SAP a la semaine dernière une mise à jour substantielle de ses offres et de sa stratégie de gestion des données pour les professionnels. Baptisée SAP Business Data Cloud, cette nouvelle offre SaaS « unifie et régit » toutes les données SAP, les connecte de manière « transparente » avec des données tierces et fournit des capacités d’intelligence artificielle, selon l’entreprise.
SaaS a également annoncé un partenariat stratégique avec Databricks. Databricks fournit des Data Lake et des entrepôts de données (des Data Warehouse qu’ils appellent Lakehouses). L’unification des données de Databricks permet des charges de travail et des analyses d’IA plus complètes.
Lors d’une annonce distincte mais simultanée, SAP a aussi présenté des agents d’IA Joule pour diverses fonctions d’entreprise, dont les ventes et la finance. Joule est l’assistant conversationnel de SAP.
Ne vous y trompez pas. Il s’agit d’annonces importantes, en particulier pour les clients de SAP. Voyons ce que tout cela signifie dans le contexte de l’écosystème SAP.
Aller au-delà de SAP Datasphere
SAP propose depuis longtemps une solution d’unification et de gestion des données dans son offre SAP Datasphere. Selon la page produit Datasphere de SAP, « les fonctionnalités de SAP Datasphere sont nativement disponibles dans SAP Business Data Cloud ».
SAP Datasphere assure la gestion et l’intégration des données dans les systèmes SAP et externes. Le nouveau SAP Business Data Cloud est une plateforme SaaS beaucoup plus large et entièrement mangée qui ne se contente pas de gérer les données SAP. Il incorpore l’IA et une intégration analytique plus poussée grâce aux capacités de Databricks en matière de Data Lake et de Data Warehouse.
En termes d’orientation stratégique, SAP Datasphere se concentre sur la connectivité, tandis que la nouvelle plateforme SAP Business Data Cloud propose des capacités de gouvernance, une large interopérabilité, ainsi que des perspectives et une supervision basées sur l’IA.
La clé de SAP Business Data Cloud est le partenariat avec Databricks. Il permet aux clients SAP d’exploiter un environnement de données beaucoup plus transparent et piloté par l’IA.
Le partenariat Databricks
Petit quiz : En matière de connaissance et de gouvernance d’entreprise, quelle est la kryptonite de l’IA ? Les silos de données.
Ce qui a rendu ChatGPT si extraordinaire, c’est sa capacité à passer rapidement au crible ce qui semble être le web tout entier et à synthétiser des réponses à partir d’une base de connaissances vaste et en constante expansion.
Lorsque vous gérez une entreprise tentaculaire, vous voulez être en mesure d’obtenir des réponses et des informations aussi vastes et complètes. Mais si la plupart de vos données sont stockées dans des silos. Des silos exploités par différents départements, voire des tiers utilisant des solutions sans rapport les unes avec les autres. Au final, toutes ces données deviennent invisibles quand vous voulez faire une analyse IA complète.
C’est là que le partenariat avec Databricks entre en jeu. La compétence principale de Databricks est de supprimer les silos pour fournir une vue plus universelle des données SAP et non-SAP. L’architecture propriétaire Lakehouse est construite au-dessus du moteur de traitement de données distribué Apache Spark, de la couche de stockage Delta Lake et de MLflow, l’outil de gestion du cycle de vie de l’apprentissage automatique.
En combinant le partage flexible des données de Databrick avec les solides capacités de gouvernance de SAP, la gouvernance des données – en particulier la conformité et la sécurité – est simplifiée et renforcée.
Databricks propose également des perspectives commerciales bien plus approfondies, à la fois parce que l’IA n’est plus entravée par les silos de données et parce que Databricks dispose de ses propres capacités d’IA et d’analyse à grande échelle.
Le partenariat avec Databricks donne donc à l’IA de SAP l’espace nécessaire pour fonctionner.
Les agents Joule
SAP introduit des agents d’IA préconstruits qui exécutent des tâches au lieu de se contenter de fournir des recommandations. Ils sont conçus pour automatiser et exécuter des processus complexes.
Avant de poursuivre, je vais vous faire part de mon inquiétude concernant les agents d’IA. Nous savons que les agents d’intelligence artificielle commettent des erreurs. Lorsque vous travaillez avec un chatbot, vous devez vous assurer de revérifier chaque élément fourni par l’IA.
Maintenant, que se passe-t-il lorsque vous augmentez l’échelle et que vous laissez l’IA se répandre dans votre entreprise ? Il est toujours possible que l’IA commette une grave erreur. Et que cette erreur se propage à la vitesse de la lumière sur l’ensemble de votre réseau.
Pour être juste, les humains sont tout aussi enclins à commettre des erreurs. Mais ne commencez pas à déployer des agents en pensant qu’ils seront parfaits. Veillez à tout contrôler, qu’il s’agisse d’humains ou d’IA.
