Découvrez les 6 dernières intégrations d'IA de SAP Datasphere

SAP Datasphere est un outil d’IA qui peut aider à fournir des données pertinentes aux entreprises.

Découvrez les évolutions de l’IA de SAP Datasphere, telles que les nouvelles intégrations et les fonctionnalités basées sur l’IA, pour comprendre comment l’outil peut aider les entreprises à gérer leurs données d’entreprise :

Qu’est-ce que l’IA de SAP Datasphere et pourquoi est-elle importante ?

SAP Datasphere fait partie de ces outils dans lesquels SAP intègre des fonctionnalités et des outils axés sur l’IA pour répondre aux besoins des consommateurs et des fournisseurs de données. L’IA de SAP Datasphere peut améliorer l’expérience utilisateur et favoriser le partage de données à grande échelle grâce aux éléments suivants :

• Approvisionnement automatisé des données : L’IA peut rationaliser le processus d’approvisionnement des données en établissant automatiquement les connexions pertinentes et en créant les artefacts nécessaires dans SAP Datasphere. Cela réduit le besoin d’intervention manuelle, ce qui permet aux utilisateurs d’intégrer plus facilement les produits de données.
• Gestion des métadonnées : L’IA peut améliorer le traitement des métadonnées, essentiel pour faciliter l’approvisionnement des données. En exploitant les métadonnées décrites via le protocole Open Resource Directory (ORD), l’IA peut garantir un processus d’intégration fluide et efficace.

Voici une vidéo expliquant comment SAP Datasphere combine les capacités d’IA générative à son Datasphere :

SAP a mis en œuvre l’IA dans différents outils, par exemple les applications d’IA générative de SAP BTP. Elle intègre également d’autres plateformes SAP et non SAP pour étendre les capacités de ses outils, telles que :

• Ordonnanceurs de tâches SAP
• Outils d’orchestration de processus SAP
• Solutions utilitaires SAP.

2 fonctionnalités d’IA de SAP Datasphere

Voici la liste complète des fonctionnalités offertes par SAP Datasphere :

1. Graphe de connaissances

Le graphe de connaissances offre une vue complète du paysage de données d’une organisation. En capturant les relations complexes et les métadonnées, il permet une meilleure compréhension contextuelle pour les applications pilotées par l’IA.

Capacités :

• Création automatisée d’ontologies : génère des ontologies au fur et à mesure de l’intégration des données, y compris le contexte métier provenant de sources SAP telles que S/4HANA.
• Enrichissement du contexte pour les LLM : fournit un contexte structuré aux modèles de langage à grande échelle afin de réduire les inexactitudes générées par l’IA (par ex. les hallucinations).
• Découverte de motifs : facilite le raisonnement avancé et la génération d’informations dans les différents domaines métiers.

Application concrète du graphe de connaissances

Les graphes de connaissances peuvent être appliqués à l’optimisation marketing ou à la gestion de la chaîne d’approvisionnement, permettant aux organisations d’obtenir des informations exploitables et de stimuler l’innovation.

Voici une vidéo expliquant la fonctionnalité de graphe de connaissances :

2. Intégration sémantique

L’intégration sémantique permet d’importer dans SAP Datasphere des objets de données sémantiquement riches issus des systèmes SAP (S/4HANA, BW/4HANA, HANA Cloud) tout en préservant leur signification métier. SAP a étendu cette capacité pour inclure la prise en charge de SAP HANA Cloud et d’autres produits de données SAP, offrant une expérience d’intégration unifiée.

Capacités :

• Préservation des informations sémantiques : lors de l’importation de vues de calcul de SAP HANA Cloud vers SAP Datasphere, les détails sémantiques tels que les mesures, les attributs, les hiérarchies, les agrégations et les devises/unités sont conservés. Cela garantit que l’intégrité et la signification des données sont préservées au sein d’une couche de données sémantiquement riche.
• Synchronisation : elle maintient la synchronisation des objets entre SAP HANA Cloud et SAP Datasphere, ce qui permet aux clients de tirer parti de leurs investissements existants dans la modélisation SAP HANA.
• Héritage du contexte métier : elle permet l’héritage du contexte métier à partir des applications métiers et des solutions sectorielles SAP. Ce transfert de sémantique dans le business data fabric pose des bases solides pour améliorer les flux de travail analytiques.
• Flux de travail analytique amélioré : la préservation et le transfert des informations sémantiques dans SAP Datasphere rationalisent le flux de travail analytique, accélérant et simplifiant le processus d’obtention d’informations basées sur les données. Intégrations avec d’autres outils.

