Au premier trimestre 2026, SAP a annoncé plus de 30 agents Joule spécialisés, 2 500 compétences et une présence dans 35 de ses solutions.
En parallèle, deux enquêtes récentes donnent une image plus précise de l’adoption réelle :
- En zone germanophone, la DSAG, association des utilisateurs SAP, indique dans son Investment Report 2026 que 3% des 198 clients interrogés utilisent Business AI en production.
- En zone francophone, l’USF, club des Utilisateurs SAP Francophones, publie en avril 2026 un livre blanc fondé sur une enquête menée fin 2025 auprès de ses adhérents : 10% ont réalisé un prototype d’IA sur SAP, dont la moitié seulement avec Joule, contre 45% ayant déjà mené un projet IA dans d’autres contextes logiciels.
L’écart entre la vitesse des annonces et l’adoption représente donc un vrai sujet.
Joule, compétences, agents : de quoi parle-t-on au juste ?
Trois briques différentes sont souvent confondues.
Joule est d’abord un assistant conversationnel, intégré dans S/4HANA Cloud, SuccessFactors, Ariba, Datasphere, et aujourd’hui trente-cinq solutions SAP. Vous lui posez une question, il répond avec le contexte de votre donnée.
Les compétences Joule (ou « skills ») sont des tâches unitaires, déclenchées par une règle, pour un cas précis : rapprocher deux lignes de facturation, reclasser un compte, expliquer un message d’erreur système.
Les agents Joule sont autre chose. Un agent Joule prend un objectif, planifie plusieurs étapes, appelle des services, vérifie des conditions et exécute une action.
Depuis le premier trimestre 2026, SAP en propose plus de trente et ouvre, avec Joule Studio, un outil qui permet aux clients et aux partenaires de créer leurs propres agents sur des scénarios métier spécifiques.
Cette distinction importe pour l’arbitrage et détermine ce qu’un projet IA peut vraiment viser à six mois.
Qu’est-ce qu’un agent change vraiment dans un processus ?
Quatre exemples disponibles aujourd’hui donnent une idée concrète.
- Le Cash Management Agent traite les relevés bancaires et automatise les rapprochements. SAP documente jusqu’à 70% [1] de temps gagné sur la réconciliation manuelle.
- Le Tender Analysis Agent lit un appel d’offres, en extrait les exigences et signale les risques sans préparation manuelle.
- Le Dispute Resolution Agent remonte la cause racine d’un litige de facturation et propose la résolution.
- Le Project Setup Agent initialise un nouveau projet dans S/4HANA Cloud Public Edition en s’appuyant sur l’historique des projets passés.
Ce ne sont plus des aides à la saisie, mais de véritables exécutants qui agissent dans votre donnée. La différence avec un assistant généraliste tient dans ce point précis : l’agent reste dans le périmètre des autorisations SAP du collaborateur et raisonne sur le référentiel métier de l’entreprise.
[1]
Ce pourcentage documenté par SAP vient de scénarios standard mesurés chez l’éditeur. Dans nos projets, le gain dépend très fortement de la qualité des données, du taux de standardisation du processus et du niveau d’adoption réel. Il faut les lire comme une borne haute et non comme une moyenne
Pourquoi si peu d’entreprises l’utilisent en production ?
Quatre raisons reviennent dans nos échanges et dans les deux enquêtes précédemment citées.
La première est contractuelle et architecturale. Joule est disponible pour les clients RISE with SAP et GROW with SAP ou pour ceux dont la trajectoire est établie. Sur S/4HANA on-premise, l’USF recense deux fonctionnalités IA intégrées aux processus, contre une quarantaine en cloud.
Côté trajectoire, 9% des adhérents sont aujourd’hui sur RISE, 18% l’envisagent sous deux ans, 57% y réfléchissent. La question IA est donc indissociable de la trajectoire d’hébergement, traitée dans notre article précédent.
