L'acquisition par SAP de la start-up fribourgeoise sp\u00e9cialis\u00e9e dans l'IA, Prior Labs, annonc\u00e9e en mai 2026, a mis en avant un concept d'IA qui pourrait rev\u00eatir une importance fondamentale pour les clients existants de SAP : les mod\u00e8les de base tabulaires (TFM) et, en particulier, la s\u00e9rie de mod\u00e8les TabPFN (Tabular Prior-data Fitted Network) d\u00e9j\u00e0 op\u00e9rationnelle.<\/p>\n\n\n\n
Alors que le monde de l'IA \u00e0 l'\u00e9chelle mondiale a les yeux riv\u00e9s depuis des mois sur les grands mod\u00e8les linguistiques (LLM) tels que ChatGPT ou Claude, une r\u00e9alit\u00e9 d\u00e9cevante se r\u00e9v\u00e8le pour le quotidien des syst\u00e8mes ERP en gestion d'entreprise bas\u00e9s sur SAP : les mod\u00e8les linguistiques classiques \u00e9chouent lamentablement lorsqu\u2019il s\u2019agit de formuler des pr\u00e9dictions pr\u00e9cises \u00e0 partir de donn\u00e9es d\u2019entreprise hautement structur\u00e9es, car ils tokenisent les chiffres de mani\u00e8re erron\u00e9e, ne comprennent pas les relations math\u00e9matiques et ont tendance \u00e0 produire des hallucinations massives dans les structures de tables relationnelles.<\/p>\n\n\n\n
Dans un environnement syst\u00e8me o\u00f9 l'ensemble des connaissances de gestion d'entreprise est stock\u00e9 dans des tables rigides, telles que la table de base des articles MARA ou des bases de donn\u00e9es commerciales complexes, l'utilisateur SAP n'a donc pas besoin de g\u00e9n\u00e9ralistes polyvalents, mais d'un outil sp\u00e9cialis\u00e9, qui comprenne les tables de mani\u00e8re native \u2013 et c\u2019est pr\u00e9cis\u00e9ment l\u00e0 que TabPFN promet une v\u00e9ritable r\u00e9volution technique gr\u00e2ce \u00e0 l\u2019IA.<\/p>\n\n\n\n
<\/div>\n\n\n\n
SAP Autonomous Enterprise a besoin d'une IA alternative<\/h2>\n\n\n\n D'un point de vue informatique et architectural, le mod\u00e8le TabPFN rompt avec les paradigmes traditionnels de l'IA en mati\u00e8re d'apprentissage automatique. Depuis plus de vingt ans, l'analyse des donn\u00e9es tabulaires structur\u00e9es est domin\u00e9e par les arbres de d\u00e9cision optimis\u00e9s par gradient (Gradient-Boosted Decision Trees, tels que XGBoost, LightGBM ou CatBoost). Ces m\u00e9thodes pr\u00e9sentent toutefois une grave faiblesse d'un point de vue \u00e9conomique : elles n\u00e9cessitent beaucoup d'entretien, car pour chaque nouvel ensemble de donn\u00e9es, elles doivent \u00eatre entra\u00een\u00e9es, ce qui prend beaucoup de temps, pr\u00e9par\u00e9es manuellement et optimis\u00e9es laborieusement pendant d'innombrables heures par un r\u00e9glage des param\u00e8tres.<\/p>\n\n\n\n
TabPFN, en revanche, fonctionne comme un mod\u00e8le ne n\u00e9cessitant aucun apprentissage, qui g\u00e9n\u00e8re des pr\u00e9dictions uniquement par apprentissage contextuel (ICL) en un seul passage avant (Forward Pass). Ce mod\u00e8le a \u00e9t\u00e9 entra\u00een\u00e9 par Prior Labs sur plus de 100 millions d'ensembles de donn\u00e9es synth\u00e9tiques g\u00e9n\u00e9r\u00e9es artificiellement et a ainsi appris \u00e0 reproduire directement les algorithmes math\u00e9matiques et statistiques sous-jacents dans ses poids neuronaux.<\/p>\n\n\n\n\n\t\t\t\n\t\t\t\tPour l'utilisateur SAP, ICL pourrait signifier une r\u00e9duction consid\u00e9rable du d\u00e9lai de rentabilisation : un mod\u00e8le de base tabulaire (TFM) peut s'adapter spontan\u00e9ment et sans aucune phase d'apprentissage suppl\u00e9mentaire \u00e0 n'importe quel cas d'utilisation m\u00e9tier, qu'il s'agisse de pr\u00e9voir des retards de paiement, d'identifier les risques li\u00e9s aux fournisseurs ou d'analyser la perte de client\u00e8le.<\/p>\n\n\n\n
<\/div>\n\n\n\n
