BusinessAWS ML Blog · 12 juin 2026, 16:00· 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

1Le Big Data

FactSet s’allie à Google Cloud pour intégrer l’IA à ses services financiers

FactSet, l'éditeur américain de données et d'outils financiers, annonce un partenariat stratégique avec Google Cloud pour intégrer les modèles Gemini à sa plateforme FactSet Workstation. L'accord s'articule autour de trois axes principaux. D'abord, l'intégration de la Gemini Enterprise Agent Platform doit permettre à FactSet de lancer une nouvelle génération d'agents financiers capables d'assister les professionnels dans leurs recherches et leurs analyses, en s'appuyant sur les fonctionnalités de recherche avancée et les capacités multimodales de Google. L'ajout de Google Ground doit également élargir les sources d'information exploitées par les outils d'IA de FactSet. Ensuite, sur le plan technique, FactSet enrichira Gemini Enterprise grâce à sa plateforme MCP et à son système de partage d'agents, dans la continuité d'une précédente collaboration avec Google DeepMind, afin d'assurer une interopérabilité fluide entre FactSet Workstation et les outils Google Cloud. Enfin, les deux entreprises développeront conjointement des agents spécialisés dédiés aux opérations de portefeuille, au conseil en fusions-acquisitions et à la finance d'entreprise. FactSet ajoute par ailleurs Google Cloud à son portefeuille de fournisseurs cloud existants, une décision motivée par le renforcement de la résilience et de l'évolutivité de sa plateforme. Pour les banques, sociétés de gestion d'actifs et équipes de finance d'entreprise, cette alliance vise concrètement à accélérer et fiabiliser des tâches aujourd'hui chronophages, comme la recherche documentaire, l'analyse de portefeuille ou la préparation de dossiers de fusion-acquisition. L'enjeu central pour ces institutions n'est pas seulement la vitesse d'exécution mais la traçabilité des données utilisées: dans un secteur soumis à des exigences réglementaires strictes, une réponse générée par IA doit pouvoir être vérifiée et documentée jusqu'à sa source. En misant sur son expertise historique de fournisseur de données financières combinée à l'infrastructure et aux modèles génératifs de Google, FactSet cherche à se positionner comme un intermédiaire de confiance entre les capacités brutes de l'IA générative et les contraintes de conformité du monde financier. Ce partenariat illustre une tendance plus large dans l'industrie: les grands fournisseurs de données financières, à l'image de Bloomberg ou S&P Global, cherchent tous à intégrer l'IA générative sans sacrifier la fiabilité qui constitue leur valeur ajoutée historique. Google Cloud, de son côté, poursuit son offensive dans la finance après sa collaboration avec Google DeepMind, cherchant à démontrer que ses modèles Gemini peuvent s'insérer dans des environnements professionnels exigeants. Sanoke Viswanathan, PDG de FactSet, a souligné que l'intelligence artificielle transforme en profondeur la manière dont les professionnels de la finance travaillent, laissant entrevoir un déploiement progressif de ces agents spécialisés dans les mois à venir.

BusinessActu

1 source

2MIT 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

3VentureBeat AI

Construire pour la nouvelle ère de l'IA avec Microsoft et NVIDIA

D'ici 2026, les entreprises s'apprêtent à franchir un cap décisif dans l'adoption de l'intelligence artificielle : selon le rapport 2026 de Deloitte sur l'IA, 54% des organisations interrogées prévoient de faire passer au moins 40% de leurs expérimentations en production. Ce basculement marque la fin de l'ère des démonstrations et prototypes d'IA générative pour entrer dans celle de l'IA agentique à grande échelle, capable non seulement de générer des réponses mais aussi d'agir de manière autonome. Microsoft et NVIDIA, à travers un partenariat conjoint, positionnent leurs technologies pour accompagner cette transition, en s'appuyant sur une approche de plateforme unifiée destinée à faire passer les agents IA du stade pilote à la production réelle. Cette bascule représente un changement d'ampleur pour les entreprises car le déploiement d'agents IA en production constitue un problème d'ingénierie fondamentalement différent de celui des chatbots génératifs classiques. Chaque outil et chaque source de données devient un défi d'intégration, nécessitant une orchestration robuste, une isolation entre les sessions, une mémoire persistante, ainsi qu'une observabilité construite depuis la base pour surveiller, comprendre et corriger le comportement des agents tout au long de leur cycle de vie. Sans ces fondations, les équipes s'exposent à des agents peu fiables, des failles de sécurité, une gouvernance improvisée et, in fine, à un écart de performance entre les pilotes prometteurs et les déploiements réels, un phénomène déjà observé largement dans les organisations qui tentent de bricoler leurs propres solutions maison. Ce constat rappelle une transition technologique déjà vécue par l'industrie il y a une dizaine d'années, lorsque les microservices avaient imposé aux entreprises de repenser leur architecture logicielle : celles qui avaient alors adopté une approche plateforme plutôt que des solutions ad hoc en étaient sorties gagnantes. Aujourd'hui, Microsoft et NVIDIA défendent l'idée d'une "agent factory", une architecture de production coordonnée combinant un plan de contrôle agentique avec des modèles spécialisés accélérés, des agents et des compétences, le tout gouverné de façon cohérente. L'enjeu dépasse la simple performance technique : il s'agit de permettre aux entreprises de construire des systèmes d'agents collaboratifs plutôt que des agents isolés, une condition jugée désormais indispensable pour transformer les promesses de l'IA agentique en résultats concrets et mesurables sur le terrain économique.

BusinessActu

1 source

4The 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

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, l'essentiel de l'IA · désinscription en un clic