SAP donc lance des agents préconstruits pour les secteurs de la finance, de la vente et des services.
Un agent financier
L’agent financier peut aider à gérer les tâches financières répétitives et à prendre des décisions. SAP a spécifiquement mentionné un agent de recouvrement, qui peut analyser les litiges et « travailler avec les services financiers, le service client et les opérations pour valider les détails et recommander des solutions ».
À l’avenir, les agents financiers pourraient être en mesure :
- D’effectuer le traitement automatique des factures
- De faire correspondre les factures aux bons de commande
- D’identifier les anomalies et de signaler les divergences
- Ils pourraient également assurer une gestion plus prédictive des flux de trésorerie
- Contribuer à la détection des fraudes
- Automatiser la gestion des dépenses
- Rapprocher les comptes pour faciliter les processus de clôture mensuels, trimestriels et annuels
Un agent de service
L’agent de service Joule travaille avec les organisations de service à la clientèle. Grâce à la connaissance contextuelle du SAP Knowledge Graph, l’IA peut analyser les interactions de service précédentes pour suggérer des solutions pertinentes.
À l’avenir, cette IA agentique pourrait :
- Contribuer à la résolution automatisée des cas
- Prévenir de manière proactive les pannes d’équipement en suggérant des procédures de maintenance de manière prédictive
- Aider les clients à fournir des solutions en libre-service
- Optimiser les horaires des techniciens
- Détecter l’insatisfaction croissante des clients en identifiant les problèmes à l’origine de cette insatisfaction et en suggérant des solutions de médiation
Un agent Q&A interfonctionnel
SAP lance aussi un agent Q&A interfonctionnel qui peut :
- Surveiller les opportunités de vente
- Surveiller les problèmes des clients, en identifiant de manière proactive les questions et en fournissant des réponses à partir des sources de connaissances
Cet agent peut soutenir à la fois les équipes de vente et de service.
Agent de création de cas et de classification
Un autre agent est un agent de création de cas qui surveille activement les cas de service à la clientèle. Voici le scénario : lorsqu’une nouvelle façon de résoudre un problème est identifiée, il crée un article auquel le personnel du service à la clientèle peut se référer ultérieurement.
Un agent de classification des cas peut comprendre lui le contexte d’un cas (SAP utilise l’exemple de l’identification d’une requête liée aux impôts même si le mot « impôt » n’est pas utilisé) et acheminer ensuite les cas vers les équipes ou les personnes les plus qualifiées.
Si les garde-fous appropriés sont en place, les agents d’IA, en particulier ceux qui sont intégrés verticalement, ont un énorme potentiel de réduction des coûts et des délais tout en augmentant la qualité des résultats.
Quatre axes stratégiques pour SAP
La stratégie de données de SAP semble désormais s’articuler autour de quatre axes stratégiques majeurs. Il s’agit de :
- Sémantique métier : Cette stratégie repose sur l’idée que toutes les données sont accessibles, mais qu’elles sont conservées à leur place et dans leur contexte. En d’autres termes, plutôt que d’aspirer et de normaliser des tonnes de données sans pouvoir retrouver leurs enregistrements d’origine, les nouveaux systèmes peuvent modéliser, partager et modéliser les données sans extraction. C’est ce qu’on appelle l’approche « zéro copie ».
- Data engineering with AI : Les modèles d’IA peuvent être optimisés par l’intégration de SAP avec les entrepôts de données gérés par Databricks à l’aide d’une technologie appelée Delta Sharing. Selon SAP, cette approche « harmonise les produits de données SAP avec les entrepôts de données existants de manière bidirectionnelle ». Cela permet de résoudre l’éternel problème de la migration des données d’un système à l’autre pour travailler dessus, mais sans pouvoir garder le système d’origine à jour.
- Modernisation des entrepôts : Pour les clients de SAP Business Warehouse sur site, la solution SAP Business Data Cloud peut créer une approche hybride, dans laquelle les données peuvent toujours être stockées dans l’entrepôt sur site, mais accessibles en tant que produit de données dans un magasin d’objets à l’aide de Delta Share. Cela permet aux clients de continuer à tirer parti de l’investissement initial dans l’entrepôt de données sur site tout en bénéficiant des avantages du lac de données.
- Analytique et planification: La nouvelle solution regroupe l’analytique, le reporting et les prévisions pilotées par l’IA, prenant en charge la planification financière, opérationnelle et de la chaîne d’approvisionnement en temps réel, le tout à partir d’une seule et même plateforme.
Intégration avec les applications partenaires
SAP décrit Business Data Cloud comme « construit pour donner la priorité à l’ouverture et au choix du client » en tant qu’écosystème de données ouvertes.
Au moment de l’annonce, l’environnement s’intègre nativement avec les solutions de Collibra, Confluent et DataRobot, ainsi qu’avec les solutions fournies par McKinsey, PwC, EY, Deloitte et Capgemini.