BusinessAWS ML Blog2h· 2 min de lecture

AWS Professional Services : une équipe de pointe IA construite de l'intérieur

AWS Professional Services a fondamentalement reconfiguré sa manière de travailler en passant d'un modèle de consulting traditionnel à ce que l'entreprise appelle une "frontier team", une équipe dont l'IA n'est plus un outil parmi d'autres, mais le socle opérationnel de chaque engagement. Le résultat le plus visible : des projets qui prenaient plusieurs mois se déroulent désormais en quelques jours. Pour y parvenir, AWS ProServe a créé une équipe dédiée baptisée APEX (Agentic AI ProServe Experiences), dont la mission unique était de repenser entièrement le modèle de livraison. APEX a conçu le "ProServe Delivery Agent", un système multi-agents couvrant l'ensemble du cycle de vie : analyse des besoins, validation architecturale, implémentation, revue de sécurité, tests et déploiement. Un agent superviseur orchestre des sous-agents spécialisés à chaque phase. Ce système fonctionne aujourd'hui aux côtés des consultants humains sur des projets réels, dans le monde entier, et n'est plus un pilote : c'est le mode de livraison standard à l'échelle de ProServe.

L'enjeu central de cette transformation n'était pas d'accélérer pour le plaisir de la vitesse, mais de libérer les consultants de tout ce qui n'est pas du jugement à haute valeur ajoutée, documentation, coordination, reporting de statut, mise en place répétitive de structures de code. En remettant l'attention humaine là où elle change vraiment les résultats, l'organisation a pu maintenir un niveau de qualité élevé même lorsque le rythme d'exécution s'est accéléré drastiquement. Concrètement, les exigences projet ne sont plus rédigées en prose pour être lues par des humains, mais formalisées en spécifications structurées lisibles à la fois par les équipes et par les agents. Les tests et les revues de sécurité ne se font plus en fin de phase, mais en continu dans la boucle de construction, les agents se corrigeant eux-mêmes avant toute revue humaine.

Cette initiative s'inscrit dans une réflexion plus large conduite par AWS sur ce que signifie construire des logiciels à l'ère de l'IA. Le cadre méthodologique sous-jacent, appelé AI-DLC (AI-Driven Development Lifecycle), a été développé et affiné lors de centaines d'ateliers clients menés par les équipes terrain d'AWS. La démarche d'AWS ProServe suit l'une des trois voies que l'entreprise a identifiées pour intégrer le développement AI-natif : le "pathfinder", une initiative pionnière qui expérimente en conditions réelles avant d'en généraliser les acquis. Ce modèle de transformation de l'intérieur vers l'extérieur, où le prestataire absorbe lui-même les pratiques qu'il vend avant de les proposer à ses clients, constitue le message central qu'AWS cherche à transmettre : la productivité réelle ne vient pas de l'ajout d'outils IA par-dessus des processus existants, mais d'une refonte complète de la façon dont le travail est conçu, distribué et exécuté.

Dans nos dossiers

AWS

Cet article vous a été utile ?

