SAP a annoncé un accord définitif pour l’acquisition de Prior Labs, la startup allemande spécialisée dans les modèles fondamentaux pour les données tabulaires. Cette opération, encore en attente d’approbation réglementaire, vise à renforcer une ligne d’intelligence artificielle susceptible d’avoir un impact commercial bien supérieur à ce que l’on pourrait penser au premier abord : des modèles capables de comprendre des tableaux, des chiffres, des statistiques et des données structurées, qui constituent la majeure partie des processus d’entreprise.

La société allemande n’a pas divulgué le montant de l’acquisition, mais a annoncé un investissement de plus d’un milliard d’euros au cours des quatre prochaines années afin de faire de Prior Labs un laboratoire européen d’IA de référence mondiale. Selon SAP, Prior Labs continuera d’opérer en tant qu’entité indépendante, avec sa propre marque, son équipe de recherche et un engagement envers l’Open Source.

Pourquoi SAP regarde au-delà des grands modèles de langage

Cet achat envoie un message clair : SAP souhaite se différencier dans le domaine où elle accumule le plus de données d’entreprise. Les grands modèles de langage ont démontré une capacité impressionnante à traiter du texte, générer des réponses, résumer des documents ou assister dans des tâches conversationnelles. Mais leur fiabilité diminue lorsqu’il s’agit de raisonner sur des feuilles de calcul, des historiques financiers, des tableaux de fournisseurs, des prévisions de recouvrement, des risques d’impayés, des inventaires ou des tendances de désabonnement des clients.

Ces limites sont précisément celles des Modèles Fondamentaux pour Données Tabulaires, ou TFMs. Contrairement à un LLM généraliste, un TFM est conçu spécifiquement pour travailler avec des données structurées. Son objectif n’est pas d’améliorer la rédaction, mais de faire de meilleures prédictions. SAP évoque des cas tels que les retards de paiement, les risques liés aux fournisseurs, les opportunités de ventes additionnelles ou la probabilité de churn client. En somme, des problématiques quotidiennes en finance, achats, ventes, chaîne d’approvisionnement et opérations.

Ce mouvement s’inscrit dans la continuité du lancement de SAP-RPT-1, le modèle de SAP destiné à la prévision sur les données d’entreprise. Avec Prior Labs, la société souhaite accélérer cette démarche et intégrer dans son écosystème l’un des groupes les plus reconnus dans l’IA tabulaire. L’ambition est que la prochaine grande avance concurrentielle en IA d’entreprise ne réside pas seulement dans l’assistance conversationnelle, mais aussi dans la capacité à anticiper les événements internes via l’exploitation de leurs propres données.

Pour SAP, cette stratégie a une cohérence profonde. Ses clients gèrent déjà des informations critiques dans des systèmes ERP, financiers, d’achat, de ressources humaines, de chaîne logistique et d’expérience client. En appliquant les TFMs à ces données de manière sécurisée, gouvernée et intégrée à ses produits, SAP pourra faire de l’IA prédictive une fonction native de ses logiciels, et non une couche externe dépendant d’intégrations successives.

Prior Labs, TabPFN et l’attractivité des données structurées

Basée à Fribourg et dotée de bureaux à Berlin et New York, Prior Labs a été fondée par Frank Hutter, Noah Hollmann et Sauraj Gambhir. La société s’est illustrée par TabPFN, une famille de modèles fondamentaux pour les données tabulaires qui a connu une adoption remarquable au sein de la communauté technique. SAP affirme que TabPFN a dépassé les trois millions de téléchargements et maintient son engagement envers sa stratégie open source.

La dimension scientifique de TabPFN est également importante. Un article publié dans Nature présente TabPFN comme un modèle fondamental pour les petits ou moyens jeux de données, capable de réaliser un apprentissage supervisé sur des jeux de données jusqu’à 10 000 échantillons et 500 caractéristiques, avec des performances supérieures aux méthodes traditionnelles dans ce contexte.

La différence par rapport à l’approche classique du machine learning est notable. De nombreuses entreprises utilisent encore des pipelines comprenant XGBoost, LightGBM, CatBoost ou AutoML pour réaliser des prédictions tabulaires. Ce processus implique souvent une préparation des données, une sélection de variables, un entraînement, une optimisation des hyperparamètres, une validation et un déploiement. Prior Labs promet de réduire cette complexité avec des modèles capables de s’adapter à un nouveau jeu de données dans son contexte, sans entraînement spécifique prolongé.

SAP cite TabPFN-2.6 comme modèle leader dans TabArena, et affirme qu’il peut atteindre la précision d’un pipeline AutoML en seulement une seconde, avec moins de complexité. Bien que cette déclaration doive être contextualisée dans le cadre du communiqué officiel et nécessitera une validation dans des environnements réels, elle indique une tendance forte : démocratiser les capacités avancées de prédiction pour des utilisateurs métier non spécialistes des données.

Avec une interface conversationnelle en superstructure, un utilisateur pourrait poser des questions sur différents scénarios, sélectionner des jeux de données, comparer des hypothèses ou lancer des simulations, sans avoir à construire manuellement tout le pipeline. L’objectif est d’amener l’analyse prédictive à la portée des professionnels des finances, des ventes, des opérations ou des achats, pourvu que les données soient bien governées et que les recommandations soient explicables.

