SAP Datasphere publie fréquemment des mises à jour incluant de nouvelles fonctionnalités. Nous vous proposons un tour d’horizon des principales nouveautés de ce trimestre.
SAP Datasphere continue d’évoluer pour simplifier et accélérer la gestion, la modélisation et l’analyse des données. La mise à jour du Q1 2026 apporte des innovations majeures qui renforcent la plateforme, en combinant automatisation, intelligence artificielle et réutilisation des travaux existants. Ces nouveautés permettent de gagner du temps, d’améliorer la précision des modèles et de rendre l’expérience utilisateur plus intuitive.
1. IA et productivité dans la modélisation
Génération sémantique assistée par IA
Afin de simplifier la création et l’organisation des données, SAP Datasphere intègre désormais l’IA pour assister la modélisation sémantique. L’IA peut identifier automatiquement les types de données, détecter les mesures et attributs, proposer les clés et structures des tables et vues et définir l’usage sémantique (fait, dimension, etc.)
En Q4 2025, cette capacité a été étendue aux tables et aux vues, avec une génération encore plus complète de la structure sémantique. L’utilisateur reste au centre du processus en pouvant valider et ajuster les propositions. Cela permet de réduire significativement le temps de modélisation et d’améliorer la standardisation des modèles.
Génération SQL assistée par IA
SAP Datasphere introduit également la génération automatique de SQL dans le constructeur de vues. Cette fonctionnalité permet d’accélérer le développement pour les utilisateurs expérimentés, de faciliter l’apprentissage pour les débutants et de conserver un contrôle total via la validation et l’ajustement du code généré. L’objectif est de rendre l’expérience SQL plus intuitive et productive.
2. Analytique enrichie et fonctions métier
Fonctions temporelles natives
SAP Datasphere enrichit les modèles analytiques avec des fonctions métier prêtes à l’emploi : MTD (Month-To-Date), QTD (Quarter-To-Date), YTD (Year-To-Date) et calculs de pourcentage du total. Ces fonctions simplifient les analyses temporelles et réduisent les besoins de calculs manuels dans les modèles.
Améliorations de la conversion de devise et modèles analytiques
SAP Datasphere améliore la conversion de devise en optimisant ses comportements et en simplifiant le partage des vues qui l’utilisent, tout en renforçant les modèles analytiques grâce à un partage plus fluide des Analytic Models, au support des dimensions associées dans les Data Access Controls (DAC) et à une gouvernance des accès plus robuste.
3. Data integration et réplication
Réplication des données et gestion des deltas
Une amélioration majeure concerne la réplication des sources SAP.Il est désormais possible de définir des clés primaires au niveau de l’entité source dans les Replication Flows, d’activer la gestion des deltas même sans clé primaire native, d’utiliser le mode Initial + Delta pour les extracteurs SAPI et enfin de supporter les sources ODP (SAPI, CDS Views, SAP BW).
Cela permet de répliquer des données même lorsque la source ne dispose pas de clé primaire définie.
Optimisations des performances et des pipelines de données dans SAP Datasphere
SAP Datasphere améliore la gestion des données et des performances en introduisant le support des fichiers Parquet, la prise en charge de fichiers volumineux dans les Object Store targets, l’optimisation du partitioning et la réutilisation des tables locales dans les Replication Flows, tout en renforçant les flux de transformation et de réplication grâce au versioning des objets, à la suppression du buffer inbound pour les tables locales fichiers, à l’analyse avancée des pipelines via le Data Pipeline Analyzer et à la gestion des exécutions de Replication Flows via API REST et CLI.
Optimisations des performances et des pipelines de données dans SAP Datasphere
Il est désormais possible de transporter les configurations d’exécution des Transformation Flows entre environnements. Sont pris en charge le mode d’exécution (SAP HANA / Spark), les paramètres de batch et la sélection d’application Spark. Cette évolution garantit une meilleure cohérence entre les environnements de développement, test et production.
4. Orchestration, automatisation et gouvernance
Orchestration des traitements
SAP Datasphere renforce l’orchestration des traitements avec l’introduction de l’auto-retry dans les Task Chains, permettant une reprise automatique en cas d’échec. Les Task Ports améliorent la structuration des dépendances entre étapes, tandis que les paramètres de sortie dans les Task Chains, ajoutés en février, facilitent le chaînage dynamique des exécutions. Enfin, l’utilisation d’un utilisateur technique dédié pour la planification améliore la robustesse et la gouvernance des exécutions automatisées.
Gouvernance et sécurité
La gouvernance est renforcée grâce à une meilleure visibilité des Data Access Controls appliqués aux sources, permettant une compréhension plus fine des règles d’accès. Des notifications d’expiration de consentement viennent compléter cette approche en améliorant la gestion proactive des autorisations. Par ailleurs, le data lineage est enrichi, notamment pour les DTP BW, afin de renforcer la traçabilité des données de bout en bout.
Monitoring et exploitation
Les capacités de monitoring évoluent avec l’introduction du Data Pipeline Analyzer, qui permet un diagnostic avancé des flux de données. Le suivi des exécutions est également amélioré grâce à l’exposition via API et CLI, facilitant l’automatisation et l’intégration dans des outils externes. L’ensemble contribue à un renforcement global de la supervision des pipelines de données.
Conclusion
Les évolutions récentes de SAP Datasphere confirment une direction claire :
- automatisation accrue grâce à l’IA et à l’orchestration
- industrialisation des pipelines de données
- renforcement de la gouvernance et de la traçabilité
- simplification de l’expérience développeur
SAP Datasphere évolue progressivement vers une plateforme complète d’ingénierie de données intelligente, intégrée et gouvernée.