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

À lire aussi

1MIT Technology Review

L'ingénierie centrée client au service de l'innovation en IA

Malgré des années d'investissements massifs dans la digitalisation, les grandes entreprises ne capturent en moyenne moins d'un tiers de la valeur attendue, selon une étude McKinsey. Ashish Agrawal, vice-président responsable des technologies de paiement et cartes business chez Capital One, identifie une cause structurelle : la plupart des organisations construisent leurs outils technologiques d'abord, puis cherchent ensuite à les appliquer aux besoins clients. Son équipe a inversé cette logique en adoptant ce qu'il appelle le "customer-back engineering" : partir des attentes, frictions et besoins concrets des utilisateurs, puis remonter vers les solutions techniques. Concrètement, Capital One impose à chaque ingénieur plusieurs points de contact annuels avec les clients : sessions d'empathie digitale pour observer les parcours utilisateurs, immersions au sein du support client, accompagnements terrain aux côtés des équipes commerciales, et hackathons centrés sur de vrais problèmes clients. Cette approche produit un effet multiplicateur sur l'innovation. Quand les ingénieurs sont exposés directement aux difficultés vécues par les utilisateurs, ils développent des solutions que ni les équipes produit ni les équipes commerciales n'auraient imaginées seules, car ils restent naturellement proches des systèmes et des données. L'impact est aussi motivationnel : voir concrètement comment une modification de code améliore la vie d'un client transforme l'engagement des développeurs. Avec l'IA, cet effet est amplifié. Dans le service client de Capital One, des agents conversationnels basés sur l'IA générative peuvent désormais résumer instantanément l'historique d'un échange, fournir au conseiller humain le contexte complet d'une demande et poser automatiquement des questions de suivi ciblées, des tâches qui demandaient auparavant plusieurs minutes de lecture manuelle. Le constat d'Agrawal s'inscrit dans un débat plus large sur la manière dont les grandes entreprises tirent parti de l'IA. Beaucoup ont construit des pipelines de données riches au fil des années sans en exploiter pleinement le potentiel. L'émergence des outils agentiques change la donne : combinés à un écosystème de données de qualité, ils permettent de passer des correctifs incrémentaux à une transformation à haute vélocité. Le véritable frein n'est plus technologique mais organisationnel : rapprocher les ingénieurs des clients demande une discipline managériale forte et une culture délibérément entretenue. Capital One parie que les entreprises qui réussiront à ancrer cette proximité dans leurs pratiques d'ingénierie seront celles capables d'itérer le plus vite, d'identifier les bons problèmes avant leurs concurrents, et donc de transformer l'IA en avantage compétitif durable plutôt qu'en coût technologique supplémentaire.

BusinessOpinion

1 source

2The Verge AI

Le secteur de l'IA face à une course aux profits devenue existentielle

Anthropic et OpenAI se trouvent à un tournant critique en 2026 : après avoir absorbé des centaines de milliards de dollars d'investissements en capital, en centres de données, en puces et en infrastructure, ces deux géants de l'IA doivent désormais prouver qu'ils peuvent devenir des entreprises véritablement rentables. Les projections financières des deux sociétés, révélées cette semaine par le Wall Street Journal, évoquent une croissance vertigineuse, avec des revenus se chiffrant en centaines de milliards de dollars d'ici la fin de la décennie. Cette semaine encore, OpenAI a levé 122 milliards de dollars supplémentaires, signalant que les marchés continuent de parier sur leur succès, mais la pression pour transformer cet argent en bénéfices n'a jamais été aussi intense, notamment à l'approche de deux des plus grandes introductions en bourse de l'histoire. Ce qui précipite la crise, c'est l'essor des agents IA comme Claude Code, Cowork ou Codex d'OpenAI, qui consomment des ressources de calcul à une cadence bien supérieure à ce que ces entreprises avaient anticipé. Pour gérer cette pression sur leurs infrastructures, les deux sociétés prennent des décisions douloureuses. OpenAI a brutalement supprimé son application de génération vidéo Sora le mois dernier, abandonnant au passage un contrat de licence d'un milliard de dollars avec Disney, au motif que le service coûtait trop cher à faire tourner et que la capacité de calcul était nécessaire pour Codex. Anthropic a de son côté décidé la semaine dernière d'interdire aux utilisateurs de Claude de consommer librement des ressources via le framework open source OpenClaw dans le cadre d'un abonnement standard, les forçant à basculer vers des plans à la consommation, nettement plus onéreux. Ces arbitrages révèlent une tension structurelle qui traverse toute l'industrie de l'IA : les modèles économiques construits sur l'abonnement mensuel ne tiennent plus face à l'appétit en calcul des agents. La plupart des dirigeants du secteur, interrogés ces derniers mois, anticipent d'ailleurs une vague de faillites spectaculaires parmi les acteurs les moins bien capitalisés, estimant que le marché ne pourra pas soutenir indéfiniment toutes les entreprises actuellement en course. Pour Anthropic et OpenAI, dont les introductions en bourse se profilent comme des événements majeurs, la question n'est plus simplement de savoir si l'IA générative est utile, mais si elle peut générer suffisamment de revenus pour justifier les valorisations colossales promises aux investisseurs. Les compromis opérationnels observés ces dernières semaines ne sont probablement que les premiers signes visibles d'un rééquilibrage profond qui va redéfinir quels produits survivent, et à quel prix.