L’Europe se dote d’un laboratoire d’IA d’entreprise

SAP considère aussi cette opération comme une démarche stratégique pour l’Europe. La création d’un laboratoire d’IA de pointe, centré sur les données structurées d’entreprise, peut renforcer une position que l’Europe doit impérativement revendiquer : ne pas se limiter à concurrencer les chatbots généralistes, mais viser l’IA appliquée aux processus industriels, administratifs et corporatifs où ses entreprises détiennent un savoir, une clientèle et des données de grande valeur.

Le comité scientifique de Prior Labs réunit des figures de renom, telles que Yann LeCun, prix Turing et président exécutif d’Advanced Machine Intelligence, ainsi que Bernhard Schölkopf, directeur du Max Planck Institute for Intelligent Systems et président de l’ELLIS. La présence de ces experts conforte le profil de recherche du projet et le positionne dans la conversation internationale sur les modèles fondamentaux spécialisés.

Après l’acquisition, SAP prévoit d’intégrer ces capacités à SAP AI Core, SAP Business Data Cloud et la couche d’intégration Joule. Ce point est stratégique, car la valeur commerciale ne réside pas uniquement dans de meilleurs modèles, mais dans leur intégration au sein des flux opérationnels existants.

Par exemple, une entreprise pourrait s’appuyer sur des données historiques de commandes, factures, comportement client ou stocks pour anticiper des retards, des risques ou des besoins d’achat. Un agent IA pourrait alors recommander des actions, générer des alertes ou initier des flux automatisés dans l’ERP. Le TFMs apporterait la partie prédictive, tandis que Joule et les applications SAP fourniraient l’interface et l’exécution.

Ce mouvement souligne aussi que l’IA d’entreprise deviendra de plus en plus multimodèle. Les LLM resteront précieux pour le langage, le raisonnement général et la conversation. Mais les entreprises auront besoin de modèles spécialisés pour les tableaux, les séries temporelles, les images, les documents, le code ou des processus précis. SAP souhaite occuper ce segment, où les modèles ne se contentent pas de bien parler, mais anticipent et agissent sur de réels flux de données métiers.

Un marché encore jeune mais porteur de considérables potentiels

Les modèles fondamentaux pour données tabulaires en sont encore à leurs prémices. Les promesses sont importantes, mais des défis existent. Les données d’entreprise sont souvent incomplètes, mal étiquetées, dispersées entre différents systèmes et soumises à des normes de confidentialité. De plus, dans les secteurs réglementés, il ne suffit pas de faire une bonne prédiction : il faut expliquer la décision, documenter le processus et s’assurer que le modèle ne génère pas de biais ou d’erreurs opérationnelles.

SAP aspire à dépasser la simple corrélation pour fouiller dans la causalité. C’est une ambition essentielle. Prévoir qu’un client pourrait partir est utile ; comprendre les facteurs qui le provoquent et agir pour réduire ce risque l’est encore davantage. Dans la finance, les achats ou la logistique, cette différence peut faire la différence entre une alerte pertinente et une décision réellement exploitée en entreprise.

Cette acquisition ne résoudra pas instantanément tous ces défis. La transaction doit encore se conclure, probablement au deuxième ou troisième trimestre 2026, puis viendra l’intégration technique et commerciale. SAP devra prouver qu’elle peut déployer ces modèles à grande échelle, en toute sécurité, en respectant la réglementation, avec une scalabilité adaptée et une expérience utilisateur claire.

Néanmoins, ce mouvement est porteur de sens. Alors qu’une grande partie du marché s’oriente vers des modèles conversationnels, SAP mise sur un domaine moins médiatisé mais plus crucial pour la réalité quotidienne de l’entreprise : les données structurées. Dans les ERP, les finances, les achats, la logistique ou les ventes, les tableaux constituent la réalité opérationnelle. Si l’IA apprend à mieux les comprendre, son impact pourra dépasser largement celui d’un simple assistant rédigeant des emails.

L’acquisition de Prior Labs illustre la direction que pourrait prendre la prochaine étape de l’IA d’entreprise : des modèles plus spécialisés, connectés à des données propriétaires, intégrés dans les flux métiers et capables de fournir des prédictions concrètes et exploitables. Pour SAP, il ne s’agit pas seulement d’une évolution technologique, mais d’une stratégie pour défendre sa position dans le logiciel d’entreprise face à l’essor de l’intelligence artificielle, qui risque de définir quels échanges de données, de contexte et d’action prévaudront à l’avenir.

Questions fréquentes

Que vient d’annoncer SAP ?
SAP a signé un accord définitif pour acquérir Prior Labs, une startup allemande spécialisée dans les modèles fondamentaux pour les données tabulaires. La transaction reste en attente d’approbation réglementaire.

Que sont les modèles fondamentaux pour les données tabulaires ?
Ce sont des modèles d’intelligence artificielle conçus pour travailler sur des données structurées en tableaux, telles que les ventes, les paiements, les stocks, les risques, les clients ou les fournisseurs. Leur objectif principal est de faire des prévisions sur ces données d’entreprise.

Combien SAP investira-t-elle dans Prior Labs ?
SAP prévoit d’investir plus d’un milliard d’euros sur quatre ans pour faire de Prior Labs un laboratoire européen d’IA avancée.

Que deviendra TabPFN et le code open source ?
SAP indique que Prior Labs continuera d’opérer en tant qu’entité indépendante et qu’elle maintiendra son engagement envers la stratégie open source autour de TabPFN.

Source : news.sap