Les arguments de SAP : pourquoi les agents d'IA d'entreprise ont besoin de plus qu'un chatbot
Un conseiller senior de SAP explique pourquoi donner aux agents d'IA des connaissances spécifiques à l'entreprise et les bons contrôles d'accès, c'est ce qui distingue un véritable assistant numérique d'un simple complément d'IA coûteux.
Points clés
- Max McPhee, conseiller senior en solutions chez SAP, a déclaré à VB Transform 2026 que les agents d'IA ne semblent être des collègues que lorsqu'ils sont alimentés par un contexte spécifique à l'entreprise, et non par des connaissances générales.
- SAP utilise des graphes de connaissances et des données vectorielles, un format qui facilite la recherche et la récupération des informations stockées par les agents logiciels, pour donner à ces agents ce contexte interne.
- L'assistant Joule d'IA de SAP doit recevoir indépendamment un accès à chaque système de l'entreprise, ce qui signifie qu'un agent ne peut pas être utilisé pour contourner les autorisations de sécurité existantes.
- SAP a acquis l'outil de cartographie LeanIX et la société d'analyse de processus Signavio pour aider les agents à comprendre les logiciels non-SAP qui constituent la majorité des environnements informatiques d'entreprise.
- McPhee a averti que les entreprises utilisant des systèmes sur site obsolètes pourraient rencontrer des limites de vitesse en développant l'utilisation des agents.
La plupart des chatbots d'entreprise en savent beaucoup sur le monde. Ils ne savent presque rien sur votre entreprise.
Selon Max McPhee, conseiller senior en solutions chez SAP, c'est précisément cette lacune qui explique pourquoi tant de projets pilotes d'IA d'entreprise s'enlisent avant de faire quelque chose de vraiment utile. S'exprimant à VB Transform 2026 lors d'une session rapportée par VentureBeat, McPhee a soutenu que la transition d'un chatbot à un agent d'IA, un logiciel capable d'exécuter des tâches multi-étapes de manière autonome sans approbation humaine à chaque étape, dépend presque entièrement de l'alimentation préalable de cet agent avec les bonnes connaissances internes.
« C'est là où nous commençons à voir un comportement plus émergent qui ressemble à un collègue plutôt qu'à un assistant, » a déclaré McPhee, « c'est quand nous sommes en mesure de fournir un contexte sur l'entreprise réelle. »
Qu'est-ce que le « contexte de l'entreprise » signifie réellement ?
Cela signifie que l'agent connaît vos sigles, vos processus d'approbation et votre langage interne avant de commencer le travail. McPhee l'a comparé à l'intégration d'un nouvel employé, mais adapté pour le logiciel.
SAP le fait en utilisant des graphes de connaissances, qui sont des cartes structurées de la manière dont les informations d'une entreprise se connectent les unes aux autres, combinées avec des données vectorielles, une technique qui stocke le texte dans un format qu'un agent logiciel peut rechercher rapidement et précisément. Le résultat pratique : un agent qui comprend ce que signifient vos codes de projet internes, plutôt que de s'arrêter pour demander.
« Être en mesure de fournir cette connaissance tacite dans un format facile à consommer, » a déclaré McPhee, « aide à fournir un très bon résultat avec vos agents par rapport à un chatbot qui pourrait dire, 'Eh bien, que signifie cet acronyme ?' »
Qui contrôle ce que l'agent peut réellement toucher ?
La gouvernance est la partie que la plupart des fournisseurs escamotent. SAP ne le fait pas.
Selon le modèle de SAP, l'utilisateur humain et Joule, l'assistant d'IA générative intégré aux produits cloud de SAP, doivent tous deux détenir séparément une permission pour accéder à un système donné. Un utilisateur ayant accès à la plateforme de finances S/4HANA de SAP ne peut pas utiliser Joule pour y accéder à moins que Joule n'ait également reçu explicitement cet accès. L'agent ne peut pas devenir une porte dérobée.
McPhee a également souligné un retour tranquille d'une discipline plus ancienne : les modèles d'apprentissage automatique, les systèmes de reconnaissance de formes statistiques qui précédent l'ère des chatbots actuels, sont en train d'être superposés sur les agents en tant que détecteurs d'anomalies. Si un agent commence à se comporter de manière étrange, la couche ML le signale.
« C'est devenu un peu une résurgence de l'apprentissage automatique, » a-t-il dit.
Que se passe-t-il quand SAP n'est que l'une des pièces du puzzle ?
Pour la plupart des grandes entreprises, SAP gère une fraction du logiciel total. McPhee a reconnu les clients qui disent franchement à SAP : « Vous ne représentez que 10 % de mon environnement. »
La réponse de SAP a été d'acquérir pour créer une carte plus complète. Ses acquisitions de LeanIX, que McPhee a comparé à « Google Maps pour votre architecture, » et de l'entreprise d'analyse de processus Signavio visent à cartographier la majorité non-SAP. SAP a également investi dans l'entreprise d'automatisation berlinoise n8n et l'intègre dans Joule Studio, son outil low-code pour construire des agents.
Une dernière mise en garde de la part de McPhee : rien de cela ne fonctionne bien sur une infrastructure ancienne. « Vous allez probablement rencontrer des problèmes de débit, » a-t-il dit. « Vous devez d'abord améliorer la voie si vous voulez conduire une Ferrari. »
