Hapag-Lloyd utilise Amazon Bedrock pour transformer les retours clients en informations exploitables

Se retire de l'extraction d'informations web automatisée par Amazon Bedrock AgentCore

Amazon a présenté une solution technique permettant d'automatiser l'extraction d'informations à partir de sites web, construite autour d'Amazon Bedrock AgentCore, une plateforme dédiée à la création et à l'exploitation d'agents IA à grande échelle. Le système combine plusieurs services cloud : AgentCore Browser, un navigateur entièrement géré capable de restituer les pages riches en JavaScript, Amazon Bedrock pour l'analyse par IA, Amazon OpenSearch Serverless pour la recherche sémantique, et AWS Lambda pour l'orchestration. Concrètement, une règle Amazon EventBridge déclenche toutes les 15 minutes une fonction Lambda qui vérifie les flux RSS configurés et élimine les doublons via Amazon S3. Pour chaque nouvel article détecté, une session de navigateur s'ouvre via AgentCore et se connecte grâce à Playwright par le protocole Chrome DevTools (CDP) : contrairement à une simple requête HTTP, ce navigateur distant charge la page entière, attend le rendu des éléments dynamiques, capture une image d'écran et télécharge les visuels, avant que ces éléments ne soient stockés dans S3 dans un format structuré. Chaque dépôt sur S3 déclenche ensuite un message via Amazon SQS pour lancer le traitement par IA. Le code complet est disponible sur GitHub. L'enjeu pour les entreprises est de taille : suivre manuellement des dizaines de sites concurrents, de blogs sectoriels ou de publications réglementaires est chronophage et repose sur des scrapers classiques, fragiles par nature, puisqu'ils dépendent étroitement de la structure des pages. Une simple refonte d'un site ou une migration vers un frontend en JavaScript peut casser silencieusement un pipeline pendant plusieurs jours sans que l'équipe s'en aperçoive. En rendant le rendu des pages plus fiable, AgentCore Browser réduit ce risque et permet à des équipes design, marketing ou produit de suivre en continu les nouveautés d'un concurrent, les changements de tarification ou les signaux faibles d'un marché, sans intervention manuelle quotidienne. Cette architecture événementielle, qui sépare la collecte de contenu du traitement par IA, illustre une tendance plus large : l'automatisation de la veille par des agents capables de naviguer le web comme un humain plutôt que par des scripts rigides. Les cas d'usage identifiés par Amazon couvrent l'intelligence concurrentielle, la veille marché, la curation de contenu et la surveillance réglementaire. La recherche sémantique via des embeddings vectoriels dans OpenSearch Serverless permet ensuite d'interroger l'ensemble des informations collectées en langage naturel plutôt que par mots-clés exacts, ouvrant la voie à des tableaux de bord de veille alimentés en continu et consultables via une interface web.

💬 Se retirer d'un service AWS "prêt à l'emploi" pour l'extraction web, c'est un signal fort : même Amazon préfère composer ses propres briques (Browser, Lambda, OpenSearch) plutôt que de maintenir un produit fini. Ça confirme un truc que je répète depuis des mois, la veille automatisée par navigateur headless plutôt que par scraper fragile devient l'architecture par défaut, pas une option de luxe. Reste que c'est un stack AWS complet à opérer soi-même, pas un bouton à cliquer, donc parfait pour une équipe data qui sait déjà manier Lambda et SQS, beaucoup moins pour une PME qui voulait juste suivre trois concurrents sans embaucher un ingénieur cloud.

Utiliser RAG pour la génération vidéo avec Amazon Bedrock et Amazon Nova Reel

La génération vidéo par intelligence artificielle franchit un nouveau cap avec l'introduction d'un pipeline Video Retrieval Augmented Generation (VRAG) développé sur les services cloud d'Amazon Web Services. Cette approche combine la récupération d'images pertinentes et la génération vidéo automatisée pour produire des contenus visuels personnalisés à partir de simples descriptions textuelles, surmontant ainsi la principale limite des modèles génératifs actuels, cantonnés à leurs données d'entraînement. L'enjeu est considérable pour des secteurs entiers. La publicité, la production médiatique, l'éducation et le jeu vidéo peinent aujourd'hui à exploiter la génération vidéo IA faute de contrôle suffisant sur le contenu produit. En ancrant la génération dans une bibliothèque d'images réelles indexées, le pipeline VRAG permet une personnalisation précise, transformant un simple prompt comme "une agence de voyage veut illustrer une destination" en séquences vidéo cohérentes et fidèles à l'univers visuel de la marque. Techniquement, la solution repose sur quatre composants AWS : Amazon Bedrock comme socle d'orchestration, Amazon Nova Reel pour la génération vidéo, le moteur vectoriel d'Amazon OpenSearch Service pour la recherche sémantique d'images, et Amazon S3 pour le stockage. Le workflow est entièrement automatisé : l'utilisateur fournit un objet d'intérêt (ex. : "ciel bleu") et un prompt d'action (ex. : "la caméra pivote dans le sens horaire"), le système récupère l'image la plus pertinente, génère la vidéo en mode asynchrone, puis stocke et télécharge automatiquement le résultat. Le traitement par lots via un fichier prompts.txt permet de produire plusieurs vidéos en une seule exécution. Le potentiel applicatif est immédiat : création de vidéos pédagogiques puisant dans une base de connaissances illustrées, spots publicitaires ciblés alignés sur des profils démographiques précis, ou contenus personnalisés adaptés aux centres d'intérêt de chaque utilisateur. Cette approche VRAG représente une évolution structurelle dans la production vidéo assistée par IA, en faisant du contexte documentaire, et non plus du seul modèle, le véritable moteur de la personnalisation.

