0	0
3	2025-08-09	5	1	1	3
4	2025-08-10	2	3	2	2
5	2025-08-16	4	5	3	1
6	2025-08-17	1	3	1	0
7	2025-08-23	2	4	0	1
8	2025-08-24	3	5	2	3
9	2025-08-30	4	1	1	1
10	2025-08-31	5	2	0	2

Voir l’indice

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

Structure de la requête :

SELECT …, SUM(…)
FROM … …
JOIN … … ON … = …
GROUP BY …
HAVING SUM(…) >= …

Voir la correction

SELECT t.name, SUM(m.home_goals)
FROM teams t
JOIN matches m ON m.home_id = t.id
GROUP BY t.id
HAVING SUM(m.home_goals) >= 3;

Résultat attendu (2 lignes) :

name	SUM(m.home_goals)
Red Foxes	3
Gold Hawks	4

name

SUM(m.home_goals)

Red Foxes

Gold Hawks

Exercice 7 · niveau 3

Pour chaque aéroport de départ, affiche son code et le nombre total de places vendues, uniquement pour les aéroports qui totalisent plus de 250 places vendues.

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, HAVING.

Structure de la requête :

SELECT …, SUM(…)
FROM …
GROUP BY …
HAVING SUM(…) > …

Voir la correction

SELECT origin, SUM(seats_sold)
FROM flights
GROUP BY origin
HAVING SUM(seats_sold) > 250;

Résultat attendu (2 lignes) :

origin	SUM(seats_sold)
CDG	605
MAD	265

origin

SUM(seats_sold)

CDG

605

MAD

265

Exercice 8 · niveau 3

Pour chaque ville, affiche la ville et la pluie totale, uniquement pour les villes qui ont reçu au moins 5 mm au total.

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, HAVING.

Structure de la requête :

SELECT …, SUM(…)
FROM …
GROUP BY …
HAVING SUM(…) >= …

Voir la correction

SELECT city, SUM(rain_mm)
FROM readings
GROUP BY city
HAVING SUM(rain_mm) >= 5;

Résultat attendu (2 lignes) :

city	SUM(rain_mm)
Lyon	11.5
Paris	16.5

city

SUM(rain_mm)

Lyon

11.5

Paris

16.5

Exercice 9 · niveau 3

Affiche le nom des hôtels qui ont au moins 3 réservations (toutes chambres confondues), avec leur nombre de réservations.

Table `hotels` (5 lignes)
id	name	city	stars
1	Seaside Inn	Nice	3
2	Alpine Lodge	Annecy	4
3	City Loft	Paris	4
4	Old Mill	Bordeaux	2
5	Grand Palace	Paris	5

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

Table `bookings` (11 lignes)
id	room_id	guest_id	check_in	check_out
1	2	1	2025-07-01	2025-07-04
2	5	2	2025-07-02	2025-07-05
3	8	3	2025-07-03	2025-07-06
4	3	4	2025-07-05	2025-07-12
5	6	5	2025-07-06	2025-07-08
6	1	2	2025-07-08	2025-07-10
7	9	3	2025-07-10	2025-07-11
8	7	5	2025-07-11	2025-07-15
9	4	1	2025-07-14	2025-07-16
10	6	4	2025-07-15	2025-07-19
11	6	5	2025-07-16	2025-07-18

Voir l’indice

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

Structure de la requête :

SELECT …, COUNT(*)
FROM … …
JOIN … … ON … = …
JOIN … … ON … = …
GROUP BY …
HAVING COUNT(*) >= …

Voir la correction

SELECT h.name, COUNT(*)
FROM hotels h
JOIN rooms r ON r.hotel_id = h.id
JOIN bookings b ON b.room_id = r.id
GROUP BY h.id
HAVING COUNT(*) >= 3;

Résultat attendu (1 ligne) :

name	COUNT(*)
City Loft	4

name

COUNT(*)

City Loft

Exercice 10 · niveau 3

Affiche le nom des produits commandés en au moins 3 exemplaires au total, avec la quantité totale.

Table `products` (7 lignes)
id	name	category	price
1	Desk Lamp	Home	35
2	Coffee Mug	Kitchen	12
3	Notebook	Office	6
4	Office Chair	Office	149
5	Kettle	Kitchen	45
6	Cushion	Home	22
7	Stapler	Office	9

Table `order_items` (14 lignes)
order_id	product_id	qty
1	1	1
1	2	2
2	4	1
3	3	5
3	2	1
4	5	1
5	6	2
5	1	1
6	2	4
6	3	3
7	4	1
7	6	1
8	5	2
8	2	1

Voir l’indice

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

Structure de la requête :

SELECT …, SUM(…)
FROM … …
JOIN … … ON … = …
GROUP BY …
HAVING SUM(…) >= …

Voir la correction

SELECT p.name, SUM(oi.qty)
FROM products p
JOIN order_items oi ON oi.product_id = p.id
GROUP BY p.id
HAVING SUM(oi.qty) >= 3;

Résultat attendu (4 lignes) :

name	SUM(oi.qty)
Coffee Mug	8
Notebook	8
Kettle	3
Cushion	3

Exercice 11 · niveau 3

Affiche le nom des projets qui ont au moins 2 tâches terminées ('done'), avec ce nombre de tâches.

Table `projects` (4 lignes)
id	name	client	budget	deadline
1	Atlas	Acme	20000	2025-06-30
2	Beacon	Bolt	12000	2025-05-15
3	Comet	Acme	8000	2025-04-30
4	Delta	Cyan	15000	2025-07-31

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 : WHERE (filtres), COUNT, SUM, AVG, MIN, MAX, GROUP BY, JOIN, HAVING.

Structure de la requête :

SELECT …, COUNT(*)
FROM … …
JOIN … … ON … = …
WHERE … = …
GROUP BY …
HAVING COUNT(*) >= …

Voir la correction

SELECT p.name, COUNT(*)
FROM projects p
JOIN tasks t ON t.project_id = p.id
WHERE t.status = 'done'
GROUP BY p.id
HAVING COUNT(*) >= 2;

Résultat attendu (2 lignes) :

name	COUNT(*)
Atlas	2
Beacon	2

name

COUNT(*)

Atlas

Beacon

Exercice 12 · niveau 3

Pour chaque libellé (label) qui apparaît au moins 3 fois, affiche le libellé, le nombre d'opérations et leur somme.

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, HAVING.

Structure de la requête :

SELECT …, COUNT(*), SUM(…)
FROM …
GROUP BY …
HAVING COUNT(*) >= …

Voir la correction

SELECT label, COUNT(*), SUM(amount)
FROM transactions
GROUP BY label
HAVING COUNT(*) >= 3;

Résultat attendu (3 lignes) :

label	COUNT(*)	SUM(amount)
groceries	3	-255
rent	3	-2350
salary	4	9100

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 20 questions « HAVING »