SAP fait un pari inhabituellement offensif. La cible est Prior Labs, une startup de Fribourg, en Allemagne, créée il y a seulement 18 mois et qui n’avait levé auparavant que 9,3 millions de dollars en pré-amorçage.
Ce que SAP achète n’est pas une nouvelle équipe de grands modèles de langage. Prior Labs développe des modèles de fondation pour les données structurées, un domaine bien plus proche du cœur logiciel d’entreprise de SAP que la course aux chatbots grand public.
Les détails de l’opération
SAP n’a pas officiellement communiqué le prix d’acquisition. Les informations disponibles évoquent toutefois un engagement de 1 milliard d’euros, soit environ 1,16 milliard de dollars, sur quatre ans. La transaction serait presque entièrement en numéraire, avec plus de 500 millions de dollars versés d’emblée aux trois fondateurs.
Prior Labs a été fondée à Fribourg en 2024 par le CEO Frank Hutter, Noah Hollmann et Sauraj Gambhir. Son tour de pré-amorçage de février 2025 a été mené par Balderton Capital, avec des business angels comme Thomas Wolf, cofondateur de Hugging Face, et Robin Rombach, cofondateur de Black Forest Labs. Yann LeCun, ancien chief AI scientist de Meta, figure comme conseiller.
Ce que fait TabPFN
Le produit central est TabPFN, pour Tabular Prior-data Fitted Networks. Il s’agit d’une famille de modèles de fondation entraînés pour les données tabulaires.
Les modèles de texte sont optimisés pour le langage. TabPFN vise les tableaux : relevés de ventes, champs manquants, anomalies, distributions et relations entre colonnes. L’idée n’est pas d’écrire du code d’analyse autour du modèle, mais de faire comprendre au modèle la structure même du tableau.
Les modèles open source TabPFN ont dépassé 3 millions de téléchargements cumulés sur Hugging Face. Pour un petit laboratoire allemand, ce niveau d’adoption compte dans la communauté des données structurées.
La thèse de SAP
Philipp Herzig, directeur technique de SAP, a résumé la thèse : la plus grande opportunité encore peu exploitée dans l’IA d’entreprise ne réside pas dans les grands modèles de langage, mais dans l’IA conçue pour les données structurées.
Cette lecture correspond à la position de SAP. Tables ERP, pièces comptables, registres de ventes, stocks, données RH et ordres de production ne sont pas organisés comme du langage naturel. Les forcer dans un LLM généraliste peut produire des résultats imprécis ou des coûts de calcul trop élevés. SAP, de son côté, détient certains des jeux de données structurées d’entreprise les plus importants au monde.
Prior Labs apporte une couche de modèles pensée pour ces données. Si SAP parvient à relier données d’entreprise, modèles de type TabPFN et couche applicative maison, l’éditeur dispose d’un point d’entrée IA plus difficile à contourner chez ses clients existants.
L’indice NemoClaw
L’annonce contenait un autre détail. SAP indique que sa politique d’API bloque les AI agents non autorisés, tandis que NemoClaw de Nvidia est accepté comme architecture reconnue par SAP via la plateforme Joule Agents.
Cela signifie que SAP ne se contente pas d’ajouter de l’IA à l’ERP. Le groupe veut aussi contrôler quels agents entrent et par quel chemin. Prior Labs fournit la couche de modèles, Joule Agents assure l’orchestration, et NemoClaw devient un framework d’agent approuvé.
Le schéma rappelle Salesforce avec Agentforce et ServiceNow avec AI Control Tower. Les grands acteurs du SaaS d’entreprise se disputent le même terrain : qui définit l’interface standard et les règles d’accès de l’IA au travail.
Le pari peut-il tenir?
Le premier risque est que TabPFN reste très proche de la recherche. De nombreux téléchargements open source ne prouvent pas que la technologie fonctionne en production chez de grands clients. Passer d’une démonstration à une disponibilité générale pourrait prendre au moins un à deux ans.
Le deuxième risque tient à la fenêtre concurrentielle. Microsoft Fabric travaillerait déjà sur des projets similaires de modèles de fondation pour données structurées, et des équipes chez OpenAI s’intéressent aussi à des pistes GPT-Tabular. SAP a pris de l’avance, mais doit construire sa défense avant que les grands fournisseurs de modèles ne se tournent vers le même marché.
L’intégration reste le troisième test. Une petite équipe de recherche allemande rejoignant un grand groupe allemand peut sembler compatible culturellement, mais le rythme produit de SAP et le rythme d’un laboratoire ne sont pas les mêmes.
Si TabPFN devient le standard de fait des données structurées d’entreprise, SAP aura intégré dans son écosystème une couche de modèles clé de l’ère de l’IA. Dans ce scénario, 1 milliard d’euros paraîtrait bon marché.
Sources : SAP bets $1.16B on 18-month-old German AI lab and says yes to NemoClaw (TechCrunch) ; CocoLoop, SAP Acquires AI Startup Prior Labs With EUR1B Investment to Unlock Enterprise Structured Data (The AI Insider)