Les avantages du mod\u00e8le TabPFN de Prior Labs<\/h2>\n\n\n\n Le gain d'efficacit\u00e9 qui en r\u00e9sulte tient presque du miracle informatique et peut \u00eatre d\u00e9montr\u00e9 de mani\u00e8re quantitative et pr\u00e9cise. Des tests de performance ind\u00e9pendants, bas\u00e9s sur des publications scientifiques, montrent que le mod\u00e8le TabPFN standard, sur des ensembles de donn\u00e9es comptant jusqu\u2019\u00e0 10 000 lignes, bat en seulement 2,8 secondes les algorithmes classiques les plus performants, qui avaient auparavant fait l\u2019objet d\u2019une optimisation intensive pendant quatre heures. Cela correspond \u00e0 une acc\u00e9l\u00e9ration d\u2019un facteur de 5 140 pour les t\u00e2ches de classification et d\u2019un facteur de 3 000 pour les r\u00e9gressions. Contrairement aux syst\u00e8mes d\u2019IA traditionnels, qui engloutissent d\u2019\u00e9normes ressources de calcul et des quantit\u00e9s astronomiques de tokens pendant leur fonctionnement, le mod\u00e8le TabPFN fonctionne de mani\u00e8re \u00e9conome en ressources tout en fournissant des r\u00e9sultats bien plus pr\u00e9cis et pr\u00e9visibles.<\/p>\n\n\n\n
Avec la derni\u00e8re g\u00e9n\u00e9ration de mod\u00e8les TabPFN-2.5, les d\u00e9veloppeurs de Prior Labs ont en outre encore optimis\u00e9 les limites de mise \u00e0 l'\u00e9chelle de la technologie TFM : Alors que la version pr\u00e9c\u00e9dente ne pouvait traiter que de petits volumes de donn\u00e9es, TabPFN-2.5 a \u00e9t\u00e9 valid\u00e9 pour des ensembles de donn\u00e9es comportant jusqu\u2019\u00e0 50 000 points de donn\u00e9es et 2 000 caract\u00e9ristiques (features), ce qui correspond \u00e0 une multiplication par vingt du nombre de cellules de donn\u00e9es pouvant \u00eatre trait\u00e9es. Sur le benchmark informatique TabArena, le mod\u00e8le obtient, en mode par d\u00e9faut, un taux de victoire parfait de 100 % face \u00e0 XGBoost standard sur des ensembles de donn\u00e9es de classification de petite \u00e0 moyenne taille, et atteint la pr\u00e9cision d\u2019AutoGluon, un ensemble de mod\u00e8les hautement complexe, optimis\u00e9 pendant plusieurs heures. L\u2019introduction suppl\u00e9mentaire de la variante Real-TabPFN-2.5, qui a \u00e9t\u00e9 affin\u00e9e \u00e0 partir d\u2019ensembles de donn\u00e9es r\u00e9els et curat\u00e9s, permet d\u2019augmenter encore significativement cette pr\u00e9cision de pr\u00e9diction.<\/p>\n\n\n\n
<\/div>\n\n\n\n
TabPFN, con\u00e7u pour SAP S\/4 et SAP ABAP<\/h2>\n\n\n\n Un autre avantage inestimable, compte tenu de la r\u00e9alit\u00e9 des donn\u00e9es souvent incompl\u00e8tes et sujettes \u00e0 des erreurs dans les syst\u00e8mes SAP, r\u00e9side dans l\u2019extr\u00eame robustesse du mod\u00e8le face \u00e0 la mauvaise qualit\u00e9 des donn\u00e9es ERP. En r\u00e8gle g\u00e9n\u00e9rale, les r\u00e9seaux neuronaux n\u00e9cessitent un nettoyage minutieux des donn\u00e9es, processus qui est lui-m\u00eame source d\u2019erreurs. TabPFN, en revanche, traite de mani\u00e8re totalement autonome les valeurs non structur\u00e9es et cat\u00e9gorielles, les entr\u00e9es manquantes (missing values), les champs de donn\u00e9es non informatifs et les valeurs aberrantes extr\u00eames (outliers), sans passer par le d\u00e9tour fastidieux des pipelines ETL manuels complexes.<\/p>\n\n\n\n
De plus, ce mod\u00e8le poss\u00e8de la capacit\u00e9 intrins\u00e8que de quantifier les incertitudes statistiques sans co\u00fbt de calcul suppl\u00e9mentaire. Au lieu d\u2019un simple chiffre d\u00e9terministe, il renvoie une distribution de probabilit\u00e9 compl\u00e8te (distribution cible). Dans les processus m\u00e9tier sensibles \u2013 par exemple lors de l\u2019\u00e9valuation de la solvabilit\u00e9 ou dans la gestion des risques du service financier (SAP Simple Finance) \u2013 cette transparence constitue un gage de s\u00e9curit\u00e9 inestimable, car l\u2019utilisateur peut \u00e0 tout moment \u00e9valuer le degr\u00e9 de fiabilit\u00e9 r\u00e9el de la d\u00e9cision pr\u00e9vue par l\u2019IA.<\/p>\n\n\n\n
<\/div>\n\n\n\n
