IA agentique : SAS rattrape son retard et mise sur la gouvernance

Agents IA : SAS a finalement pris le train

Comme chez ses concurrents, cette interface n’est plus en vase clos. SAS a déployé son serveur MCP pour rendre certaines fonctionnalités de sa plateforme accessible aux interfaces et IDE agentiques.

Ces outils servent à bâtir des cas d’usage ou en sont l’interface utilisateur. Par exemple, les dirigeants de SAS ont montré une intégration entre une application bâtie avec SAS Intelligent Decisionning et Claude.ai d’Anthropic. Un skills permet au LLM sous-jacent d’accéder aux informations documentant un processus d’analytique prédictive et un tableau de bord. Dans ces cas-là, Claude peut expliquer les prévisions en s’appuyant sur des données validées par des humains.

En outre, SAS met à disposition de ses clients SAS Agentic AI Accelerator. Ce paquet rassemble une méthodologie, des outils et des templates de code. Il doit permettre à ses clients de déployer des environnements et des flux agentiques sur SAS Viya.

En 2023, l’éditeur avait préféré miser sur la génération de données synthétiques. Il faisait alors preuve de prudence concernant l’IA générative. Toutefois, l’ensemble du marché analytique est en train d’intégrer des assistants et des agents IA. Tous promettent l’accélération des processus d’ingestion, de préparation, de visualisation et d’analyse de données.

Les clients habituels de l’éditeur –, les institutions financières, les assurances, les industriels, les spécialistes de la santé – adoptent ou veulent adopter ces technologies. SAS, 50 ans cette année, a dû prendre le train en marche en assurant ses arrières.

« Nous savions ce qui était en jeu avec les taux d’erreur de l’IA générative. Nous ne pouvions pas déployer cela dans des domaines à haut risque », déclare Bryan Harris, vice-président exécutif et directeur technique chez SAS Innovate, auprès du MagIT.

« […]Je pense que nous avons fait le travail en interne et sur notre plateforme pour surmonter les déficiences des grands modèles de langage et les intégrer dans des flux de travail agentiques avec fiabilité et confiance », poursuit-il. « Nos clients nous voient, je l’espère, adopter une approche responsable. Nous ne faisons pas des promesses en l’air. Nous ne survendons pas la vague de l’IA ». 

Gouverner l’IA agentique par les cas d’usage

Lors de son SAS Innovate On Tour parisien, les porte-parole de l’éditeur ont surtout mis en avant SAS AI Navigator, une « offre SaaS légère » et standalone. Elle sera disponible depuis la marketplace Azure au cours du troisième trimestre 2026.

SAS Viya n’est même pas requis. Pour rappel, une bonne partie des clients ont encore des instances de SAS 9.

L’application SAS AI Navigator doit offrir une vue des projets IA en cours à des fins de gouvernance et d’audit. Cet outil est d’abord centré sur les cas d’usage, puis liste les modèles d’IA (y compris les LLM, les algorithmes de machine learning, de deep learning, modèles de statistique avancée) et les agents IA. Des flux de travail documentaires préconfigurés doivent permettre de suivre les projets. L’objectif : assurer la mise en conformité réglementaire des projets, notamment au regard de l’AI Act.

Les produits bénéficiaient déjà de fonctions de gouvernance. Le CTO évoque l’existence de « model cards ». Ce sont les fiches d’identité des modèles d’IA répertoriés par une entreprise. Les fonctions d’explicabilité et de vérifications des résultats analytiques sont réparties dans les différentes solutions de l’éditeur.

« En ce moment, la plupart des dirigeants et des membres de conseils d’administration ne comprennent même pas à quel point l’IA est utilisée dans leurs entreprises », ajoute Bryan Harris. « Nous voulions donc être en mesure de créer un inventaire et de capturer non seulement les cas d’usage et leur lien avec l’IA, mais aussi les règlements internes et les lois auxquels ces cas d’usage doivent se conformer ».

SAS n’est pas le seul à proposer un tel outil. ServiceNow, Dataiku, Collibra, Informatica, Alation sont quelques-uns des acteurs croisés par LeMagIT qui ont à leur catalogue une solution similaire. ServiceNow veut aller plus loin en permettant aux administrateurs de scanner les actifs IA et de bloquer des déploiements en cas de problème.

SAS se penche aussi sur la découverte automatique des systèmes d’IA générative et agentique. « L’idée serait de créer un système d’enregistrement automatique pour AI Navigator. Concrètement, nous fournirions aux fournisseurs d’IA un petit module logiciel qu’ils pourraient facilement intégrer dans leurs systèmes. Une fois installé, ce module leur permettrait de renseigner les informations nécessaires à leur enregistrement », décrit le CTO. « Ensuite, ces informations seraient automatiquement transmises à AI Navigator, pour indiquer quel système est utilisé et dans quels cas d’usage spécifiques ».

