SAP reprend la main sur les données d’entreprise avec Dremio et Prior Labs SAP cherche à reprendre le contrôle des données d’entreprise en ralliant Dremio et Prior Labs pour accélérer les architectures lakehouse et l'IA.
SAP travaille à reprendre la main sur les données d'entreprise, alors que l'éditeur annonce l'acquisition de deux acteurs complémentaires : Dremio, spécialiste des architectures lakehouse basées sur Apache Iceberg, et Prior Labs, jeune pousse allemande qui développe des modèles d'IA appliqués aux données tabulaires. Cette double opération illustre une stratégie visant à maîtriser l'infrastructure et l'expertise autour des données, du stockage à l'analyse, dans un contexte où les entreprises exigent davantage de visibilité et de gouvernance.
Une manœuvre stratégique pour reprendre la main sur les données d’entreprise
Avec Dremio, SAP mise sur une plateforme lakehouse qui s'appuie sur Apache Iceberg pour unifier les données et faciliter les analyses en libre-service. Cette approche peut aider l'éditeur à décloisonner les silos et à fournir une couche de données commune traversant les systèmes ERP, les entrepôts et les sources externes. Prior Labs, de son côté, apporte des modèles d'IA spécialisés dans le traitement des données tabulaires, ce qui pourrait accélérer les insights opérationnels sur des jeux de données métier tout en renforçant la qualité des recommandations.
Ce que cela change pour les entreprises et les données
Pour les clients, l'enjeu est triple : gouvernance renforcée des données, performance des requêtes et ouverture vers des analyses plus avancées via l'IA. L'association d'un lakehouse avec des modèles IA ciblés peut réduire les coûts et les délais de mise en production des analyses, tout en améliorant la traçabilité des données et la sécurité. Cependant, l'efficacité dépendra de l'intégration des acquisitions dans l'écosystème SAP et de l'harmonisation des API et des normes ouvertes utilisées par Apache Iceberg et les outils d'IA.
- Gouvernance et conformité : une meilleure traçabilité des transformations et des jeux de données.
- Performance et accessibilité : des requêtes plus rapides et des données plus accessibles pour les métiers.
- IA appliquée au tabulaire : des modèles qui peuvent enrichir les processus métiers sans sortir des environnements SAP.
Contexte et limites
Plusieurs questions restent en suspens. L'intégration opérationnelle des acquisitions, la compatibilité avec les briques SAP existantes et les coûts potentiels seront des défis à surmonter. L'ouverture vers des standards externes et la manière dont les partenaires et clients percevront cette concentration autour d'un parcours unique pour les données restent aussi à observer. Enfin, la vitesse d'adoption par les équipes métier dépendra de la simplicité des outils et de la clarté des roadmaps.
Pour terminer
En fin de compte, la stratégie de SAP montre une intention claire : reprendre le contrôle des flux d'informations et accélérer l'exploitation des données via le lakehouse et l'IA. Le succès dépendra toutefois de l'intégration fluide des technologies et de la capacité à convertir les données en valeur sans alourdir la gestion opérationnelle.