Le calcul intensif au service de l'entreprise autonome SAP<\/h2>\n\n\n\n Malgr\u00e9 cette prouesse architecturale en mati\u00e8re d'IA, le client SAP existant, dot\u00e9 d'un esprit critique, ne doit pas ignorer les limites structurelles de l'infrastructure d'apprentissage en contexte (ICL). \u00c9tant donn\u00e9 que la complexit\u00e9 de calcul des transformateurs TFM (Tabular Foundation Model) \u00e9volue de mani\u00e8re quadratique avec le nombre de lignes et de colonnes, le temps d'inf\u00e9rence pur peut augmenter sensiblement avec des ensembles de donn\u00e9es tr\u00e8s volumineux.<\/p>\n\n\n\n
Afin de contourner ce goulot d'\u00e9tranglement informatique (en r\u00e9f\u00e9rence au goulot d'\u00e9tranglement de von Neumann) dans les environnements ERP en production, Prior Labs lance un moteur de distillation. Cet outil est capable de traduire de mani\u00e8re enti\u00e8rement automatis\u00e9e le mod\u00e8le complexe TabPFN-2.5, pour un ensemble de donn\u00e9es sp\u00e9cifique, en un perceptron multicouche (MLP) classique et compact ou en un ensemble all\u00e9g\u00e9 d\u2019arbres de d\u00e9cision. Le code ainsi g\u00e9n\u00e9r\u00e9 perd sa capacit\u00e9 \u00ab in-context \u00bb, mais offre, en environnement de production en temps r\u00e9el, une latence r\u00e9duite de plusieurs ordres de grandeur ainsi qu\u2019une consommation de m\u00e9moire minimale. Cela permet d\u2019int\u00e9grer l\u2019intelligence du mod\u00e8le ainsi acquise de mani\u00e8re transparente et sans conflit de conformit\u00e9 dans les pipelines de production SAP existants, o\u00f9 le temps est un facteur critique.<\/p>\n\n\n\n
<\/div>\n\n\n\n
Mod\u00e8le de base Tabular avec SAP RPT-1 et TabPFN de Prior Labs<\/h2>\n\n\n\n Pour les clients SAP existants, la technologie TFM s'int\u00e8gre parfaitement dans la strat\u00e9gie globale de plateforme ERP que constituent S\/4 Hana et Autonomous Enterprise. En s'appuyant sur le mod\u00e8le RPT-1 (Relational Pre-trained Transformer) d\u00e9velopp\u00e9 par SAP lui-m\u00eame et sur son successeur, le RPT-1.5, le groupe ERP de Walldorf tente d'asseoir sa propre position dominante dans le domaine des applications d'IA bas\u00e9es sur des tables.<\/p>\n\n\n\n
Si ces mod\u00e8les sont \u00e0 l'avenir mis \u00e0 disposition via le Generative AI Hub de la Business Technology Platform (SAP BTP) ou le Business Data Cloud (SAP BDC), les services m\u00e9tier pourront, gr\u00e2ce \u00e0 l\u2019assistant IA Joule, r\u00e9aliser des simulations complexes et des analyses de type \u201e et si \u201c en langage naturel, sans avoir \u00e0 recruter de co\u00fbteux sp\u00e9cialistes en science des donn\u00e9es.<\/p>\n\n\n\n
L'utilisateur S\/4 doit toutefois rester vigilant : ces mod\u00e8les de tables hautement efficaces reposant sur un contexte de donn\u00e9es irr\u00e9prochable et riche sur le plan s\u00e9mantique, la mise en place d'un syst\u00e8me \u00ab propre \u00bb (SAP Clean Core avec Cleanfield) et la structuration des donn\u00e9es via SAP Knowledge Graph (HANA) et Datasphere (BDC) constituent un pr\u00e9requis \u00e9conomique incontournable pour pouvoir tirer pleinement parti des avantages de TabPFN au sein de son entreprise.<\/p>","protected":false},"excerpt":{"rendered":"
Les mod\u00e8les tabulaires semblent taill\u00e9s sur mesure pour l'univers ABAP de SAP. Dans un syst\u00e8me ERP o\u00f9 tout repose sur des tables, un LLM (mod\u00e8le linguistique de grande envergure) n'a pas sa place. La start-up Prior Labs pourrait bien sauver l\u2019\u00ab Autonomous Enterprise \u00bb de SAP gr\u00e2ce \u00e0 TabPFN (Tabular Prior-data Fitted Network).