SAP et Databricks unissent leurs données pour préparer l’IA des entreprises

Les entreprises ne manquent généralement pas de données. Elles en produisent dans leurs logiciels de comptabilité, leurs systèmes de ressources humaines, leurs outils de vente, leurs entrepôts ou leurs chaînes logistiques. Le problème est ailleurs : ces informations restent fréquemment dispersées, hétérogènes et difficiles à exploiter ensemble. À l’heure où l’intelligence artificielle s’invite dans les processus métier, cette fragmentation devient un frein stratégique.

C’est sur ce terrain que SAP et Databricks annoncent leur rapprochement, le 13 février 2025, autour de SAP Business Data Cloud. La plateforme vise à unifier les données provenant des applications SAP et d’autres sources, tout en intégrant nativement des capacités d’ingénierie des données et d’intelligence artificielle issues de Databricks. Pour les entreprises clientes, la promesse est de transformer des données opérationnelles, souvent cloisonnées, en informations plus directement utilisables pour piloter l’activité et développer des cas d’usage d’IA.

SAP Business Data Cloud, de quoi parle-t-on ?

SAP est avant tout connu pour ses logiciels qui structurent les opérations essentielles de nombreuses organisations : gestion financière, paie, recrutement, achats, stocks, production ou logistique. Ces systèmes enregistrent des données précieuses, par exemple une commande, une facture, une livraison ou une évolution d’effectif. Mais une donnée isolée a rarement la capacité d’éclairer une décision complexe.

SAP Business Data Cloud a vocation à rapprocher ces données SAP de données tierces, c’est-à-dire d’informations issues d’autres logiciels, bases de données ou outils analytiques de l’entreprise. L’objectif n’est pas seulement de tout verser dans un même réservoir. Il s’agit aussi d’harmoniser les données pour qu’elles puissent être comprises et croisées sans multiplier les retraitements manuels.

Cette nuance est essentielle. Deux services peuvent, par exemple, désigner un même client sous des identifiants différents. Une direction financière peut raisonner par exercice comptable, quand une équipe commerciale suit son activité à la semaine. Sans règles communes, un tableau de bord, et plus encore un modèle d’IA, risque de rapprocher des informations incompatibles ou de produire un résultat trompeur.

SAP entend ainsi mieux valoriser ses propres logiciels dans des domaines où les décisions reposent sur des données nombreuses et sensibles, notamment les ressources humaines, la finance et la logistique. La plateforme doit offrir une couche commune pour analyser ces informations, plutôt que de demander à chaque métier de reconstruire sa propre vision des données.

Pourquoi l’accord avec Databricks compte pour l’IA

Databricks apporte à cette offre ses technologies d’ingénierie des données, d’analyse et d’apprentissage automatique. L’ingénierie des données désigne le travail, souvent invisible, qui consiste à collecter les informations, les nettoyer, les organiser, vérifier leur qualité et les préparer pour les outils d’analyse ou les modèles d’IA.

C’est une étape déterminante. Un système d’intelligence artificielle ne rend pas des données incomplètes, dupliquées ou mal définies plus fiables par magie. Au contraire, il peut amplifier des erreurs existantes en produisant rapidement des prévisions, des classements ou des réponses qui semblent convaincantes. Avant de parler de modèles sophistiqués, les entreprises doivent donc savoir quelles données elles utilisent, d’où elles viennent et ce qu’elles signifient.

L’intégration native annoncée avec Databricks cherche précisément à réduire la distance entre les données opérationnelles gérées dans l’environnement SAP et les équipes qui construisent des analyses avancées ou des applications d’IA. Au lieu d’exporter constamment des copies de données vers des environnements séparés, l’ambition est de rendre ces données plus accessibles dans un cadre cohérent.

Christian Klein, PDG de SAP, résume cette orientation : « SAP Business Data Cloud libère tout le potentiel des données d’entreprise pour l’IA ». Derrière cette formule, le défi est très concret : permettre aux organisations de passer de données stockées à des informations actionnables, sans perdre le contexte métier qui fait leur valeur.

De la donnée brute à une décision métier

L’intérêt d’une telle plateforme se mesure moins à la quantité de données réunies qu’aux décisions qu’elle peut aider à prendre. Dans la finance, une entreprise peut chercher à rapprocher plus facilement des données de ventes, de coûts et de trésorerie. En logistique, elle peut analyser les flux, les stocks et les livraisons pour détecter plus tôt des tensions opérationnelles. Dans les ressources humaines, elle peut consolider des indicateurs issus de plusieurs systèmes, à condition de respecter les règles de confidentialité applicables.

Ces exemples ne signifient pas qu’une IA décidera seule d’un budget, d’un recrutement ou d’un approvisionnement. Dans un cadre professionnel, l’IA peut servir à détecter une anomalie, à faire émerger une tendance ou à accélérer une analyse. La responsabilité d’interpréter le résultat et d’agir demeure celle des personnes et des équipes qui connaissent le métier concerné.

