Quand on n'a pas besoin d'un agent : règles, Situation Handling, ML ou LLM dans S/4HANA et SAP BTP
À jour au
Derrière la plupart des demandes d'agent IA dans un projet SAP se cache un besoin plus simple. Ce module propose une échelle à quatre barreaux : une règle, une notification, une prédiction, une génération. Il compare Situation Handling dans S/4HANA, Intelligent Situation Automation, les décisions dans SAP Build Process Automation, ISLM et le machine learning, ainsi que les skills et agents Joule, sur le coût, le déterminisme, la piste d'audit et les modes de défaillance, à partir des pages SAP Learning, de tutoriels développeur, de l'AI Golden Path du SAP Architecture Center et de la documentation SAP AI Core. Vous construisez une table de décision, prouvez qu'elle renvoie des résultats identiques, puis décidez lesquels des éléments d'une demande réaliste ont besoin d'un LLM. La réponse est en général un seul, et une personne envoie encore le résultat.
Ce que vous apprendrez
- Placer toute exigence sur une échelle à quatre barreaux (règle, notification, prédiction, génération) et justifier le barreau
- Configurer un type Situation Handling à partir d'un modèle et nommer ce qu'apporte Intelligent Situation Automation
- Construire une table de décision dans SAP Build Process Automation et prouver son déterminisme avec six cas de test
- Comparer coût, déterminisme, piste d'audit et modes de défaillance des règles, d'ISLM, des skills Joule et des agents
- Rédiger une recommandation d'une page qui garde les règles comme outils et limite le LLM au langage
Vue d'ensemble
L'agent le moins cher est celui que l'on ne construit pas. Avant qu'un agent Joule, une réponse générée ou un modèle entraîné n'entre dans un processus SAP, un consultant senior pose une seule question : quel type de sortie cette étape exige-t-elle ? Si la sortie est une réponse fixe à partir d'entrées fixes, une règle la donne gratuitement et toujours de la même façon. Si c'est un signal à destination d'une personne, une notification suffit. Si c'est un nombre appris de l'historique, un modèle de machine learning s'en charge. Ce n'est que pour du langage, ou pour un plan impossible à écrire à l'avance, qu'il faut un LLM ou un agent. L'AI Golden Path de SAP dit la même chose : son Technology Decision Tree commence par se demander si « process optimization or traditional automation » résoudrait le problème « more effectively » avant de choisir la moindre IA (Technology Decision Tree, lu le 5 novembre 2026).
Ce module est le module de décision du parcours. Il compare cinq mécanismes présents dans un paysage SAP et régulièrement confondus :
Prérequis
- Un tenant SAP Build Process Automation d'essai ou productif pour le lab
- Connaissance de base des rôles métier SAP S/4HANA et du launchpad Fiori
- Modules voisins M369, M373 et M341 lus ou à portée de main pour le versant construction
Acquis
- Expliquer pourquoi un contrôle de conformité ne doit pas reposer sur une notification Situation Handling
- Reproduire le lab : les cas 1 et 2 renvoient SO_APPROVER, les cas 3, 5 et 6 renvoient SO_MGMNT, le cas 4 renvoie un résultat vide
- Énoncer ce que les sources documentent sur Intelligent Situation Automation et ce qu'elles laissent ouvert
- Choisir entre sap-rpt, ML classique avec PAL ou APL et LLM selon la forme des données
- Nommer la preuve d'audit que produit chaque barreau et qui doit l'activer
Module complet avec le palier Consultant — 19,90 €/mois. 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.
Missions ouvertes
120 postes et missions IA SAP & Joule ouverts en ce moment — voir les missions IA SAP & Joule · missions freelance SAP.