- IA, S4/HANA
- SAP Business AI
- 4 min de lecture
Joana Komnick
Ce wiki vous explique en cinq étapes comment créer un agent IA dans SAP. Ce wiki s'appuie sur les vidéos SAP «SAP Code–Based AI Agents (1re partie) » du 1er juin 2026 et «Code SAP–Basé sur AI Agents (2e partie) » du 10 juin 2026.
Si vous souhaitez véritablement automatiser les processus SAP – c'est-à-dire non seulement générer des réponses, mais aussi résoudre des tâches de manière autonome –, vous ne pouvez pas faire l'impasse sur les agents IA. Un agent IA réfléchit, planifie et agit : il reçoit une tâche formulée en langage naturel, sélectionne l'outil approprié, l'exécute et vérifie le résultat jusqu'à ce que l'objectif soit atteint.
Ce wiki s'adresse aux développeurs et aux consultants SAP ayant des compétences techniques qui souhaitent créer pour la première fois un agent IA basé sur du code à l'aide de Python, LangGraph et SAP AI Core. Il explique le concept, présente le code complet et fournit des bonnes pratiques issues de l'expérience sur le terrain.
D'après ce wiki, vous:
– la différence entre un chatbot et un véritable AIA ,
– un fichier exécutable AI fonctionnant en Python et de le connecter à SAP AI Core,
– définir vos propres outils et les utiliser pour étendre les capacités des agents,
– déployer l’agent de manière sécurisée et traçable dans un contexte SAP.
Table des matières
1. Introduction – Qu'est-ce qu'un agent d'IA basé sur du code ?
Un agent IA est un logiciel basé sur un modèle linguistique de grande envergure (LLM). Contrairement à un simple chatbot, un agent IA est capable de réfléchir de manière autonome, d'élaborer des plans et d'exécuter des tâches étape par étape, sans qu'aucune intervention humaine ne soit nécessaire. C'est précisément pour cette raison qu'on parle d'un système autonome.
La différence essentielle par rapport à un chatbot classique ressort clairement de la comparaison suivante :
Chatbot simple | Agent IA |
Répondez aux questions les unes après les autres. | Planifie et exécute des flux de travail à plusieurs étapes. |
kune mémoire. | Conserve le contexte et utilise la mémoire. |
Er ne peut pas intervenir dans des systèmes externes (passif). | Exécute des outils (par exemple, des API, des bases de données, etc.). |
S'appuie sur des réponses prédéfinies. | Faites preuve de créativité et corrigez-vous en vous appuyant sur les résultats de l'outil. |
2. Composants essentiels d'un agent d'IA
Tout agent IA se compose de quatre éléments fondamentaux :
- Brain (modèle) : Un LLM (par exemple GPT-4, Claude ou Gemini) traite les informations et prend des décisions
- Outils : API externes, bases de données, calculatrices, documents ou programmes auxquels l'agent peut accéder poureffectuer des opérations.
- Mémoire et connaissances : la capacité à mémoriser les interactions passées et à se référer à des documents externes.
- Instructions / Lignes directrices : Il existe des directives claires et des règles d'arrêt, qui définissent ce que l’agent a le droit de faire et ce qu’il n’a pas le droit de faire.
3. En quoi cela est-il pertinent ? (Avantages pour l'entreprise) :
IA Les agents ouvrent de toutes nouvelles perspectives en matière d’automatisation des processus dans l’environnement SAP.Alors que des étapes manuelles étaient jusqu’à présent étaient nécessairesétaient , s'applique l'agent prend désormais prend des décisions intelligentes et agit en fonction du contexte.
Aperçu des avantages concrets :
- Une véritable automatisation : fini les scripts rigides – l'agent s'adapte de manière dynamique au déroulement du processus.
- Une efficacité accrue : les tâches SAP répétitives (vérification des factures, calcul des taxes, consultation des stocks) sont accélérées.
- Le langage naturel comme interface : les utilisateurs interagissent en allemand ou en anglais ; aucune connaissance des transactions SAP n'est requise.
- Réduction des erreurs : l'agent vérifie les résultats de l'outil, détecte les erreurs et se corrige de lui-même (autocorrection).
- Évolutivité : une fois développé, un agent peut être étendu à d'autres modules et processus SAP.
4. Guide étape par étape :
Le guide suivant explique comment créer un agent IA à l'aide de Python et de SAP AI Core :
Conditions préalables :
Pour la mise en œuvre, certaines conditions doivent être remplies. Tout d'abord, un compte SAP BTP est nécessaire, sur lequel une instance du service SAP AI Core (formule « extended ») doit être déployée. Un accès au SAP AI Launchpad (formule « Standard ») est également requis.
À l'étape suivante, la clé du service AI Core est téléchargée depuis le BTP Cockpit, puis soit enregistrée dans un fichier credentials.json, soit exportée sous forme de variables .env.
De plus, l'identifiant de déploiement LLM issu du SAP AI Launchpad (ML Operations -> Déploiements) est nécessaire.
Enfin, un environnement de développement local avec Python 3.10 ou une version ultérieure, ainsi que Visual Studio Code, est nécessaire.
Étape 4.1 : Transformation virtuellegConfigurer l’environnement virtuel
Créer et activer un environnement Python virtuel afin d'isoler correctement les dépendances :
# Créer un environnement virtuel
python3 –m venv myagent
# Activation (Windows)
myagent\Scripts\acrivate
# Activation (macOS/Linux)
source myagent/bin/activate
Tous nbibliothèques nécessairesen:
pip install « sap-ai-sdk-gen[all] » langchain-core langchain-community langgraph
pip install –upgrade pip
Ce que proposent ces formules :
- sap-ai-sdk-gen : SDK de base permettant de se connecter à SAP AI Core. Il fournit le modèle ChatSapOpenAI compatible avec LangChain et se charge du rafraîchissement automatique des jetons OAuth2.
