Ce qu'exigent aujourd'hui les architectures de données modernes

L'intégration des données SAP a toujours reposé sur le même principe fondamental : extraire les données des systèmes SAP opérationnels et les mettre à disposition pour le reporting, l'analyse ou les entrepôts de données. Cela n'a pas changé, mais les exigences supplémentaires d'aujourd'hui, elles, ont évolué. Les architectures cloud et « lakehouse », les processus automatisés ainsi que les nouvelles applications basées sur les données élargissent considérablement le profil des exigences.

Les données doivent non seulement être disponibles de manière fiable, mais aussi être aussi à jour que possible, traçables et exploitables sur différentes plateformes – par exemple dans des environnements cloud et d'analyse tels que Microsoft Fabric, Databricks ou Snowflake. Cela modifie également le rôle de l'intégration des données. La simple connexion entre le système source et le système cible devient de plus en plus le fondement de l’utilisation des données SAP à l’échelle de l’entreprise, y compris comme base pour les agents et applications d’IA.

Cela implique à son tour une interaction entre différentes exigences : les entreprises ont besoin de voies d’accès conformes à SAP, doivent mettre à disposition des données aussi à jour que possible en fonction du cas d’utilisation, tout en préservant leur contexte métier. Parallèlement, elles doivent éviter de créer de nouvelles dépendances. Enfin, la question se pose de savoir comment les données et les informations qui en découlent peuvent être réintégrées dans les processus opérationnels. Avec ces nouveaux scénarios d’utilisation, la question de savoir comment les entreprises accèdent aux données SAP passe au premier plan.

De nouvelles règles en matière d'accès aux données

À l'avenir, les solutions d'intégration modernes devront allier performances et voies d'accès conformes aux normes SAP.

Les vues CDS jouent ici un rôle déterminant et constituent la base d'une mise à disposition structurée et ciblée des données SAP. Les entreprises doivent donc déterminer quel mode d'accès est le mieux adapté à chaque cas d'utilisation. Le volume de données, les exigences en matière d'actualité et les environnements système existants, par exemple, jouent ici un rôle important.

La dernière version de Xtract Universal.iQ, développée par Theobald Software, prend en charge différentes approches : outre ODP OData, interface standard SAP bien établie pour l'accès aux vues CDS, CDSFlow offre une autre solution permettant une extraction ciblée et sélective ainsi que des processus delta stables. Même le meilleur accès aux données n'est d'une utilité limitée si les décisions reposent sur des informations obsolètes. Le traitement par lots classique atteint ses limites dès lors que les processus opérationnels exigent des informations actualisées. Au lieu d'un transfert régulier des données, celles-ci doivent de plus en plus être disponibles avec une faible latence pour les analyses, les applications et les processus automatisés.

La disponibilité des données actualisées ne dépend pas uniquement de la plateforme utilisée. Ce qui est déterminant, c'est plutôt la fréquence à laquelle les modifications issues des systèmes SAP sont transmises. Des méthodes telles que Table CDC ou CDSFlow permettent de mettre à disposition les modifications en continu ou à intervalles réguliers.

Apache Kafka peut servir de hub central de données, via lequel les données sont traitées en continu et distribuées vers des applications en aval ou des lacs de données. Plus le délai entre une modification dans le système SAP et la mise à disposition des systèmes en aval est court, plus ces informations peuvent être intégrées rapidement dans des analyses ou des processus opérationnels. L'actualité devient ainsi un aspect central de l'intégration moderne des données SAP, quelle que soit la technologie utilisée pour le traitement ultérieur.

À mesure que les volumes de données augmentent, le besoin de les structurer s'accroît également. En effet, ce n'est pas parce que les données sont techniquement disponibles qu'elles sont pour autant exploitables.

Les entreprises doivent savoir quelles données sont disponibles, lesquelles leur sont réellement nécessaires, ce qu'elles signifient et quels sont leurs liens entre elles. Les métadonnées fournissent ce contexte : elles permettent de comprendre les sources de données et leurs liens, et aident à identifier plus rapidement les données SAP pertinentes pour un cas d'utilisation donné.

Les données ont besoin d'un contexte

Une gestion centralisée des métadonnées et des termes permet de classer les objets de données SAP selon leur domaine fonctionnel, de mettre en évidence les responsabilités et de traduire les noms de champs techniques en termes compréhensibles pour les utilisateurs métier. Les informations de traçabilité complètent ce classement en fournissant des informations sur l'origine des données, ce qui constitue une condition préalable essentielle au contrôle, à la conformité et à la qualité des données.

