TabPFN / TabICL — Modèles de fondation tabulaires

Les modèles de fondation tabulaires (TFM, tabular foundation models) appliquent le transformer et l'apprentissage en contexte (ICL) aux feuilles de calcul et aux tables de bases de données. Au lieu d'entraîner un nouveau modèle pour chaque tâche de prédiction, un réseau pré-entraîné unique reçoit en entrée les lignes étiquetées de la tâche et prédit les lignes non étiquetées en une seule passe. TabPFN et TabICL sont les deux familles ouvertes les plus connues ; SAP-RPT, le modèle de SAP (C165, C237), appartient à la même classe. Depuis 2026, ce n'est plus une curiosité de recherche pour les consultants SAP : SAP possède Prior Labs, la société qui développe TabPFN, et TabPFN-3.5 Plus est disponible dans SAP AI Core.

Qui développe quoi

• TabPFN est développé par Prior Labs (Fribourg-en-Brisgau, avec des bureaux à Berlin et New York). SAP a annoncé l'acquisition le 4 mai 2026 et l'a finalisée le 17 juillet 2026, en s'engageant à investir plus d'un milliard d'euros sur quatre ans pour bâtir un laboratoire d'IA de pointe dédié aux données structurées ; Prior Labs reste une entité indépendante au sein de SAP et conserve sa stratégie open source (C102).
• TabICL n'est pas un modèle de Prior Labs. Il vient de l'équipe SODA d'Inria avec l'ENS Paris, a été publié à ICML 2025 et dispose d'un successeur ouvert, TabICLv2, sur GitHub (soda-inria/tabicl).

Pourquoi c'est important

• TabPFN est désormais un actif de SAP : SAP a finalisé l'acquisition de Prior Labs le 17 juillet 2026 et rendu TabPFN-3.5 Plus disponible dans SAP AI Core le 15 septembre 2026.
• Un modèle de fondation tabulaire fournit en quelques heures une référence exploitable pour une nouvelle tâche de prédiction, au lieu d'un cycle de plusieurs semaines d'ingénierie de variables et d'entraînement.
• Connaître la famille (TabPFN, TabICL, SAP-RPT, gradient boosting) permet de mener un benchmark équitable plutôt que de choisir par défaut le modèle d'un seul éditeur.

Points clés

• Les modèles de fondation tabulaires prédisent les lignes non étiquetées à partir des lignes étiquetées passées en entrée (apprentissage en contexte) — sans pas de gradient ni recherche d'hyperparamètres.
• TabPFN est développé par Prior Labs (acquisition annoncée le 4 mai 2026, finalisée le 17 juillet 2026, plus d'1 Md€ sur quatre ans) ; TabICL est un modèle d'Inria (ICML 2025), pas de Prior Labs.
• Versions de TabPFN : v1 (2022/ICLR 2023), v2 (Nature 2025), v2.5 (nov. 2025), TabPFN-3 (mai 2026), TabPFN-3.5 (15 sept. 2026 : base, Plus, Thinking, Fast).
• TabPFN-3.5 documente jusqu'à 1 000 000 de lignes (selon le nombre de variables) et jusqu'à 20 000 variables (6 000 recommandées) ; les classements proviennent de leaderboards publiés par l'éditeur.
• TabPFN-3.5 Plus est disponible dans SAP AI Core depuis le 15 sept. 2026 ; la prise en charge par l'orchestration tabulaire est prévue à partir de novembre 2026.
• SAP-RPT-1.6 (faible latence/débit élevé) et SAP-RPT-1.6-large (qualité maximale, contexte plus large, davantage de classes cibles) sont la génération SAP-RPT actuelle, livrée avec une RPT Playground API limitée à 1 000 requêtes/heure — SAP-RPT-1.5 est la génération précédente, pas l'actuelle.
• Le coût d'inférence, pas le coût d'entraînement, est l'arbitrage qui détermine l'adéquation d'un TFM : tout le contexte étiqueté est traité à l'inférence, si bien que latence et calcul croissent avec la taille du contexte, contrairement à un ensemble d'arbres pré-entraîné qui score en millisecondes.
• La licence de TabPFN (Apache modifiée, TABPFN-3.0 License v1.0) est distincte des conditions de service propres à SAP AI Core — vérifier les deux avant de s'engager sur un canal de distribution.

Termes employés sur cette page

Apprentissage en contexte (ICL)

Adaptation au moment de l'inférence : un modèle pré-entraîné utilise des exemples étiquetés fournis en entrée pour prédire de nouveaux cas, sans mise à jour des poids.

Prior-data Fitted Network (PFN)

Transformer pré-entraîné sur des jeux synthétiques tirés d'une loi a priori, de sorte qu'une seule passe approxime une prédiction bayésienne sur un nouveau jeu — l'idée à la base de TabPFN.

Attention colonnes puis lignes

Conception de TabICL : une attention sur les colonnes puis sur les lignes construit un embedding de ligne de taille fixe avant l'apprentissage en contexte, ce qui rend les grandes tables traitables.

TabPFN-3.5 Plus

Variante de TabPFN-3.5 dotée d'un traitement propriétaire du texte pour les tables riches en texte ; c'est la variante rendue disponible dans SAP AI Core.

Orchestration tabulaire

Workflow de SAP AI Core qui gère la récupération du contexte et le routage vers les modèles de fondation tabulaires ; annoncé pour TabPFN-3.5 Plus à partir de novembre 2026.

Sources

1. SAP News — TabPFN-3.5 Plus now available in SAP AI Core (Sep 2026)
2. SAP Community — Prior Labs TabPFN-3.5-Plus is available now in SAP AI Core (Sep 2026)
3. SAP News — SAP completes acquisition of Prior Labs (17 Jul 2026)
4. SAP News — SAP to acquire Prior Labs, frontier AI lab in Europe (4 May 2026)
5. Prior Labs docs — TabPFN-3.5 changelog (variants, limits, channels)
6. Prior Labs — TabPFN-3.5 technical report (15 Sep 2026)
7. arXiv — TabICL: A Tabular Foundation Model for In-Context Learning on Large Data (ICML 2025)
8. GitHub — soda-inria/tabicl (TabICLv2, open)
9. Wikipedia — TabPFN (version history, licence)
10. SAP Help Portal — Generative AI hub in SAP AI Core: model access and tabular orchestration overview
11. SAP Community — SAP-RPT-1.6, Tabular Orchestration and RPT Playground API now available (Sep 2026)
12. SAP — SAP-RPT product page: tabular foundation model family overview