- langchain-core : interfaces de base, classes Runnable et décorateur @tool permettant de définir des outils d'agent avec des signatures typées et des chaînes de documentation.
- langchain-community : intégrations avancées, notamment la mémoire, les chargeurs et les chaînes utilitaires.
- langgraph : fournit create_react_agent, un framework d'agents avec état qui implémente la boucle ReAct et gère l'historique des conversations.
Étape 4.2 : Configurer l'authentification
Veuillez relever les valeurs suivantes dans le BTP-Cockpit :
AICORE_CLIENT_ID=<Client ID>
AICORE_CLIENT_SECRET=<Client Secret>
AICORE_AUTH_URL=<Auth URL>/oauth/token>
AICORE_BASE_URL=<AI API URL>
AICORE_RESOURCE_GROUP=<Resource Group aus AI Launchpad>
AICORE_DEPLOYMENT_ID=<Deployment ID aus AI Launchpad>
Étape 4.3 : Créer un outil
Les outils sont des fonctions Python que l'agent peut appeler. Créez un nouveau fichier nommé tools.py et définissez-y l'outil souhaité.
L'exemple tiré de la vidéo concerne le calcul de l'impôt sur les sociétés :
# tools.py
from langchain_core.tools import tool
@tool
def calculate_sap_tay(amount:float) -> str:
« » « Calculez l'impôt sur les sociétés de 13,25 % pour un
montant de facture.”””
tax_total = montant * 0,1325
retutn f”Berechnete Steuer: {tax_total:.2f} CHF”
Le décorateur @tool enregistre la fonction en tant qu'outil pour l'agent Langchain. La chaîne de documentation est essentielle, car elle indique au LLM quand il doit appeler cet outil.
Étape 4.4 : Créer des agents
Créez un fichier main.py qui initialise le LLM, configure l'agent et traite une requête utilisateur :
# main.py
import os
from dotenv import load_dotenv
from langgraph.prebuilt import create_react_agent
from gen_ai_hub.proxy.langchain import ChatOpenAI
from tools import calculate_sap_tax
load_dotenv()
# 1. Initialiser le LLM via SAP AI Core
llm = ChatOpenAI(
deployment_id=os.environ[« AICORE_DEPLOYMENT_ID »],
temperature=0,0
)
# 2. Créer des agents
agent = create_react_agent(llm, [calculate_sap_tax])
# 3. Appeler les agents
query = input(« Montant de la facture à saisir pour le calcul de la taxe : »)
response = agent.invoke({„messages“: [(„user“, query)]})
print(f“Ergebnis: {response[‚messages‘][-1].content}“)
La valeur « temperature=0.0 » garantit des réponses déterministes et reproductibles.
Étape 4.5 : Tester et exécuter les agents
python main.py
# Exemple d'interaction :
# > Saisir le montant de la facture pour le calcul de la taxe : 5000
# > Résultat : taxe calculée : 500.00 CHF
L'agent est ainsi prêt à fonctionner. Il reçoit la requête de l'utilisateur, sélectionne l'outil approprié, l'exécute et renvoie le résultat.
5. Architecture / Fonctionnement :
Au cœur de chaque agent IA se trouve la boucle ReAct (Reason + Act Loop). À chaque itération, l'agent analyse l'état actuel, choisit une action, l'exécute, observe le résultat et répète le cycle jusqu'à ce que l'objectif soit atteint.
Réception de l'objectif : l'utilisateur formule une tâche ou une question en langage naturel.
- Raison (réflexion) : le LLM analyse le problème et choisit la meilleure action ..
- Act (Agir) : l'agent appelle un outil (API, code, recherche).
- Observe (Observer/Vérifier) : L'agent prend connaissance du résultat fourni par l'outil : réussite, échec ou résultat intermédiaire.
- Évaluer : L'objectif a-t-il été atteint ? Si ce n'est pas le cas, revenez à l'étape 2 (Réfléchir)
6. Bonnes pratiques
Commencez modestement : créez dans un premier temps l'agent pour un seul workflow, avec une définition claire de la réussite. Aucun agent ne devrait être capable de tout faire dès le départ.
Sécuriser les outils : chaque outil nécessite une validation explicite et stricte des entrées. Des entrées non définies entraînent des arguments erronés et des erreurs d'exécution.
Mettre en place des garde-fous : mettez en œuvre des validations rigoureuses et des étapes de validation par un humain avant que l'agent n'accède à des tâches critiques pour l'entreprise. La confiance s'instaure progressivement.
7. Résumé
Les agents IA sont bien plus que de simples chatbots classiques. Ils sont capables d’analyser et de planifier des tâches de manière autonome, puis d’exécuter des flux de travail à plusieurs étapes à l’aide d’outils. Les quatre composants centraux – Brain (LLM), Tools, Memory et Guardrails – constituent la base de chaque agent. Le véritable cœur du système est la boucle ReAct, au sein de laquelle l’agent réfléchit, agit, vérifie les résultats et évalue son approche en continu, jusqu’à ce que l’objectif souhaité soit atteint.
SAP AI Core est une plateforme d'entreprise qui fournit l'infrastructure nécessaire au fonctionnement de ces agents. Pour une mise en œuvre en production, une délimitation claire des tâches, des appels d'outils sécurisés et des mécanismes de contrôle adaptés constituent des facteurs de réussite essentiels pour garantir la fiabilité, la sécurité et la traçabilité.
Vous souhaitez en savoir plus sur AI Units & Co. et découvrir comment lancer votre projet d'IA avec succès ?
Veuillez prendre rendez-vous ici avec notre expert SAP AI, Robert Kehrli.
