Aller au contenu principal
Infrastructure partagée, locataires isolés : la mutualisation multi-tenant avec Amazon Bedrock AgentCore
OutilsAWS ML Blog · 2 min de lecture

Infrastructure partagée, locataires isolés : la mutualisation multi-tenant avec Amazon Bedrock AgentCore

Source originale ↗·

Amazon Web Services vient de publier un guide architectural détaillé pour la construction d'applications d'intelligence artificielle multi-locataires à l'aide d'Amazon Bedrock AgentCore. Le document, second volet d'une série consacrée à ce sujet, s'appuie sur un cas concret dans le domaine médical : une plateforme d'agents IA servant simultanément plusieurs cliniques et hôpitaux. L'architecture proposée repose sur un modèle dit "pool", où tous les clients partagent la même infrastructure sous-jacente, mais sont isolés les uns des autres par des mécanismes logiques : identifiants scopés, politiques d'accès et partitionnement des données. La hiérarchie est structurée en trois niveaux, Niveau de service, Locataire, Utilisateur, et l'isolation est appliquée à chaque couche, depuis les documents stockés en base de connaissances jusqu'au suivi des coûts.

Ce schéma répond à un défi concret pour les éditeurs de logiciels en mode SaaS : comment servir des clients aux besoins très différents sans multiplier les infrastructures dédiées ni exposer des données d'un client à un autre ? La solution présentée définit deux niveaux de service distincts. L'offre basique, destinée aux petites cliniques, utilise le modèle Mistral Ministral 3 8B Instruct pour des tâches de recherche documentaire simples, avec un coût réduit. L'offre premium, réservée aux hôpitaux et centres spécialisés, s'appuie sur OpenAI GPT OSS 120B, un modèle de 120 milliards de paramètres aux capacités de raisonnement avancées, et donne accès à des outils supplémentaires comme la recherche web. Cette différenciation par niveaux permet à un même fournisseur de servir des clients aux exigences très différentes tout en maintenant une efficacité opérationnelle.

Le contexte est celui d'une adoption croissante des agents IA dans les entreprises, qui soulève des questions de gouvernance, d'attribution des coûts et de qualité de service que les architectures classiques ne résolvent pas facilement. Amazon positionne Bedrock AgentCore comme une brique native pour absorber cette complexité sans code personnalisé excessif. La publication du dépôt GitHub associé aux exemples illustre une volonté de standardisation des pratiques : l'objectif est que les équipes techniques puissent répliquer ces patterns dans des secteurs variés, plateformes SaaS, solutions d'entreprise multi-entités, services managés. Les enjeux sont significatifs, car une mauvaise isolation entre locataires dans un contexte médical exposerait des données sensibles de patients, avec des conséquences réglementaires sévères. Ce cadre architectural cherche précisément à rendre ce risque gérable par conception plutôt que par surveillance manuelle.

Impact France/UE

Les éditeurs européens de SaaS dans le secteur médical peuvent s'appuyer sur ces patterns d'isolation multi-tenant pour faciliter la conformité au RGPD, même si la solution repose intégralement sur l'infrastructure américaine d'AWS.

💬 L'analyse de Mathieu

Le vrai problème des agents IA en SaaS, c'était l'isolation par tenant, pas les modèles. AWS publie un blueprint complet pour ça, du code, des niveaux de service différenciés, une attribution des coûts par client, tout ce que chaque équipe réinventait dans son coin depuis deux ans. Le piège pour les éditeurs européens, la solution repose entièrement sur l'infra américaine d'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

Créer des agents multi-locataires avec Amazon Bedrock AgentCore
1AWS ML Blog 

Créer des agents multi-locataires avec Amazon Bedrock AgentCore

Amazon a lancé Bedrock AgentCore, un service managé et serverless conçu pour permettre aux éditeurs de logiciels SaaS de déployer des applications agentiques en environnement multi-tenant sur AWS. Le service offre des primitives pour héberger des agents et des serveurs MCP (Model Context Protocol), avec une gestion intégrée des identités, de la mémoire, de l'observabilité et des évaluations. Le coeur de son architecture repose sur des microVMs isolées par session: chaque session client obtient son propre environnement d'exécution éphémère, avec un système de fichiers persistant propre, sans le coût ni la latence d'une machine virtuelle complète. Le contexte du tenant transite via des en-têtes HTTP personnalisés, portant l'identifiant du tenant, son niveau de service, ses préférences régionales et ses droits d'accès aux outils, ce qui permet à l'agent d'adapter dynamiquement son comportement sans logique de routage codée en dur. Cette approche répond directement au fossé qui sépare un prototype fonctionnel d'un déploiement en production dans un contexte SaaS. Les architectes d'applications agentiques devaient jusqu'ici résoudre manuellement six problèmes distincts: l'isolation des tenants, la propagation de leur identité, l'observabilité par tenant, l'isolation des données, l'attribution des coûts et la mitigation du "noisy neighbor" (un tenant monopolisant les ressources au détriment des autres). AgentCore propose trois patterns d'isolation, appelés Silo, Pool et Bridge, chacun offrant un compromis différent entre protection stricte et mutualisation des coûts. Pour les éditeurs gérant des centaines ou des milliers de clients sur une même plateforme, cette capacité à choisir un modèle d'isolation par segment tarifaire change concrètement l'équation économique et de conformité. Le lancement s'inscrit dans une course des grands fournisseurs cloud à imposer leurs infrastructures agentiques comme standard de facto pour la prochaine génération d'applications IA. AWS fait face à la concurrence directe de Google avec Vertex AI Agent Builder et de Microsoft avec Azure AI Agent Service, tous trois cherchant à capter les équipes d'ingénierie qui passent de l'expérimentation à la production. L'article publié par AWS est le premier d'une série, ce qui suggère que d'autres composants d'AgentCore (évaluation, fine-tuning par tenant, facturation granulaire) seront détaillés dans les prochaines semaines. La question centrale pour les équipes SaaS reste le degré de lock-in accepté en échange de la simplicité opérationnelle qu'offre un service pleinement managé.