Xtract Universal.iQ rassemble ces connaissances contextuelles et jette ainsi les bases de produits de données réutilisables. Au lieu de retraiter les données brutes SAP pour chaque cas d'utilisation, on obtient des produits de données documentés et catalogués auxquels les services métier peuvent accéder directement.

Ce contexte supplémentaire rend les données SAP non seulement plus compréhensibles pour les utilisateurs métier, mais aussi de plus en plus exploitables par les agents d’IA. Outre l’exploitabilité, l’accent est mis sur le contrôle du lieu et de la manière dont les données sont traitées – le mot-clé étant la souveraineté des données. Celle-ci prend une importance croissante, notamment au regard des architectures modernes de cloud et de « lakehouse ». La souveraineté des données ne se limite pas à la question de savoir où les données sont physiquement stockées. Ce qui est déterminant, c’est le degré de dépendance d’une architecture vis-à-vis d’un fournisseur donné, par exemple via des connexions cloud spécifiques à un fabricant, des interfaces propriétaires ou des formats de stockage fermés.

Plus ce lien est étroit, plus le changement de plateforme sera difficile et coûteux par la suite. En revanche, en séparant systématiquement les sources de données, la couche d'intégration et les systèmes cibles, on réduit cette dépendance et on se préserve la possibilité de continuer à développer sa propre infrastructure de données en toute flexibilité.

C'est là qu'interviennent les formats de table ouverts tels qu'Apache Iceberg. Ils mettent les données à disposition de manière à ce que différentes plateformes d'analyse et de données puissent y accéder. Le choix du format de données devient ainsi un facteur essentiel pour la flexibilité à long terme d'une architecture de données.

Intégration souveraine des données

Xtract Universal.iQ permet de mettre à disposition les données SAP de manière automatisée et incrémentielle dans ce format ouvert destiné aux architectures de « data lakehouse ». La souveraineté des données ne se limite toutefois pas au choix du format de données et de l'architecture. Il est tout aussi important de savoir qui exploite l'infrastructure d'intégration des données.

Des modèles de déploiement flexibles et conteneurisés permettent aux entreprises, à ce niveau également, de choisir où elles souhaitent effectuer leur intégration de données. Xtract Universal.iQ peut par exemple être déployé au sein de l'infrastructure propre à l'entreprise ou dans un cloud privé. L'intégration moderne des données SAP ne s'arrête pas lorsque les données quittent le système SAP. Les enseignements tirés des analyses doivent également pouvoir être réinjectés dans les processus opérationnels.

Du flux de données au processus

Pour cela, l'intégration doit fonctionner dans les deux sens. L'intégration des données devient ainsi de plus en plus une intégration des processus. Selon l'application, il doit également être possible de déclencher des processus ou de réécrire des données de manière ciblée. Xtract Universal.iQ prend en charge cette approche bidirectionnelle.

Les scénarios d'IA élargissent encore cette approche : grâce à un serveur MCP optionnel, les données et services SAP peuvent être mis à la disposition des agents d'IA et des applications basées sur des modèles de langage (LLM) de manière contrôlée.

L'accès aux données n'est qu'un début

Les exigences en matière d'intégration des données SAP ne cessent de se diversifier, et cette évolution ne semble pas près de s'arrêter. Depuis longtemps déjà, les données ne servent plus uniquement de base aux rapports ou aux analyses, mais constituent le fondement même des décisions, des processus et des nouveaux modèles économiques axés sur les données.

La question de savoir comment les rendre disponibles et exploitables à long terme pour les entreprises revêt donc d'autant plus d'importance. L'avenir de l'intégration des données SAP réside donc dans la combinaison de différentes exigences et technologies.

Des voies d'accès conformes à SAP, des données en temps réel, des métadonnées, des formats ouverts et une intégration bidirectionnelle des processus constituent aujourd'hui les éléments clés. Il est impossible de prévoir aujourd'hui toutes les exigences qui s'ajouteront à l'avenir.

Il est donc d'autant plus important de disposer d'une architecture d'intégration capable d'intégrer de nouvelles plateformes cibles, de nouveaux modes d'accès et de nouveaux scénarios d'utilisation, sans pour autant devoir repenser de fond en comble les flux de données existants.