Le partenariat répond aussi à une difficulté récurrente : le décalage entre les équipes informatiques, qui assurent la sécurité et la qualité des systèmes, et les équipes métier, qui attendent des réponses rapides. Lorsque les données sont mieux préparées et mieux documentées, les analystes peuvent consacrer davantage de temps à l’interprétation plutôt qu’à rechercher, recopier ou corriger des fichiers.

Pour les PME comme pour les grands groupes, l’enjeu est l’agilité. Les grandes entreprises disposent souvent de volumes de données considérables mais souffrent de systèmes accumulés au fil des années. Les structures plus petites ont parfois moins de données, mais aussi moins de ressources spécialisées pour les mettre en qualité. Dans les deux cas, une architecture plus intégrée peut simplifier l’accès à l’information, sans dispenser d’un travail d’organisation.

Centraliser ne suffit pas : la gouvernance reste décisive

Le mot « unification » peut faire croire qu’il suffirait de brancher des applications pour obtenir immédiatement une vision fiable de l’entreprise. En pratique, le déploiement d’une plateforme de données soulève plusieurs questions : qui est responsable d’un jeu de données, qui peut y accéder, à quelle fréquence est-il mis à jour, quelles données personnelles doivent être protégées et quels indicateurs font foi ?

Ces sujets relèvent de la gouvernance des données. Elle associe des règles, des responsabilités et des contrôles. Elle est particulièrement importante lorsque les données alimentent des modèles d’apprentissage automatique ou des assistants reposant sur l’IA. Une réponse générée par un outil peut être rapide et bien formulée, mais elle n’est utile que si les informations auxquelles il accède sont pertinentes et autorisées.

L’alliance entre SAP et Databricks met donc en lumière une réalité parfois sous-estimée dans les projets d’intelligence artificielle : la préparation des données n’est pas une étape secondaire. Elle conditionne la précision des analyses, la capacité à expliquer un résultat et la confiance que les collaborateurs accorderont à l’outil.

Les organisations devront également accompagner le changement. Les utilisateurs métiers doivent comprendre les indicateurs qu’ils consultent, les équipes techniques doivent maîtriser les nouveaux outils, et les directions doivent choisir des cas d’usage dont les bénéfices sont mesurables. Sans cette préparation, le risque est de disposer d’une infrastructure ambitieuse mais peu utilisée.

En quoi l’approche change les pratiques des entreprises

La stratégie présentée par SAP et Databricks s’inscrit dans une évolution plus large : les entreprises cherchent à faire des données un actif partagé, plutôt qu’un sous-produit enfermé dans chaque application. Cette transformation répond à une pression croissante pour décider plus vite, anticiper les besoins du marché et automatiser certaines tâches analytiques.

L’apport de SAP est la connaissance des processus critiques de l’entreprise. Celui de Databricks réside dans les outils permettant de travailler ces données à grande échelle pour l’analyse et l’apprentissage automatique. Réunir ces deux dimensions peut éviter une partie des frictions traditionnelles entre les logiciels de gestion, d’un côté, et les environnements utilisés par les spécialistes de la donnée, de l’autre.

L’intérêt peut être particulièrement fort pour les organisations déjà équipées de solutions SAP et qui ont engagé des projets d’IA. Elles disposent alors de données métier structurées, mais ont besoin de les relier à d’autres sources et de les rendre disponibles dans des processus analytiques plus modernes. SAP Business Data Cloud se présente comme une réponse à ce besoin de continuité.

Il faut toutefois distinguer une plateforme technologique d’un résultat métier garanti. La rapidité de prise de décision, l’amélioration de l’efficacité ou la capacité à anticiper une tendance dépendront de la façon dont chaque entreprise définit ses objectifs, sélectionne ses données et intègre les résultats dans ses processus réels.

Ce qu’il faut surveiller

À la date du 15 février 2025, l’annonce de SAP et Databricks confirme que la bataille de l’IA en entreprise se joue autant sur les données que sur les modèles. Les organisations ne cherchent plus seulement des outils capables de générer du texte ou d’établir des prévisions. Elles veulent pouvoir connecter ces capacités à leurs données opérationnelles, de manière fiable et gouvernée.

Le point à suivre sera donc la capacité de Business Data Cloud à simplifier concrètement le travail des équipes, sans créer une couche supplémentaire de complexité. Les entreprises évalueront notamment la fluidité de l’intégration avec leurs systèmes existants, la facilité d’accès pour les métiers, les exigences de formation et la maîtrise des données sensibles.

Le partenariat illustre enfin une idée centrale de l’ère de l’IA : posséder des données ne suffit plus. Leur valeur dépend de leur qualité, de leur contexte et de la capacité de l’entreprise à les mobiliser au bon moment. En rapprochant les expertises de SAP et de Databricks, les deux éditeurs veulent faire de cette base de données un levier plus direct pour l’analyse, l’innovation et la compétitivité.