Application concrète de l’intégration sémantique

Les entreprises peuvent utiliser l’intégration sémantique pour intégrer efficacement des datasets SAP et hybrides, réduisant les erreurs de modélisation et accélérant la génération d’informations.

3. Génération de contenu assistée par l’IA

Cette fonctionnalité génère automatiquement des descriptions métier, des affectations de termes métier et des définitions de KPI pour les actifs de données du catalogue SAP Datasphere, à l’aide des modèles SAP Business IA.

Capacités :

• Génère un texte descriptif contextuel pour les objets du catalogue
• Applique automatiquement des balises et termes métier hiérarchiques
• Définit des indicateurs clés de performance et des associations sans intervention manuelle
• Réduit le besoin d’une expertise technique approfondie pour organiser le contenu du catalogue

Application concrète de la génération de contenu assistée par l’IA

Les organisations peuvent rapidement intégrer des milliers d’actifs de données tout en maintenant la conformité et la qualité des données, accélérant ainsi l’analyse et la création de rapports.

4. Recherche assistée par l’IA

La recherche assistée par l’IA permet aux utilisateurs de trouver des artefacts de données à l’aide de requêtes en langage naturel dans SAP Datasphere, en s’affranchissant des contraintes des filtres et de la navigation manuelle.

Capacités :

• La compréhension du langage naturel interprète les termes métier, les questions et l’intention
• Recherche dans les datasets du référentiel, du catalogue et de la place de marché
• Fournit des résultats riches en contexte qui correspondent à ce que demandent les utilisateurs.

Application concrète de la recherche assistée par l’IA

Les utilisateurs peuvent poser des questions en langage clair. Par exemple, « Montre-moi les modèles de données de vente avec segmentation client » et obtenir des résultats précis.

5. Génération sémantique assistée par l’IA

La génération sémantique assistée par l’IA détecte et classifie automatiquement les types sémantiques des données entrantes, en particulier pour les sources non SAP, enrichissant ainsi le data fabric de SAP Datasphere.

Capacités :

• Classification sémantique automatique : attribue les types corrects aux datasets lors de l’ingestion.
• Prise en charge des données hybrides : fonctionne avec les données SAP et non SAP pour créer une couche sémantique unifiée.
• Prétraitement manuel réduit : minimise l’effort de préparation des données, ce qui permet des analyses plus rapides.

Application concrète de la génération sémantique assistée par l’IA

Les entreprises qui intègrent des sources de données hybrides peuvent accélérer la modélisation et l’obtention d’informations grâce à des informations sémantiques automatiquement enrichies, réduisant ainsi les erreurs et améliorant la cohérence.

Intégrations avec d’autres outils

SAP Datasphere intègre des outils d’IA dans son écosystème de données ouvert afin d’améliorer son architecture de gestion des données.

1. Gouvernance de l’IA avec Collibra

SAP s’associe à Collibra pour fournir des fonctionnalités de gouvernance des données, garantissant que des données fiables sont accessibles à tous les utilisateurs dans l’ensemble du business data fabric.

En s’intégrant à Collibra IA Governance, les solutions SAP permettront aux entreprises de relier les données utilisées pour l’IA aux modèles eux-mêmes sur une plateforme unique afin de suivre et de gérer efficacement leurs efforts de développement en matière d’IA. En enregistrant les modèles d’IA et de machine learning créés avec la technologie SAP sur la plateforme Collibra IA Governance, les utilisateurs peuvent :

• Obtenir une visibilité accrue sur la traçabilité des données et les métadonnées des données SAP utilisées dans la modélisation de l’IA
• Vérifier l’exactitude et la fiabilité des données
• Vérifier les données sur lesquelles leurs modèles d’IA ont été entraînés.

En conséquence, ils peuvent :

• Améliorer la transparence et la responsabilisation
• Assurer la conformité avec les politiques réglementaires, de confidentialité et de gouvernance
• Atténuer les risques tels que les prises de décision biaisées et les recommandations inexactes.

Voici une vidéo expliquant comment fonctionne la gouvernance de l’IA de Collier :

2. Streaming de données avec Confluent

Confluent est une plateforme construite autour d’Apache Kafka qui fournit un service de streaming et de gestion de données en temps réel. Elle permet aux organisations de gérer efficacement des pipelines de données à grande échelle et de diffuser des données entre différents systèmes et applications.

