Fiche concept

SAP Data Intelligence

À jour au 2026-09-27

Édité par Cédric-Olivier Mâry, éditeur et directeur de la publication — 27 ans d'écosystème SAP. Comment ces pages sont produites, et où intervient l'automatisation.

Qu'est-ce que SAP Data Intelligence ?

Le produit conteneurisé d'orchestration et de pipelines de SAP, anciennement SAP Data Hub. Ses capacités sont absorbées par SAP Datasphere — ce qui en fait, pour la plupart des parcs, un sujet de migration plutôt qu'une architecture cible.

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.

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.

Points clés

Anciennement SAP Data Hub ; renommé SAP Data Intelligence en 2019. Deux formes : Cloud (opéré par SAP) et une édition on-premise.
Un produit d'orchestration conteneurisé : Modeler graphique de pipelines, catalogue de métadonnées, opérateurs exécutés sur Kubernetes.
Ses capacités réapparaissent dans SAP Datasphere sous forme de flux de réplication, de flux de transformation, de chaînes de tâches et de catalogue.
🔴 Les opérateurs personnalisés (Python, shell, conteneurs sur mesure) n'ont pas de successeur direct — ce sont des reconstructions, pas des conversions.
L'inventaire de migration qui prédit l'effort : le nombre de graphes, classé en mouvement · transformation · personnalisé, plus la couverture des connexions.
La décision est par graphe — ré-exprimer maintenant, laisser tourner, ou retirer — et les graphes de mouvement/transformation se décident largement d'eux-mêmes.
Le point de bascule (quand le résidu coûte moins à reconstruire qu'une année de moteur de plus) exige une date et un propriétaire, sinon le parc s'arrête pendant que d'autres programmes prennent le budget.

Termes employés sur cette page

Modeler: Le concepteur graphique de pipelines de SAP Data Intelligence, où les graphes d'opérateurs sont assemblés.
Graphe: Un pipeline Data Intelligence : un ensemble connecté d'opérateurs avec son moteur d'exécution.
Opérateur: Une étape de pipeline. Les opérateurs standard sont livrés avec le produit ; les opérateurs personnalisés portent du code client et constituent le résidu de migration.
Metadata Explorer: Le catalogue et la surface de profilage de Data Intelligence, dont le catalogue de Datasphere tient désormais le rôle.
Opérateur personnalisé: Un opérateur Data Intelligence portant du code client (Python, shell, conteneur sur mesure). Il n'a pas de successeur Datasphere et constitue l'unité de reconstruction — les compter avant de compter les graphes.
Point de bascule: Le moment où maintenir le moteur Data Intelligence pour les graphes restants coûte plus cher que de les reconstruire. C'est un artefact de planification, pas un événement : quelqu'un doit le nommer.

Sources

Fiche complète réservée aux abonnés. Ce que la fiche complète ajoute : le cadre de décision complet · la comparaison SAP · Snowflake · Databricks · Fabric · les pièges courants et leur correctif · l'aide-mémoire · les schémas d'architecture · les blocs de code · les chiffres à citer.

Ouvrir dans l'application →