Reco transforme les alertes de sécurité grâce à Amazon Bedrock

Reco a intégré Amazon Bedrock et le modèle Anthropic Claude pour transformer radicalement la façon dont les équipes de sécurité traitent les alertes. L'objectif : convertir des données brutes techniques, souvent illisibles pour des non-spécialistes, en récits clairs et actionnables, accélérant ainsi la réponse aux incidents dans les environnements SaaS. L'enjeu est majeur pour les SOC (Security Operations Centers). Les analystes passaient jusqu'ici un temps considérable à déchiffrer manuellement des alertes en format JSON, à croiser des indicateurs entre plusieurs sources et à formuler des requêtes d'investigation, autant d'opérations chronophages qui augmentaient le risque de passer à côté d'une menace critique. La capacité à communiquer rapidement ces alertes à des parties prenantes non techniques représentait un obstacle supplémentaire. La solution développée par Reco, baptisée Alert Story Generator, repose sur quatre piliers : la transformation des alertes JSON en narrations compréhensibles, la corrélation des risques pour prioriser les réponses, la génération de résumés partageables entre équipes techniques et métiers, et la création automatique de requêtes d'investigation prêtes à l'emploi. Sur le plan technique, l'implémentation s'appuie sur du few-shot learning avec des exemples soigneusement sélectionnés, une approche qui a significativement amélioré la cohérence des sorties structurées par rapport au zero-shot. Le recours au prompt caching d'Amazon Bedrock a permis de réduire la latence d'inférence de 75 %. Le choix d'Amazon Bedrock n'est pas anodin : la plateforme offre un accès à plusieurs modèles de fondation, une architecture sécurisée avec chiffrement des données et intégration VPC, ainsi qu'un modèle de facturation à l'usage qui évite les coûts d'infrastructure fixes, particulièrement adapté aux charges de travail variables propres aux environnements de sécurité.

Premier avis de sinistre automatisé : Strands Agents et Amazon Bedrock AgentCore pour un traitement intelligent des déclarations

Amazon Web Services a présenté un système d'automatisation de la déclaration de sinistre initiale (FNOL, ou "First Notice of Loss") combinant deux de ses technologies : le SDK open source Strands Agents et l'outil Amazon Bedrock AgentCore Browser Tool. Le dispositif s'appuie également sur Amazon Nova Act, un client capable d'interpréter des instructions en langage naturel pour piloter des interfaces web. Concrètement, Nova Act orchestre les interactions avec les portails de gestion de sinistres, ouvrir un dossier non traité, déclencher une analyse d'images, tandis que les agents construits avec Strands Agents appliquent les règles métier propres à l'assurance : interprétation des preuves, corrélation entre différents types de médias, évaluation de la complexité du dossier. Les modèles de fondation sont servis via Amazon Bedrock, et les sessions de navigation sont gérées dans des environnements Chrome isolés, avec enregistrement et visualisation en temps réel pour garantir la traçabilité. L'enjeu est considérable pour les compagnies d'assurance. À chaque déclaration de sinistre, les experts reçoivent un ensemble hétérogène d'informations non structurées : photos prises sur le terrain, vidéos panoramiques des dégâts, documents scannés, notes dictées ou enregistrées. Avant même de pouvoir exercer leur jugement, ils doivent naviguer dans des portails, vérifier l'exhaustivité des pièces justificatives et interpréter manuellement chaque élément. Les estimations sectorielles indiquent que cette phase de validation représente une part significative du temps d'un expert lors du traitement initial d'un dossier. Lors de pics de sinistres, catastrophes naturelles, vagues saisonnières, ces délais s'accumulent, créent des files d'attente et dégradent l'expérience client. Le système proposé délivre aux experts des dossiers pré-analysés, avec les preuves étiquetées et contextualisées, prêts pour la prise de décision plutôt que pour la validation. Cette initiative s'inscrit dans un mouvement plus large d'automatisation des processus assurantiels par l'IA générative, un secteur où les grands acteurs du cloud, AWS, Microsoft Azure, Google Cloud, se livrent une concurrence intense pour conquérir les équipes claims et underwriting. L'approche d'AWS est notable car elle ne cherche pas à remplacer l'expert humain mais à éliminer le travail répétitif d'écran, en préservant la supervision et l'auditabilité. Les données d'intake étiquetées deviennent également un actif opérationnel durable, utilisable pour affiner le routage des dossiers, détecter des patterns de fraude ou améliorer les workflows sur l'ensemble du cycle de vie des sinistres. La prochaine étape naturelle sera l'intégration avec des systèmes de gestion de sinistres existants comme Guidewire ou Duck Creek, où la valeur de l'automatisation multimodale sera pleinement testée à l'échelle.