Voici comment Confluent améliore SAP Datasphere et valorise les actifs de données SAP :

1. Streaming de données en temps réel : l’intégration de Confluent permet le streaming de données en temps réel vers et depuis SAP Datasphere. Cette capacité est essentielle pour les organisations qui doivent traiter et analyser des données en temps réel, ce qui permet une prise de décision plus rapide et une meilleure réactivité opérationnelle.
2. Capacités de registre de schémas : l’intégration avec le registre de schémas de Confluent étend les capacités sortantes de SAP Datasphere. Elle permet une gestion fluide des schémas de données, garantissant que les données sont correctement interprétées et traitées entre les systèmes.
3. Expérience utilisateur supérieure : l’intégration offre une expérience utilisateur supérieure en facilitant les connexions au niveau applicatif sans nécessiter de développement d’application personnalisé supplémentaire. Cette facilité d’intégration aide les organisations à déployer et à utiliser rapidement des solutions de streaming de données.
4. Traitement efficace des données : l’intégration de SAP Datasphere avec Confluent comprend des flux de réplication préétablis qui prennent en charge nativement les traitements delta et en temps réel. Cette efficacité signifie que les données sont chargées lorsque des changements se produisent, ce qui réduit les transferts de données inutiles et les frais de traitement.
5. Ingestion et intégration de données améliorées : l’intégration prend en charge l’ingestion de données dans Kafka et Confluent, avec des capacités supplémentaires d’intégration de données sortantes et entrantes qui deviennent accessibles à tous. Cette fonctionnalité étendue renforce encore la capacité de SAP Datasphere à gérer un large éventail de sources de données et de cas d’usage.

Intégration avec SAP Analytics Cloud et SAP HANA Cloud Vector Engine

Les utilisateurs peuvent combiner SAP Datasphere, SAP Analytics Cloud et SAP HANA Cloud Vector Engine pour obtenir un système unique de gestion des données et une solution d’analyse. Voici ce qu’un utilisateur peut faire avec ces outils combinés :

3. SAP Analytics Cloud pour le data fabric

Les solutions de data fabric unifient et gèrent les données en temps réel à travers les systèmes, offrant une source unique et fiable. Elles automatisent l’accès, améliorent la qualité des données et renforcent la sécurité, ce qui facilite l’analyse et l’IA, même dans des configurations complexes. Cela aide les entreprises à évoluer et à s’adapter à des marchés en mutation. SAP améliore le data fabric grâce à :

1. Intégration avec SAP Analytics Cloud pour la planification : les modèles de planification de SAP Analytics Cloud peuvent désormais être déployés dans SAP Datasphere. SAP Analytics Cloud utilise l’IA pour :
   1. Automatiser et optimiser les processus de transformation et d’intégration des données
   2. Fournir des recommandations et des informations intelligentes basées sur les données réelles et planifiées intégrées. Cela améliore l’intégration des données planifiées et réelles dans la prise de décision en temps réel.
      permettant de le faire au sein de SAP Datasphere.
2. Réduction de l’empreinte de données et des efforts de modélisation : les efforts d’intégration visent également à réduire l’empreinte de données et l’effort requis pour la modélisation. En tirant parti des capacités de SAP Datasphere, SAP Analytics Cloud peut rationaliser les processus de gestion des données et améliorer l’efficacité.

4. Copilote d’IA générative : Joule

Le copilote d’IA générative de SAP Analytics Cloud permet aux clients de tirer parti de l’IA générative pour la planification et la simulation métier. L’assistant IA sous-jacent, Joule, améliore les capacités de découverte de données, de création de tableaux de bord, de maintenance des modèles de planification, etc., offrant une expérience utilisateur intuitive.

Grâce au NLP, les utilisateurs finaux peuvent :

• Exécuter des requêtes analytiques
• Simuler les impacts de divers facteurs
• Allouer des ressources
• Automatiser les tableaux de bord et les calculs

Exemple de cas d’usage de Joule

Un utilisateur métier qui étudie le taux d’attrition par rapport au taux d’embauche pour un poste spécifique au cours des 12 derniers mois pourrait interroger Joule pour analyser les itérations de plan précédentes et découvrir les raisons sous-jacentes.

