AI Research d’entreprise
Recherches recommandées
Les modèles fondationnels pour les données tabulaires dans des contextes systémiques nécessitent un ancrage
Nous proposons des modèles de fondation pour les tables liées sémantiquement (FMSLT, Foundation Models for Semantically Linked Tables) afin de faire progresser la compréhension des données d'entreprise structurées. Les tables d'entreprise sont interconnectées par une logique opérationnelle et des relations sémantiques qui définissent le fonctionnement des entreprises. Reconnaître et modéliser ces connexions est essentiel pour saisir la véritable nature des données d'entreprise.
ConTextTab : un apprenant en contexte tabulaire sensible à la sémantique. NeurIPS 2025 (Spotlight)
En s'appuyant sur les plongements de LLM, ConTextTab intègre avec succès la sémantique des caractéristiques de tableaux dans la prédiction tabulaire, excellant sur les données à fort contenu sémantique telles que le texte libre ou les catégories descriptives.
RELATE : un encodeur Perceiver agnostique au schéma pour les graphes relationnels multimodaux
Nous présentons RELATE (Relational Encoder for Latent Aggregation of Typed Entities), un encodeur de caractéristiques prêt à l’emploi et agnostique au schéma, qui peut être utilisé avec n’importe quel GNN à usage général.
Jeux de données d’entreprise open source
Nous présentons SALT et SALT-KG, les premiers jeux de données d’entreprise conçus à partir de systèmes ERP réels de clients. Ils associent des tables d’entreprise riches et liées à un graphe de connaissances organisé capturant le contexte sémantique. Ensemble, ils posent les bases pour faire progresser les modèles fondationnels qui comprennent véritablement les données d’entreprise structurées.
Qui sommes-nous
Chez SAP Business AI Research, nous faisons le pont entre le monde universitaire et l’industrie, avec l’ambition de faire progresser les systèmes d’IA de nouvelle génération. Nos recherches répondent aux complexités des environnements d’entreprise réels en associant des techniques d’IA de pointe aux défis spécifiques à chaque domaine. Nous nous concentrons sur deux axes de recherche principaux afin de veiller à ce que nos modèles soient non seulement puissants, mais aussi pratiques, fiables et évolutifs.
Domaines de recherche
Track A : modèles de fondation tenant compte de la structure
Nous développons des modèles fondamentaux capables de raisonner sur des données d’entreprise complexes et liées, couvrant des tableaux, des séries chronologiques et des graphes. En intégrant la compréhension structurelle, des entrées multimodales et le raisonnement causal, nos modèles permettent une IA métier avancée pour l’analyse, les prévisions et la prise de décision.
Apprentissage de représentations de tableaux
Apprentissage des représentations de données tabulaires via des modèles natifs des tableaux et basés sur le langage, intégrant les données d’entreprise pour un raisonnement avancé.
Réseaux neuronaux de graphes
Utilisation des réseaux de neurones graphiques pour modéliser des données tabulaires relationnelles, permettant des prédictions précises et des insights plus approfondis dans l'IA d'entreprise.
Graphe de connaissances d'entreprise
Création de graphes de connaissances d’entreprise pour permettre des requêtes précises et contextuelles sur diverses données d’entreprise.
IA agentique
Créer des agents capables de s’auto-améliorer pour une automatisation fiable et axée sur les objectifs dans les systèmes d’entreprise.
LLM de codage (ABAP)
Renforcer le développement de logiciels d’entreprise grâce à des modèles de base ABAP spécifiques au domaine pour une assistance intelligente au codage.
Piste B : IA fiable
Nos recherches développent des systèmes d’IA robustes, équitables, transparents et alignés sur les valeurs humaines, ce qui est essentiel pour une utilisation concrète en entreprise. Nous nous concentrons sur la robustesse, l’explicabilité, l’équité, la confidentialité et l’alignement sur les contraintes propres au domaine afin de garantir un déploiement fiable et responsable de l’IA.
Confidentialité différentielle
Nous développons des modèles de Deep Learning efficaces qui économisent les ressources et protègent la confidentialité.
Confidentialité des données
Nous garantissons la confidentialité des données en protégeant les données structurées et en validant la protection de la vie privée au moyen d'audits et d'attaques.
Protection des modèles
Analyse des sentiments dans le texte à l'aide de plongements neuronaux et de l'attention.
Tests de sécurité
Améliorer la transparence des modèles en rendant les prédictions explicables.
Alignement humain
Extraction de données à partir de documents à l'aide du NLP et de la vision par ordinateur.
Carrières
Rejoignez-nous et bâtissez l'avenir de l'IA d'entreprise
Travaillez avec des jeux de données riches pour trouver des solutions basées sur le Machine Learning à des problèmes concrets, en étroite collaboration avec notre réseau mondial de partenaires de recherche.
Programme de stages pour doctorants
En tant que stagiaire doctorant, vous travaillerez avec une équipe de chercheurs et de scientifiques appliqués expérimentés, relevant des défis inspirés par le déploiement à grande échelle des méthodes d’IA dans l’ensemble et au-delà du vaste portefeuille de logiciels d’entreprise de SAP. Vous aurez l’opportunité de travailler avec certains des ensembles de données les plus riches au monde, afin de résoudre des problèmes qui ont un impact sur nos clients.