SAP Data Intelligence
À jour au 2026-08-14T00:00:00Z
Qu'est-ce que SAP Data Intelligence ?
SAP Data Intelligence — SAP Data Hub avant un changement de nom en 2019 — est un produit conteneurisé d'orchestration de données : un Modeler graphique de pipelines, un catalogue de métadonnées et un moteur d'exécution qui fait tourner des opérateurs sur Kubernetes.
De quoi il s'agit
SAP Data Intelligence — SAP Data Hub avant un changement de nom en 2019 — est un produit conteneurisé d'orchestration de données : un Modeler graphique de pipelines, un catalogue de métadonnées et un moteur d'exécution qui fait tourner des opérateurs sur Kubernetes. C'était la réponse de SAP au problème du déplacement et du traitement de données entre systèmes SAP et non-SAP sans tout faire transiter d'abord par un entrepôt, et il existait en deux formes : Data Intelligence Cloud, opéré par SAP, et une édition on-premise que les clients exploitaient eux-mêmes.
Son importance aujourd'hui est surtout directionnelle. Les capacités qui distinguaient Data Intelligence — orchestration de pipelines, largeur de connectivité, catalogage de métadonnées — sont exactement celles que SAP construit dans SAP Datasphere sous forme de flux de réplication, de flux de transformation, de chaînes de tâches et de catalogue. Pour un parc qui exploite Data Intelligence aujourd'hui, la question stratégique n'est donc pas « comment en tirer davantage » mais « que devient chaque pipeline de l'autre côté ». Cette question a un contenu réel : un graphe Data Intelligence portant des opérateurs Python personnalisés ne se projette pas terme à terme sur un flux Datasphere, et les opérateurs qui portaient de la logique métier sont précisément ceux qui n'ont pas de successeur direct.
Le motif est familier, et mérite d'être nommé. C'est la même forme que les transitions BW vers Datasphere et BusinessObjects vers SAC : un produit capable dont les fonctions sont ré-exprimées dans une plateforme plus récente et plus consolidée, avec un résidu de développements spécifiques à reconstruire plutôt qu'à convertir. Le résidu est là où se trouvent la charge et le risque, et il n'apparaît presque jamais dans une comparaison au niveau des licences.
Ce qu'un consultant doit réellement inventorier. Compter les graphes, puis les classer : le mouvement pur (source vers cible, sans logique) se ré-exprime généralement proprement en flux de réplication ; les graphes de transformation se ré-expriment en flux de transformation, à effort proportionnel à la logique ; les opérateurs personnalisés — Python, shell, conteneurs sur mesure — sont des reconstructions. Ajouter les connexions, car la couverture de connectivité est l'endroit où un plan de migration découvre le plus souvent un manque, tardivement.
Ainsi traité, Data Intelligence n'est pas un sujet mort. C'est un sujet vivant, du côté migration du grand livre — c'est-à-dire exactement là où ce marché paie.
Pourquoi c'est important
- 374 articles community en parlent et aucune carte de l'Academy ne le couvrait. Pour les parcs qui l'exploitent, la valeur est entièrement dans l'inventaire de migration — et les opérateurs personnalisés sont la part sans successeur.