Fiche concept

Modèles de fondation vision dans les contextes SAP

À jour au 2026-07-24T14:00:00Z

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 Modèles de fondation vision dans les contextes SAP ?

Les modèles de fondation vision transforment les données image SAP inexploitables — factures scannées, photos d'atelier, PDF de contrats — en caractéristiques structurées, avec des classifieurs de documents atteignant déjà >96 % de précision sur les formats SAP standards.

Les modèles de fondation pour la vision sont de grands réseaux de neurones pré-entraînés sur des centaines de millions de paires image-texte, et ils résolvent un problème structurel pour lequel les bases de données relationnelles n'ont jamais été conçues : les données d'entreprise de SAP regorgent d'images — factures scannées, photos de contrôle qualité en atelier, PDF de contrats, photographies de terrain jointes aux ordres de maintenance — qu'aucune requête SQL ne peut indexer directement. Les modèles de vision convertissent ces données visuelles opaques en caractéristiques structurées sur lesquelles un modèle en aval, ou un agent Joule, peut effectivement raisonner.

Les trois modèles de référence

Pourquoi c'est important

Les classifieurs à base de ViT dans SAP DOX extraient les coordonnées de champs avec >96 % de précision, déployés en endpoint managé SAP BTP AI Core.
Un ViT affiné déclenché par une notification PM atteint un rappel défauts >92 % à 30 ms par image sur GPU T4 pour le contrôle qualité en atelier.
La segmentation d'actifs par SAM réduit le temps d'inspection manuelle d'infrastructures de 40 à 60 % dans les pilotes.

Points clés

CLIP, ViT, SAM sont des encodeurs/segmenteurs — pas des modèles génératifs ; ils produisent des embeddings ou des masques.
SAP BTP encapsule un DOX à base de ViT pour l'extraction de factures et de bons de commande avec >96 % de précision sur les layouts SAP standards.
Contrôle qualité en atelier : ViT fine-tuné sur des images de défauts, relié via OData aux notifications PM de S/4.
Budget de fine-tuning : 2 000 à 10 000 images annotées, 4 à 8 heures-GPU sur ViT-B/16.
À éviter si le signal visuel est déjà structuré dans les codes QM/PM — le coût d'inférence GPU dépasse le gain marginal.
Vision Foundation Models in SAP Contexts n'est maîtrisé que lorsqu'il change une décision d'achat nommée.
Commencer par le contrat sémantique et le modèle de contrôle avant de démontrer l'outil.
Utiliser les signaux SAP, analystes, études, KG et actualités actuels comme preuves, pas comme décoration.
Séparer les faits vérifiés des tendances directionnelles et des hypothèses modélisées.
Définir le propriétaire, la métrique, le seuil, le circuit de support et le plan de retour arrière avant de passer à l'échelle.

Termes employés sur cette page

CLIP: Contrastive Language-Image Pretraining — OpenAI 2021. Aligne image et texte dans un espace d'embedding partagé via une perte contrastive ; usage principal : recherche d'images et classification zero-shot.
ViT: Vision Transformer — Google 2020. Découpe une image en patchs de taille fixe, les aplatit en séquences de tokens, et les injecte dans un encodeur transformer standard. État de l'art sur ImageNet avec des données de pré-entraînement suffisantes.
SAM: Segment Anything Model — Meta 2023. Renvoie des masques au niveau du pixel pour des objets arbitraires dans une image, à partir d'un prompt de type point, boîte ou texte. Sa propriété distinctive est la généralisation zero-shot.
DOX: SAP Document Information Extraction — service BTP qui exploite des classifieurs à base de ViT et des modèles sensibles à la mise en page pour extraire des champs structurés de documents métier numérisés.
Decision owner: La personne responsable qui accepte l'arbitrage et finance l'action suivante.
Semantic contract: La définition partagée des termes métier, indicateurs, entités et règles d'accès utilisés par les outils et les équipes.
Control plane: La couche qui applique la politique, l'accès, la traçabilité (lineage), la supervision et l'escalade à travers le modèle opérationnel.
Evidence grade: Un label qui distingue le fait vérifié, le signal directionnel, l'hypothèse modélisée et l'observation de terrain.

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 →