<\/p>","protected":false},"author":2,"featured_media":161236,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","footnotes":""},"categories":[27840],"tags":[453,44122,7675,44106,44395,39847,42140,39,601,273,555,73,65,369,624,44552,43740,36985,42128,44591,517,236,1516,44590,44469],"coauthors":[27825],"class_list":["post-165509","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-chefredakteur-blog","tag-abap","tag-agentic-ai","tag-api","tag-bdc","tag-btp","tag-ccoe","tag-chatgpt","tag-cloud","tag-digitalisierung","tag-dsag","tag-ecc","tag-erp","tag-hana","tag-it","tag-ki-joule","tag-knowledge-graph","tag-llm","tag-on-prem","tag-open-source-3","tag-prior-labs","tag-s4","tag-sap","tag-security","tag-tabpfn","tag-tfm","pmpro-has-access"],"acf":[],"featured_image_urls_v2":{"full":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"thumbnail":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-150x150.jpeg",150,150,true],"medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-400x180.jpeg",400,180,true],"medium_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-768x346.jpeg",768,346,true],"large":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"image-100":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-100x45.jpeg",100,45,true],"image-480":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-480x216.jpeg",480,216,true],"image-640":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-640x288.jpeg",640,288,true],"image-720":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-720x324.jpeg",720,324,true],"image-960":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-960x432.jpeg",960,432,true],"image-1168":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"image-1440":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"image-1920":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"1536x1536":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"2048x2048":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"trp-custom-language-flag":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-18x8.jpeg",18,8,true],"bricks_large_16x9":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"bricks_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"bricks_large_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu.jpeg",1000,450,false],"bricks_medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-600x270.jpeg",600,270,true],"bricks_medium_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-600x450.jpeg",600,450,true],"profile_24":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-24x24.jpeg",24,24,true],"profile_48":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-48x48.jpeg",48,48,true],"profile_96":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-96x96.jpeg",96,96,true],"profile_150":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-150x150.jpeg",150,150,true],"profile_300":["https:\/\/e3mag.com\/wp-content\/uploads\/2026\/02\/Chefredakteur-neu-300x300.jpeg",300,300,true]},"post_excerpt_stackable_v2":"
Tabular Foundation Models scheinen wie gemacht zu sein f\u00fcr die Abap-Welt der SAP. In einem ERP-System, wo alles auf Tabellen beruht, hat ein LLM (Large Language Modell) nichts verloren. Das Start-up Prior Labs kann mit TabPFN (Tabular Prior-data Fitted Network) das SAP\u2019sche Autonomous Enterprise retten.<\/p>\n","category_list_v2":"Chefredakteur-Blog<\/a>","author_info_v2":{"name":"Peter M. F\u00e4rbinger, E3 Magazine","url":"https:\/\/e3mag.com\/fr\/author\/peter-m-faerbinger-e-3-magazin\/"},"comments_num_v2":"0 commentaire","_links":{"self":[{"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/posts\/165509","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/comments?post=165509"}],"version-history":[{"count":3,"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/posts\/165509\/revisions"}],"predecessor-version":[{"id":165519,"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/posts\/165509\/revisions\/165519"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/media\/161236"}],"wp:attachment":[{"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/media?parent=165509"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/categories?post=165509"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/tags?post=165509"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/e3mag.com\/fr\/wp-json\/wp\/v2\/coauthors?post=165509"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![\"\"](\"https:\/\/e3mag.com\/wp-content\/uploads\/2026\/07\/e3nl26kw31_grafik-1200x670.png\")