La deuxième est la lisibilité du catalogue. L’USF en fait d’ailleurs le premier frein à lever. En effet, plus de la moitié des répondants ont identifié des cas d’usage concrets, mais les trois quarts estiment ne pas avoir une vision suffisante des fonctionnalités IA de SAP pour décider lesquelles implémenter. Parallèlement, 79% peinent à se projeter dans un projet d’implémentation, tandis que 65% manquent de visibilité sur le coût de l’utilisation de l’IA SAP. C’est un vrai sujet de cadrage en amont de tout engagement.
La troisième est la donnée. Un agent qui raisonne sur des données incomplètes ou sur des référentiels désalignés formule des recommandations inutilisables. La qualité des fiches articles, fournisseurs, clients et comptes est un prérequis.
La quatrième est concurrentielle. Selon la DSAG, 77% des entreprises germanophones actives en IA utilisent aujourd’hui des outils non-SAP. Le constat se retrouve en zone francophone : parmi les répondants USF ayant mené un POC IA, deux tiers se sont appuyés sur Microsoft Copilot. Beaucoup de collaborateurs sont déjà équipés d’assistants généralistes. La question pour un DSI devient : quels cas d’usage gagnent à être traités par un agent qui parle nativement SAP, et quels cas se traitent bien avec un outil généraliste ?
SAP positionne désormais Joule comme une couche spécialisée capable de dialoguer avec d’autres outils, via son protocole agent-to-agent, des serveurs MCP (Model Context Protocol) et une intégration annoncée avec Microsoft 365 Copilot. Un point structurant pour vos arbitrages.
Quels critères pour arbitrer aujourd’hui ?
Quand un partenaire nous demande par où commencer, nous revenons à quatre questions.
Quels processus à valeur sont matures ? Les premiers gains mesurables se trouvent là où la donnée d’entrée est fiable. La clôture comptable, la trésorerie, le sourcing récurrent, certains cas de service client sont souvent les meilleurs candidats.
Quelle est la qualité réelle de la donnée sous-jacente ? Un audit rapide sur trois à cinq objets critiques (Articles, fournisseurs, clients, données de base) donne une lecture honnête en 2-3 semaines.
Quelle est l’architecture contractuelle ? RISE, GROW, nombre de token AI inclus ou non, limites par utilisateur, périmètre sur un module donné. Ces points déterminent le coût et la vitesse de déploiement.
Quelle gouvernance pour les agents ? Qui autorise, qui supervise, qui arrête un agent qui dérive ? Le SAP AI Agent Hub répond en partie à ces questions, mais la réponse opérationnelle appartient à la DSI et aux métiers.
Ce qu’on observe dans nos cadrages
Les entreprises qui avancent vite sur Joule en 2026 partagent trois traits.
- Elles sont déjà en S/4HANA Cloud (Public ou Private), au moins sur un périmètre.
- Elles ont investi dans la qualité de leurs référentiels avant de parler IA.
- Elles choisissent deux ou trois cas d’usage précis et mesurables, plutôt qu’un programme sans priorisation.
Les entreprises qui temporisent répondent à une autre logique.
Beaucoup ont une trajectoire encore en cours de définition, avec la fin de maintenance d’ECC au 31 décembre 2027 comme échéance structurante. Attendre six à douze mois pour cadrer une vraie stratégie d’agents est, dans ce contexte, un compromis raisonnable, à condition d’utiliser ce temps pour préparer la donnée et sélectionner les cas d’usage.
Les deux postures sont cohérentes, chacune dans son contexte.
Et après ?
La question n’est plus de savoir si l’IA transformera votre SAP, mais sur quels processus, à quelle échéance et avec quel niveau de preuve.
Notre réponse : commencez par les processus où la donnée est déjà propre, et donnez-vous deux à trois semaines pour l’objectiver avant d’engager quoi que ce soit. Avec la fin de maintenance d’ECC au 31 décembre 2027, c’est un investissement de temps qui reste tenable.
Reste une question que vous seul pouvez trancher : quel processus de votre périmètre aurait le plus à gagner d’un agent en production dans six mois ?