L’outil n’est pas forcément équipé pour bloquer les cas d’usage en circulation. Toutefois, AI Navigator devrait permettre aux décideurs d’identifier les actifs IA autorisés suivant la nature du cas d’usage afin de transmettre les demandes de changement de modèles ou d’outils auprès des responsables des projets IA.

« AI Navigator est conçu pour prendre des décisions rapides », assure Reggie Townsend, vice-président éthique, gouvernance et impact social de l’IA chez SAS.

En ce qui concerne les sujets liés à l’IA agentique, les analystes interrogés à la fin du mois d’avril par SearchBusinessAnalytics, une publication sœur du MagIT, sont unanimes. S’ils apprécient la prudence de ses dirigeants, SAS s’adresse principalement à sa base de client installée et rattrape son retard. À voir si les performances suivront.

SingleStore et DuckDB, les deux moteurs de l’interopérabilité chez SAS

Il en va de même en matière de traitement de données et d’interopérabilité. L’éditeur a (re)présenté SpeedyStore, une offre qui combine SaS Viya et la base de données in-memory SingleStore. Elle vise à traiter les charges de travail analytiques et transactionnelles en prenant en charge les tables Apache Iceberg.

De même, SAS prend en charge de DuckDB au sein de Viya depuis le mois de juillet 2025. C’est un moteur analytique open source orienté colonnes.

« DuckDB prend principalement en charge les formats compatibles avec Parquet, dont Iceberg. De nombreux clients stockent leurs données sur S3 sans s’appuyer sur la structure d’une base de données d’entreprise. Nous voulions nous assurer que les clients peuvent s’appuyer sur leurs lacs de données », explique Bryan Harris.

Plus particulièrement, l’éditeur combine DuckDB, Iceberg et les buckets S3 Tables avec une intégration SAS/ACCESS pour Viya. Les coûts seraient largement inférieurs à l’infrastructure standard de SAS (son moteur sur Azure + NetApp).

DuckDB est réputé pour ses performances et sa capacité à compresser les données. En revanche, le moteur présente quelques limitations en matière de gestion de permissions et de traitement de grandes tables sujettes à de nombreuses requêtes concurrentes.

« Nous voyons d’énormes avantages à DuckDB, mais SpeedyStore, c’est un peu comme si vous disposiez d’une base de données d’entreprise à part entière, multimodale, temporelle, JSON, semi-structurée, non structurée et relationnelle, le tout dans un seul moteur », vante le CTO.

Le partenariat avec SingleStore n’est pas courant. En revanche, la prise en charge des formats de table et des moteurs open source est nécessaire là où Snowflake et Databricks en ont fait leur sacerdoce. En face de ces acteurs, SAS martèle son positionnement hybride et la possibilité de déployer sa plateforme sur site.

Combiner jumeaux numériques, données synthétiques et IA

SAS se distingue toutefois sur un sujet de niche. Un concept technologique en particulier résonne avec les besoins de ses clients industriels : les jumeaux numériques.

L’année dernière, SAS avait annoncé un partenariat avec Epic Games pour modéliser à l’aide du moteur 3D Unreal Engine des lignes de production et des usines. Lors du keynote d’ouverture de SAS Innovate On Tour, Bryan Harris a montré les avancées des premiers projets avec des clients. Il a mentionné Georgia-Pacific, un fabricant américain d’articles à partir d’ouate de cellulose et SterilCentral, une société danoise spécialisée dans la stérilisation des équipements chirurgicaux.

Outre la représentation en 3D des lignes de nettoyage de Sterilcentral qui permet de simuler des scénarios d’optimisation de la production, SAS et Sterilcentral se sont appuyés sur les modèles 3D humains pour entraîner un modèle de computer vision. Celui-ci doit reconnaître si le personnel porte bien les équipements d’hygiène (masque, blouse, charlotte) requis. Pour des raisons légales, Sterilcentral ne pouvait pas entraîner ce type d’algorithme à partir des caméras de vidéosurveillance. D’autres cas d’usage similaires sont en cours d’évaluation. Il concerne principalement la détection d’anomalies au sein de lignes industrielles automatisées.

Outre le recours à la technologie de RealityScan pour reproduire fidèlement les environnements et les machines, SAS a développé un plugin pour collecter les données de télémétrie IT-OT.  

Selon le CTO, des discussions sont en cours avec Accenture, Deloitte, PTC et d’autres pour développer des solutions mêlant jumeaux numériques, computer vision et IA. « Nous pourrons créer des environnements 3D au besoin, mais nous aimerions créer un portefeuille d’offres à partir desquelles nos partenaires pourront développer leurs activités », précise Bryan Harris.

SAS envisage par la suite investir le domaine de l’IA physique. C’est-à-dire la combinaison de la robotique, de l’IA agentique et des modèles monde.

« Il y a une opportunité dans le secteur de l’IA physique. Là aussi, les enjeux de prise de décision à haut risque et de sécurité sont forts. Ce sont des sujets qui correspondent bien à l’héritage de notre entreprise », déclare le directeur technique. « Les jumeaux numériques deviennent la passerelle vers ce monde ».