Analytique prédictive et fonctionnalités intelligentes
À jour au 2026-10-06
Smart Predict et Smart Discovery de SAP Analytics Cloud promettent du machine learning sans équipe data science, et sur le bon problème ils tiennent la promesse : une classification ou une prévision bien posée sur 10 000 à 500 000 lignes, construite en quelques heures plutôt qu'en un sprint de modélisation de plusieurs semaines. Le piège est le périmètre : Smart Predict n'a pas d'apprentissage en ligne, une ingénierie des features opaque, et aucune détection de fuite de données, si bien qu'un modèle qui semble précis dans le rapport de validation peut échouer silencieusement en production si une seule feature a été calculée après l'événement cible. La vraie décision de conseil n'est pas « peut-on faire de l'IA » mais lequel des trois moteurs pointer sur le problème -- SAC Smart Predict, hana-ml, ou une plateforme ML externe -- selon le volume de données, qui possède le modèle au quotidien, et si la fonction gouvernance du sponsor exige une explicabilité de niveau SHAP. Les consultants capables de mener ce triage, de défendre un chiffre KS/MAPE face à son contexte métier, et de bâtir un rythme de ré-entraînement dans le calendrier de planning sont ceux à qui les clients confient le prochain déploiement de predictive planning.
Ce que vous apprendrez
- Distinguer Smart Predict, Smart Insights/Discovery et Predictive Planning, et choisir le bon outil selon la question métier posée.
- Évaluer de façon critique les résultats KS/MAPE/R² d'un modèle Smart Predict au regard du contexte métier, et détecter les variables de fuite de données avant la mise en production.
- Choisir entre SAC Smart Predict, hana-ml et le ML externe (SAP AI Core, Databricks) selon le volume de données, les compétences disponibles et les exigences de gouvernance.
- Expliquer à un sponsor métier la calibration du modèle, la dérive de population et le rythme de ré-entraînement nécessaires pour fiabiliser une base de prévision en planning.
Analytique prédictive et fonctionnalités intelligentes dans SAP Analytics Cloud
L'analytique prédictive dans SAP Analytics Cloud se situe à une intersection qui crée plus de confusion que presque n'importe quelle autre fonctionnalité : elle promet des capacités de machine learning aux utilisateurs métier, mais la technologie sous-jacente a des forces spécifiques, des limitations strictes et des modes de défaillance que les praticiens doivent comprendre avant de la déployer en production. Ce module examine les fonctionnalités Smart Predict et Smart Insights/Discovery de SAC avec la rigueur que ces capacités méritent — quand elles fonctionnent, quand elles ne fonctionnent pas, comment évaluer leurs résultats de manière critique, et les pièges récurrents quand les utilisateurs métier appliquent le ML sans formation statistique.
Le paysage des fonctionnalités intelligentes
Les fonctionnalités prédictives et intelligentes de SAC se répartissent en trois domaines de capacité distincts, qui sont fréquemment confondus :
Prérequis
- Expérience pratique intermédiaire sur des projets d'analytique SAP
- Revoir d'abord les concepts fondamentaux : C021, C008, C083
Acquis
- Travailler un scénario réaliste : L'équipe FP&A d'un distributeur pharmaceutique européen de taille moyenne exécute une prévision de demande manuelle (12 % de MAPE) construite dans un tableur.
- Repérer et éviter l'anti-pattern : Traiter un chiffre KS/MAPE/R2 comme une barre de qualité absolue.
- Appliquer la décision clé du module : Quel moteur prédictif pointer sur le problème.
- Mesurer la maîtrise avec le KPI : Exactitude du modèle vs référence documentée (cible : Le MAPE/KS/R2 du modèle bat la référence non-ML documentée d'une marge énoncée).
Module complet réservé aux abonnés. Le module complet ajoute : le cadre de décision · le cas guidé de bout en bout · la grille de KPI · les anti-patterns · les blocs de code · le contrôle de connaissances · les schémas.