UELe basculement vers une facturation à la consommation pour les agents IA va renchérir les coûts d'usage pour les développeurs et entreprises européens dépendant des APIs d'OpenAI et d'Anthropic.

BusinessOpinion

1 source

3FrenchWeb

LOVABLE recrute des Design Engineers pour construire les expériences qui racontent l’avenir de l’IA

Lovable, startup européenne spécialisée dans la création de logiciels par langage naturel, ouvre des postes de Design Engineers pour renforcer son équipe produit. Ces profils hybrides, situés à l'intersection du design produit, du développement frontend et du storytelling visuel, auront pour mission de concevoir les expériences qui incarnent la vision de l'entreprise sur l'avenir du développement logiciel assisté par l'IA. L'annonce intervient alors que la plateforme revendique déjà des millions d'utilisateurs actifs, aussi bien des freelances indépendants que des salariés de grandes entreprises. Ce recrutement témoigne d'une étape de maturité pour Lovable : après avoir prouvé l'utilité de son produit à grande échelle, la startup cherche désormais à soigner la dimension narrative et esthétique de son interface, un levier souvent décisif pour convertir des utilisateurs occasionnels en clients fidèles. Dans un marché où les outils de développement no-code et AI-assisted se multiplient, la qualité de l'expérience utilisateur devient un différenciateur aussi important que la performance technique. Lovable s'est imposée comme l'une des startups IA européennes les plus suivies, portée par la vague des outils de génération de code et d'applications accessibles à des non-développeurs. Elle évolue dans un secteur très concurrentiel, face à des acteurs comme Bolt, Cursor ou Replit. En investissant dans des ingénieurs capables de marier code et design, la société parie que l'expérience visuelle et le storytelling seront les prochains terrains de différenciation dans la course aux outils de développement augmenté.

UELovable, startup européenne spécialisée dans le développement assisté par l'IA, renforce ses équipes produit en Europe, s'affirmant comme un acteur de l'écosystème tech européen face aux outils américains.

BusinessActu

1 source

4Siècle Digital

Anthropic mise 400 millions sur une équipe de 10 chercheurs pour accélérer la découverte de médicaments avec l’IA

Anthropic a acquis Coefficient Bio, une startup spécialisée dans la découverte de médicaments par intelligence artificielle, pour 400 millions de dollars entièrement réglés en actions Anthropic. La société, fondée par deux anciens chercheurs de Prescient Design, l'unité de calcul moléculaire de Genentech, ne comptait qu'une dizaine de personnes au moment de la transaction. Dimension, le fonds de capital-risque spécialisé en santé qui détenait la moitié du capital de Coefficient, a informé ses investisseurs de l'opération par une simple lettre. Cette acquisition marque une entrée directe d'Anthropic dans le secteur pharmaceutique, au-delà du simple rôle de fournisseur de modèles. Pour l'industrie du médicament, l'arrivée d'un laboratoire d'IA frontier avec des capacités de recherche moléculaire intégrées représente un changement de paradigme : les systèmes capables de raisonner sur des structures biologiques complexes pourraient compresser drastiquement les phases de découverte, aujourd'hui comptées en années et en centaines de millions de dollars. Coefficient Bio s'inscrit dans une vague de startups nées à l'intersection du deep learning et de la biologie computationnelle, portée par les succès d'AlphaFold et des modèles de diffusion appliqués aux protéines. Anthropic, qui cherche à diversifier ses applications au-delà des assistants textuels, suit ainsi une trajectoire similaire à celle de Google DeepMind dans les sciences du vivant. L'intégration de cette équipe de chercheurs pointus suggère qu'Anthropic ambitionne de développer des capacités propriétaires en biologie, et pas seulement d'optimiser ses modèles généralistes pour le secteur pharma.

BusinessOpinion

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

Gratuit · 1 email le matin, rédigé par un humain · désinscription en un clic