OutilsAI News2j

Amazon lance Alexa pour le shopping tandis que Rufus passe en arrière-plan

Résumé IASource uniqueImpact UE Take éditorial

Amazon a officiellement lancé Alexa for Shopping, une nouvelle expérience d'achat qui fusionne son assistant conversationnel Rufus avec Alexa+, disponible depuis mai 2026 sur l'application Amazon, le site web et les appareils Echo Show. La fonctionnalité est déployée en priorité aux États-Unis et accessible gratuitement à tout client connecté, sans abonnement Prime ni appareil dédié requis. Concrètement, l'assistant permet de répondre à des questions produit, comparer des articles côte à côte, suivre les baisses de prix jusqu'à un an, créer des guides d'achat pour les gros achats, et déclencher des actions d'achat automatisées sous conditions. Andy Jassy, PDG d'Amazon, a révélé que les utilisateurs actifs mensuels de Rufus avaient progressé de plus de 115 % en 2025, avec un engagement en hausse de près de 400 % sur un an, et que l'outil avait accompagné plus de 300 millions de clients dans leurs recherches et achats. Le nom Rufus disparaît de l'interface publique mais continue d'alimenter le moteur en coulisses.

Ce lancement représente un tournant dans la manière dont Amazon intègre l'IA générative au cœur de son tunnel d'achat. En embarquant l'assistant directement dans la barre de recherche principale, Amazon supprime la friction d'un chatbot séparé et positionne l'IA comme couche d'interaction par défaut. Les utilisateurs peuvent désormais poser des questions contextuelles comme "quelle routine skincare pour hommes ?" ou "quand ai-je commandé des piles AA ?" et obtenir des réponses nourries par leur historique d'achats, de navigation et de conversations Alexa. La fonctionnalité Buy for Me va encore plus loin en permettant à l'IA d'effectuer des achats autonomes sur des sites tiers via Shop Direct, avec l'adresse et le moyen de paiement principal du client. Pour les Echo Show 15 et 21, Amazon ouvre désormais un accès complet au catalogue, pilotable à la voix ou au toucher.

Ce mouvement s'inscrit dans une compétition directe avec Google Shopping, Perplexity et d'autres moteurs de découverte produit augmentés par l'IA. Amazon, qui a enregistré 426,3 milliards de dollars de ventes nettes en Amérique du Nord et 161,9 milliards à l'international en 2025, cherche à consolider son avance sur l'ensemble du parcours client, de la recherche à l'achat automatisé. L'enjeu est aussi celui de la confiance : en utilisant l'historique personnel, les interactions Alexa et les préférences déclarées (membres de la famille, animaux, régimes alimentaires), Amazon construit un profil d'acheteur intime que les concurrents peinent à répliquer. Les prochains mois diront si les consommateurs acceptent ce niveau de personnalisation, ou si les questions de vie privée freinent l'adoption.

Impact France/UE

Le déploiement est prioritairement américain, mais les consommateurs et e-commerçants européens pourraient être concernés lors d'un éventuel déploiement sur Amazon.fr, avec des implications pour la vie privée sous le RGPD.

💬 Le point de vue du dev

Le vrai move d'Amazon ici, c'est pas de renommer Rufus, c'est de foutre l'IA directement dans la barre de recherche principale, là où les gens tapent déjà depuis vingt ans. "Buy for Me" qui achète à ta place sur des sites tiers, bon, sur le papier c'est dingue. Reste à voir combien d'utilisateurs vont vraiment lâcher leur carte bancaire à un bot, surtout en Europe où le RGPD va s'inviter à la fête.

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1Le Big Data

Alexa for Shopping : le nouvel assistant d’Amazon qui compare les prix et achète pour vous

Amazon a officiellement lancé le 13 mai 2026 Alexa for Shopping, un assistant IA intégré directement dans la barre de recherche du site Amazon.com et dans son application mobile, disponible dès maintenant pour les clients américains. Ce nouvel outil remplace Rufus, l'assistant IA précédent jugé trop limité, et s'appuie sur Alexa Plus pour permettre aux utilisateurs de dialoguer en langage naturel plutôt que de saisir des requêtes classiques. La fonctionnalité phare du système est son degré d'automatisation : Alexa for Shopping peut surveiller le prix d'un article, comparer plusieurs références entre elles, et déclencher un achat si des conditions prédéfinies sont réunies. Amazon illustre cette logique avec un exemple concret : l'utilisateur peut demander à l'assistant d'acheter une crème solaire uniquement si son tarif descend sous les 10 dollars et qu'aucune commande récente du même produit n'a été passée. Une fonction baptisée "Buy for Me" étend même la capacité de recherche à d'autres sites marchands. L'assistant est également disponible sur les appareils Echo Show, et une conversation initiée sur une enceinte connectée peut désormais influencer les recommandations affichées sur Amazon.com. L'enjeu pour Amazon est considérable : transformer son moteur de recherche en un agent d'achat actif, capable d'anticiper les besoins des consommateurs et de réduire le temps de décision à presque zéro. Pour les utilisateurs habitués à naviguer entre des centaines de fiches produit, des milliers d'avis et des promotions changeantes, le gain de temps est réel. Mais cette automatisation soulève des inquiétudes légitimes. L'idée qu'un assistant puisse valider un achat de façon autonome, pendant que l'utilisateur fait autre chose, a déjà suscité des critiques lors des premiers tests de la fonction "Buy for Me". Amazon assure que toutes les règles restent configurables et que l'utilisateur garde le contrôle, mais la frontière entre personnalisation et délégation totale de la décision d'achat devient floue. Ce lancement s'inscrit dans une stratégie plus large d'Amazon pour faire d'Alexa le pivot d'un écosystème d'achat continu, unifiant enceintes connectées, smartphones et navigation web. Pour fonctionner de façon pertinente, l'assistant doit accumuler un volume important de données personnelles : historique d'achats, préférences déclarées, habitudes de consommation, et interactions vocales. Amazon présente cette collecte comme le moyen d'affiner la précision des recommandations, mais l'objectif sous-jacent est clair : anticiper les intentions d'achat avant même que le consommateur en prenne conscience. Dans un contexte où les régulateurs européens et américains scrutent de plus en plus les pratiques des plateformes en matière de données comportementales, ce virage vers un assistant acheteur permanent risque d'alimenter de nouveaux débats sur les limites de l'automatisation commerciale.

UEActuellement limité aux États-Unis, ce lancement pourrait accélérer l'examen réglementaire européen des assistants d'achat autonomes, notamment en matière de collecte de données comportementales et de profilage des consommateurs par les grandes plateformes.

OutilsOutil

1 source

2AWS ML Blog

Le Spring AI SDK pour Amazon Bedrock AgentCore est désormais en disponibilité générale

Amazon a rendu disponible en accès général le Spring AI SDK pour Amazon Bedrock AgentCore, une bibliothèque open source qui permet aux développeurs Java de construire et déployer des agents IA autonomes en production sur l'infrastructure d'AWS. Ce SDK s'intègre nativement dans l'écosystème Spring Boot 3.5 et Java 17 minimum, en exploitant les patterns familiers du framework : annotations, auto-configuration et advisors composables. Concrètement, un développeur ajoute une dépendance au projet, annote une méthode, et le SDK prend en charge tout le reste, de la gestion des endpoints jusqu'au streaming des réponses en temps réel. Jusqu'à présent, intégrer Amazon Bedrock AgentCore dans une application Spring représentait plusieurs semaines de travail d'infrastructure avant même d'écrire la moindre logique métier : il fallait implémenter manuellement les endpoints /invocations et /ping, gérer le streaming Server-Sent Events avec son protocole précis, configurer les health checks, le rate limiting, et connecter les advisors et les outils. Le SDK automatise entièrement ce contrat technique imposé par l'AgentCore Runtime. En particulier, il détecte automatiquement les tâches asynchrones longues et signale un statut "HealthyBusy" au runtime pour éviter qu'il ne retire des ressources pendant un traitement actif, un détail critique dans un modèle de facturation à l'usage où les temps d'inactivité ne sont pas facturés. Les équipes peuvent ainsi se concentrer sur la logique des agents plutôt que sur la plomberie infrastructure, et déployer des fonctionnalités comme la mémoire conversationnelle, l'automatisation de navigateur et l'exécution de code en sandbox. L'émergence de ce SDK s'inscrit dans une tendance de fond : les entreprises cherchent à passer des preuves de concept en IA générative à des systèmes agentiques véritablement opérationnels à grande échelle, capables de planifier et d'exécuter des tâches complexes en plusieurs étapes de manière autonome. AWS positionne Bedrock AgentCore comme une plateforme universelle, compatible avec n'importe quel framework et n'importe quel modèle. En ciblant spécifiquement la communauté Java et Spring, l'une des plus larges dans l'entreprise, Amazon ouvre un couloir direct vers la production pour des millions de développeurs backend qui auraient autrement dû franchir une barrière technique considérable. La concurrence dans ce segment est vive : Microsoft avec Azure AI, Google avec Vertex AI et des acteurs comme LangChain ou CrewAI proposent leurs propres abstractions pour les agents IA. La disponibilité générale du Spring AI AgentCore SDK marque une étape dans la maturité de l'outillage autour des agents IA en entreprise, où la gouvernance, la sécurité et la scalabilité deviennent des critères aussi importants que les capacités du modèle lui-même.

UELes développeurs Java et Spring Boot en Europe peuvent intégrer directement Amazon Bedrock AgentCore dans leurs projets sans semaines de travail d'infrastructure, accélérant la mise en production d'agents IA sur AWS.

OutilsOutil

1 source

3Le Big Data

OpenAI va vous faire oublier Amazon : le shopping sur ChatGPT s’offre une refonte

OpenAI a déployé une refonte majeure de sa fonctionnalité shopping intégrée à ChatGPT, transformant l'expérience d'achat au sein du chatbot en une interface nettement plus visuelle et personnalisée. Fini les blocs de texte : les résultats produits s'affichent désormais sous forme de fiches visuelles, avec des comparaisons côte à côte, des filtres budgétaires et la possibilité d'envoyer des images pour affiner une recherche. Le déploiement est progressif et concerne tous les niveaux d'abonnement, du compte gratuit aux formules professionnelles. En coulisses, la mise à jour repose sur un protocole baptisé ACP (Agentic Commerce Protocol), une infrastructure technique propriétaire qui synchronise en temps réel les données entre marchands et interface conversationnelle. Walmart est le premier grand partenaire à s'y connecter, permettant aux utilisateurs de lier leur compte pour retrouver leurs options de paiement habituelles et leurs avantages fidélité directement dans la conversation. Ce repositionnement marque un virage stratégique important : OpenAI abandonne partiellement la fonctionnalité Instant Checkout — qui permettait d'acheter sans quitter ChatGPT — pour se recentrer sur ce que les utilisateurs plébiscitent réellement, à savoir l'aide à la décision. Les données d'usage ont révélé un paradoxe : les gens apprécient le conseil de l'IA, mais préfèrent finaliser leurs achats sur des plateformes qu'ils connaissent déjà. ChatGPT devient ainsi un intermédiaire d'influence plutôt qu'un point de vente direct, captant l'attention en amont de la transaction là où se joue véritablement la décision d'achat. Pour les marchands, c'est une logique claire : ils gardent la main sur la conversion, tandis qu'OpenAI s'installe comme prescripteur incontournable. Cette évolution s'inscrit dans une bataille plus large pour le contrôle du commerce conversationnel, un marché en pleine structuration. En imposant l'ACP comme standard technique, OpenAI tente de devancer ses concurrents directs — notamment Anthropic avec son propre protocole MCP — et de fédérer un écosystème de partenaires marchands autour de sa plateforme. Le contexte est celui d'une transformation profonde des comportements de recherche produit : Google reste dominant, mais des études récentes montrent une érosion de son usage au profit des chatbots pour les requêtes d'achat complexes. Si ChatGPT parvient à capter même une fraction de ce trafic de décision, les implications pour Amazon, Google Shopping et les comparateurs traditionnels pourraient être considérables. Le partenariat avec Walmart, première enseigne mondiale de distribution physique, donne un signal fort aux autres retailers : l'intégration à l'écosystème OpenAI est désormais un enjeu de visibilité commerciale.

UELes e-commerçants européens devront surveiller l'adoption du protocole ACP d'OpenAI pour maintenir leur visibilité sur ChatGPT, qui s'impose comme prescripteur dans les décisions d'achat au détriment de Google Shopping.

OutilsOutil

1 source

4AWS ML Blog

Amazon Polly introduit le streaming bidirectionnel pour la synthèse vocale en temps réel

Amazon vient d'annoncer une nouvelle API de streaming bidirectionnel pour son service de synthèse vocale Amazon Polly, baptisée StartSpeechSynthesisStream. Contrairement aux approches traditionnelles, cette API permet d'envoyer du texte et de recevoir de l'audio simultanément, en flux continu sur une connexion HTTP/2 unique. Les tests de performance réalisés par Amazon portaient sur 7 045 caractères (970 mots) avec la voix Matthew et le moteur Generative en MP3 24 kHz, en simulant une génération de tokens à environ 30 ms par mot — soit les conditions réelles d'un grand modèle de langage en production. L'API accepte des fragments de texte au fil de l'eau via des TextEvent, retourne des chunks audio via des AudioEvent, et confirme la fin du flux avec un StreamClosedEvent. Pour les applications d'IA conversationnelle, cette avancée supprime un goulot d'étranglement fondamental. Jusqu'ici, il fallait attendre que le LLM ait terminé de générer l'intégralité de sa réponse, puis envoyer ce texte complet au service TTS, puis attendre l'audio avant de lancer la lecture — trois étapes séquentielles qui s'ajoutaient les unes aux autres. Avec le streaming bidirectionnel, la synthèse vocale démarre dès les premiers tokens générés, ce qui réduit drastiquement la latence perçue par l'utilisateur final. Pour les assistants virtuels, les agents téléphoniques automatisés ou les interfaces vocales en temps réel, cela se traduit par des conversations nettement plus naturelles, sans les silences artificiels qui trahissent une architecture en pipeline. Le lancement s'inscrit dans une course plus large à la latence dans l'écosystème de l'IA générative vocale, où des acteurs comme ElevenLabs, OpenAI (avec son API audio temps réel) et Google se disputent le marché des applications conversationnelles. AWS avait déjà un avantage avec Polly grâce au streaming audio sortant, mais l'entrée simultanée était jusqu'ici absente. La nouvelle API élimine également la complexité côté serveur : les développeurs n'ont plus besoin d'implémenter leur propre logique de découpage de texte en phrases, ni de gérer plusieurs appels API parallèles et le réassemblage audio qui en découlait. Une seule connexion persistante remplace cette infrastructure maison. Les prochaines étapes logiques concerneront probablement l'extension à davantage de voix et de langues avec le moteur Generative, ainsi que l'intégration native dans les frameworks d'agents AWS comme Bedrock.

OutilsOutil

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour