SAP paye 1 milliard pour faire de l'IA sur des tableurs

Pendant que le débat enterprise tourne en boucle sur les LLM et leurs agents, SAP a signé le 4 mai une acquisition qui dit autre chose. L'éditeur allemand rachète Prior Labs, une startup de Freiburg fondée fin 2024, et engage plus d'un milliard d'euros d'investissement sur quatre ans pour en faire un labo IA européen autonome¹. Le sujet n'est pas le texte. C'est ce qui dort dans les bases de données de tous les SaaS B2B : les tableaux.

La catégorie que les LLM ne savent pas faire

Prior Labs développe des modèles fondationnels tabulaires (Tabular Foundation Models, TFM). Leur produit phare, TabPFN, est un modèle pré-entraîné qui prédit directement sur des données structurées : classification, régression, valeurs manquantes, anomalies. Sans phase d'entraînement custom, sans pipeline ML, sans data scientist qui calibre des hyperparamètres pendant trois semaines².

La version actuelle, TabPFN-2.5, dépasse les modèles à arbres tunés à la main et rivalise avec AutoGluon 1.4 tuné pendant quatre heures, en une seule passe³. Le modèle absorbe désormais 50 000 lignes et 2 000 colonnes, ce qui couvre une bonne partie des cas réels en PME et ETI. L'outil open source cumule plus de trois millions de téléchargements.

Le point que SAP veut graver dans la tête des analystes financiers tient en une phrase de son CTO Philipp Herzig : la plus grosse opportunité non exploitée en IA d'entreprise n'était pas les LLM, c'était l'IA conçue pour les données structurées qui font tourner les business¹. C'est la même idée que tente de pousser Anthropic avec Claude sur Excel ou que martèle Yann LeCun depuis trois ans contre l'illusion LLM. Sauf qu'ici elle est budgétée à dix chiffres.

Pourquoi SAP paye autant maintenant

Le contexte du deal compte autant que le deal. L'action SAP a perdu environ 28 % depuis le début de l'année, malgré une croissance cloud à +19 % au premier trimestre et un backlog cloud de 21,9 milliards d'euros⁴. Le marché doute que SAP arrive à transformer son socle ERP en moteur IA monétisable.

Le CFO Dominik Asam a lui-même verbalisé la peur du marché en janvier sur CNBC. Si l'IA permet aux clients de coder eux-mêmes leurs outils internes, le gâteau du logiciel d'entreprise rétrécit⁵. Le SaaSpocalypse frappe aussi Salesforce, en baisse d'environ 26 % sur l'année, et Workday à -36 %. SAP joue donc un coup défensif autant qu'offensif : montrer que la valeur AI dans l'enterprise va se déplacer là où les pure players LLM n'iront pas, c'est-à-dire vers les colonnes et les lignes qui constituent la vraie matière d'un ERP.

L'autre acquisition annoncée le même jour, Dremio (data lakehouse Iceberg-native), complète le plan. SAP veut posséder le tuyau (Dremio), le modèle (Prior Labs) et la couche agent (Joule). L'opérationnel arrive en Business Data Cloud et SAP AI Core, sous réserve d'approbation réglementaire, avec un closing prévu deuxième ou troisième trimestre 2026¹.

Ce que ça change pour qui construit du SaaS B2B

Sur le terrain studio, deux choses méritent d'être posées tout de suite.

D'abord, la promesse client se déplace. Quand on livre un SaaS métier à une PME, le réflexe IA jusqu'ici consistait à brancher un LLM pour le langage et basta. Si la fonctionnalité demandait de la prédiction (churn, retard de paiement, score de lead, anomalie sur une facture), on renvoyait vers un projet ML séparé avec data scientist, dataset, MLOps. Avec un TFM open source, on peut intégrer une prédiction native sur les données structurées du client sans monter une équipe ML⁶. La barrière technique tombe pour les studios qui pilotent du SaaS B2B en quelques semaines.

Ensuite, le timing reste favorable côté open source. TabPFN reste publié sous licence ouverte et SAP s'engage publiquement à maintenir cette stratégie après le rachat⁷. Pour un studio européen qui livre du code auditable et veut éviter la dépendance à un fournisseur, c'est une fenêtre rare : un modèle d'État de l'art, ouvert, soutenu par un acteur qui a maintenant tout intérêt à ce qu'il reste utilisé. Combien de temps cette fenêtre reste ouverte est une autre question. Les engagements open source des grands éditeurs durent généralement le temps que le produit serve la stratégie commerciale.

Le signal pour le reste du marché

Trois acteurs construisent maintenant ouvertement leur thèse IA enterprise sur les données structurées : SAP avec Prior Labs et SAP-RPT-1, Snowflake avec ses propres modèles tabulaires, et Databricks via Mosaic ML. Les hyperscalers américains pourraient suivre. Pour notre méthode, ça veut dire qu'on regarde de plus près l'intégration de TabPFN sur les briques où le client demande de la prédiction sur ses données métier, plutôt que de leur vendre un projet data science classique. C'est l'angle que nos pratiques internes ont commencé à creuser sur les projets où la donnée structurée pèse plus lourd que la donnée texte.

Reste une question gênante. Si la prochaine valeur IA en SaaS B2B est dans les modèles tabulaires, et si ces modèles ne demandent plus de pipeline ML lourd pour fonctionner, alors une bonne partie du discours "data team comme moat" devient discutable. C'est probablement ce que les analystes pricent dans la valorisation SAP. Et c'est probablement aussi ce que les fondateurs SaaS feraient bien de pricer dans leur roadmap.