Nouvelles extensions de Joule :

• Intégration de Joule + SAP‑RPT‑1 Foundation Model : Joule peut désormais exploiter SAP‑RPT‑1, un modèle de fondation relationnel de SAP IA Hub, pour effectuer des analyses prédictives et de la modélisation sur des datasets Datasphere structurés, améliorant ainsi les prévisions, les recommandations et les simulations de scénarios avancées.
• Intégration de Joule + Microsoft 365 Copilot : étend les capacités de requête en langage naturel au-delà de SAP Analytics Cloud, permettant aux utilisateurs d’accéder aux données de Datasphere et de les analyser directement depuis les outils de productivité Microsoft.

5. SAP Analytics Cloud Compass

SAP Analytics Cloud Compass offre des capacités de simulation de Monte-Carlo avec une interface conviviale, permettant aux utilisateurs non techniques d’effectuer des analyses multivariées en temps réel sans compétences statistiques avancées. Voici les principaux avantages de SAP Analytics Cloud Compass :

1. Analyse multivariée en temps réel pour analyser plusieurs variables simultanément en temps réel, offrant une vue complète des résultats potentiels.
2. Simulations métier pour une modélisation de scénarios rapide et efficace, aidant les utilisateurs à comparer les hypothèses et à rendre compte des écarts d’impact.
3. Analyse de sensibilité pour découvrir des informations en temps réel sur les facteurs de sensibilité, aidant les utilisateurs à comprendre la dynamique des données et la manière dont les changements de variables affectent les résultats.
4. Simulations agiles continues pour s’adapter à des conditions métier changeantes et prendre des décisions éclairées.

6. SAP HANA Cloud Vector Engine

SAP HANA Cloud introduit une capacité vectorielle à ses capacités multi-modèles existantes, permettant aux clients d’exploiter tous les types de données métier à l’aide d’une base de données unique. Le moteur vectoriel améliore la capacité à créer des applications de données intelligentes qui combinent l’intuition humaine au machine learning et aux capacités de traitement multi-modèles. Les principales fonctionnalités et avantages de SAP HANA Cloud Vector Engine sont les suivants :

• Stocker et comparer des vecteurs à l’aide de SQL, permettant des cas d’usage tels que la génération augmentée de récupération (RAG), les recommandations, les classifications et le clustering.
• Simplifier l’architecture de gestion des données et l’améliorer avec une base de données multi-modèle unique avec interaction SQL.
• Obtenir de nouvelles informations en combinant les données spatiales, graphiques, JSON et relationnelles avec des requêtes vectorielles.
• Intégrer facilement des cas d’usage vectoriels dans les solutions de l’écosystème HANA Cloud, y compris les clients, les bibliothèques Python et CAP (Cloud Application Programming Model).
• S’intégrer aux outils communautaires open source tels que LangChain via des plug-ins.

Ne manquez pas nos benchmarks et analyses basées sur les données. Le bouton ouvre Google ; sélectionner AIMultiple confirme que vous souhaitez voir AIMultiple plus souvent dans les résultats de recherche Google.

Ajouter comme source préférée

Pour aller plus loin

Découvrez davantage d’actualités et d’applications liées à SAP en consultant nos articles complets et fondés sur les données :

• Découvrez les outils d’IA générative de SAP BTP, 4 cas d’usage et avantages
• Meilleurs outils d’automatisation de la charge de travail SAP et cas d’usage

Citer cette recherche

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

@misc{simsek2026,
  author = {Şimşek, Hazal},
  title  = {{Découvrez les 6 dernières intégrations d'IA de SAP Datasphere}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/sap-datasphere-ai}},
  note   = {AIMultiple. Consulté le 23 Juillet 2026}
}

Journal des modifications

1 mises à jour

1. 202619 Mar

   Statistiques supprimées de la section d'introduction.

Liens de référence

1.

Unleashing the Latest SAP Data and Analytics Innovations | SAP News Center

SAP

2.

SAP Datasphere on Teched 2023: What has been achieved and where are we going? • Interdobs

3.

Set SAP Data in Motion with Confluent Cloud, an SA... - SAP Community

4.

Intelligent Applications in SAP Business Data Cloud | SAP Sapphire | SAP News Center

SAP

5.

SAP Datasphere | Unified Data Experience

6.

SAP Analytics Cloud compass - SAP Danmark Nyheder

7.

Vectorize your Data : SAP HANA Cloud's Vector Engi... - SAP Community

Hazal Şimşek

Analyste sectorielle

Suivre

Hazal est analyste sectorielle chez AIMultiple, spécialisée dans l'intelligence des processus (y compris le process mining) et l'automatisation d'entreprise (y compris l'automatisation IT et l'automatisation low-code/no-code).

Voir le profil complet

Soyez le premier à commenter

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire