Google TabFM fait ce que Excel ne fera jamais seul.

Et si votre tableau Excel pouvait se prédire lui-même ?

Pendant des années, les données tabulaires — ces colonnes et lignes que toute entreprise manipule chaque jour dans Excel, SQL ou Google Sheets — ont résisté à la grande vague des modèles de langage. GPT, Gemini, Claude : brillants pour le texte, mais maladroits face à un bon vieux tableau de chiffres hétérogènes. Google vient de changer la donne avec TabFM, un modèle fondamental entraîné spécifiquement sur des données structurées. Ce n'est pas une mise à jour. C'est un changement de catégorie.

Le problème que personne ne voulait vraiment résoudre

Les données tabulaires représentent encore aujourd'hui plus de 80 % des données utilisées en entreprise. Pourtant, chaque modèle de machine learning classique — XGBoost, Random Forest, réseaux de neurones — doit être entraîné de zéro sur chaque nouveau jeu de données. Vous changez de secteur ? Vous recommencez. Vous ajoutez une colonne ? Vous réentraînez. Vous n'avez que 200 lignes d'historique ? Bonne chance.

Le rêve était simple : un modèle pré-entraîné sur des millions de tableaux différents, capable de comprendre la structure d'un nouveau dataset sans repartir de zéro — exactement comme GPT-4 comprend un nouveau texte sans avoir besoin de le réapprendre. Ce rêve s'appelait un modèle fondamental tabulaire, ou TabFM. Et il était techniquement cauchemardesque à construire.

Pourquoi c'était si difficile à résoudre

Un texte, c'est du texte : même alphabet, même grammaire, même structure sous-jacente d'une langue à l'autre. Un tableau, c'est autre chose. Chaque dataset a :

• Des colonnes aux noms arbitraires (revenue_q3, age_client, CO2_emission…)
• Des types mixtes : entiers, catégories, dates, booléens, valeurs manquantes
• Des distributions statistiques radicalement différentes selon le domaine
• Des relations entre colonnes qui n'ont aucun équivalent dans un autre tableau

Entraîner un seul modèle à généraliser sur toute cette hétérogénéité semblait presque impossible. Les tentatives précédentes — TabPFN de Munich, SAINT, ou encore les approches de Salesforce — ont ouvert la voie, mais restaient limitées en taille de dataset ou en performance sur des tâches complexes.

Ce que Google TabFM fait différemment

Google Research a publié fin 2024 ses travaux sur TabFM en adoptant une approche en trois temps qui tranche avec les méthodes précédentes.

1. Un pré-entraînement sur une diversité massive de tableaux réels

TabFM a été exposé à des centaines de milliers de datasets structurés couvrant la finance, la santé, le retail, la logistique, les sciences. L'objectif : que le modèle développe une intuition statistique généraliste, capable de détecter des patterns même dans des données qu'il n'a jamais vues.

2. Une architecture qui gère nativement les colonnes hétérogènes

Plutôt que de tout convertir en vecteurs numériques bruts, TabFM encode les noms de colonnes, les types de données et les distributions comme des tokens sémantiques. Le modèle "sait" que la colonne prix_unitaire se comporte différemment de code_postal, même sans qu'on le lui explique.

3. Un fine-tuning en quelques exemples seulement

C'est là que tout bascule. Avec seulement 50 à 200 exemples — là où XGBoost en demanderait des milliers — TabFM atteint des performances comparables, voire supérieures, aux meilleurs modèles entraînés spécifiquement. C'est ce qu'on appelle le few-shot learning tabulaire, et c'était considéré comme hors de portée il y a encore deux ans.

Des cas d'usage concrets, dès maintenant

Pour une PME, cela signifie qu'un analyste peut brancher TabFM sur son historique de ventes — même maigre — et obtenir des prédictions de churn, de demande ou de fraude sans embaucher un data scientist. Pour un hôpital, c'est analyser des données patients rares sans attendre des années de collecte. Pour une startup SaaS, c'est déployer un modèle de scoring en semaines plutôt qu'en mois.

Google positionne TabFM comme une brique d'infrastructure, intégrable via Vertex AI. L'idée : que l'IA tabulaire devienne aussi accessible que l'appel à une API de traduction.

Ce que cela change pour les professionnels des données

Les data scientists ne disparaissent pas — ils changent de travail. Moins de feature engineering laborieux, moins de recherche d'hyperparamètres, plus de temps consacré à l'interprétation et à la valeur métier. Les profils analytiques sans background ML gagnent en autonomie. Et les organisations qui ne pouvaient pas se permettre l'IA tabulaire entrent dans le jeu.

La vraie tension, désormais, n'est plus "peut-on prédire avec peu de données ?" mais "qui contrôle les données d'entraînement de ces modèles fondamentaux ?" Une question de gouvernance que ni Google ni ses concurrents n'ont encore pleinement répondu.

Conclusion : la fin du "trop peu de données pour l'IA"

TabFM ne résout pas tous les problèmes. La confidentialité des données, l'explicabilité des décisions, le biais algorithmique — ces défis demeurent entiers. Mais il efface l'excuse la plus fréquente dans les projets data : "Nos données sont trop peu nombreuses, trop spécifiques, trop complexes."

Le modèle fondamental tabulaire transforme l'IA structurée d'un projet de plusieurs mois en une capacité opérationnelle de quelques jours. Pour les entreprises qui s'en emparent maintenant, l'avantage ne sera pas technologique — il sera temporel.

— Reservoir Live