UELes éditeurs SaaS européens construisant sur AWS peuvent exploiter les patterns d'isolation et les préférences régionales d'AgentCore pour satisfaire les exigences de résidence des données imposées par le RGPD.

OutilsOpinion
1 source
Étendre la mémoire conversationnelle de Kiro CLI avec Amazon Bedrock AgentCore Memory
2AWS ML Blog 

Étendre la mémoire conversationnelle de Kiro CLI avec Amazon Bedrock AgentCore Memory

Amazon Web Services a présenté une solution pour doter Kiro CLI d'une mémoire conversationnelle persistante entre les sessions, en s'appuyant sur Amazon Bedrock AgentCore Memory. Kiro CLI est l'interface en ligne de commande qui permet aux développeurs d'interagir directement depuis leur terminal avec les agents IA de Kiro, l'IDE agentique d'AWS. Le problème résolu est concret : chaque nouvelle session repart de zéro, forçant le développeur à réexpliquer le contexte de son projet, ses préférences et ses conventions à chaque démarrage. La solution repose sur un serveur MCP (Model Context Protocol) personnalisé, open source et disponible sur GitHub, qui fait le pont entre Kiro CLI et le service managé Bedrock AgentCore Memory. Ce serveur expose trois catégories d'outils : des outils conversationnels pour stocker et retrouver l'historique par sujet ou période, des outils de supervision pour consulter les statistiques d'utilisation mémoire, et des outils d'administration pour supprimer des sessions ou des données ciblées. La récupération du contexte repose sur une stratégie à deux niveaux : une recherche sémantique via l'API retrievememoryrecords d'AgentCore Memory, avec repli automatique sur une correspondance directe dans les contenus bruts si le premier niveau n'a pas encore terminé son indexation. L'impact pour les équipes de développement travaillant sur des bases de code volumineuses est direct. Un développeur qui revient sur un projet après plusieurs jours n'a plus besoin de réexpliquer l'architecture, les contraintes métier ou ses préférences de style à l'agent IA : celui-ci retrouve automatiquement les sessions précédentes, identifiables par des formulations naturelles comme "hier soir" ou "la semaine dernière". Cette continuité de contexte réduit la friction cognitive et le temps perdu en répétition, deux freins majeurs à l'adoption productive des outils IA dans les workflows de développement au quotidien. Amazon Bedrock AgentCore Memory est un service entièrement managé lancé par AWS pour répondre à un besoin croissant dans l'écosystème des agents IA : la persistance de la mémoire à long terme. Jusqu'ici, les agents IA des IDEs et des outils de développement souffraient d'une amnésie structurelle entre les sessions, limitant leur utilité réelle sur des projets complexes et de longue durée. Le Model Context Protocol, standardisé par Anthropic, est devenu le mécanisme central d'extensibilité pour les agents IA, permettant à des services tiers d'exposer des capacités via une interface unifiée. AWS positionne ainsi AgentCore Memory comme une brique d'infrastructure réutilisable pour tout éditeur souhaitant ajouter de la mémoire à ses propres agents MCP-compatibles. La mise à disposition du code source en exemple sur GitHub signale une volonté d'adoption large, au-delà de Kiro, vers l'ensemble des clients AWS qui construisent des outils agentiques sur Bedrock.

OutilsOutil
1 source
Intégration d'Amazon Bedrock AgentCore avec Slack
3AWS ML Blog 

Intégration d'Amazon Bedrock AgentCore avec Slack

Amazon franchit une nouvelle étape dans l'intégration de l'IA en entreprise avec Bedrock AgentCore, désormais connecté directement à Slack. Cette intégration permet aux équipes d'interagir avec des agents IA sans quitter leur espace de travail habituel, éliminant les allers-retours entre applications et les problèmes de réauthentification. L'enjeu est significatif pour les organisations qui déploient des agents IA au quotidien : jusqu'ici, les développeurs devaient construire manuellement des gestionnaires de webhooks personnalisés pour chaque intégration Slack. AgentCore supprime cette friction en embarquant nativement la mémoire conversationnelle, la gestion des identités et le contrôle d'accès sécurisé aux outils des agents, le tout sans code d'infrastructure supplémentaire. Techniquement, la solution repose sur trois composants déployés via AWS CDK : une infrastructure d'image conteneurisée (Amazon ECR + AWS CodeBuild sur architecture Graviton ARM64), les composants AgentCore (Runtime, Gateway, Memory), et une couche d'intégration Slack composée d'Amazon API Gateway, AWS Lambda, AWS Secrets Manager et Amazon SQS. Trois fonctions Lambda distinctes gèrent respectivement la vérification de signature des événements Slack, la mise en file d'attente des requêtes, et le traitement des réponses, un découplage conçu pour contourner la limite de délai d'attente imposée par Slack. L'agent s'appuie sur le Strands Agents SDK et communique avec ses outils via le protocole standardisé MCP (Model Context Protocol). La couche d'intégration Slack est présentée comme entièrement réutilisable : l'exemple s'appuie sur un agent météo, mais l'architecture peut être adaptée à n'importe quel cas d'usage métier sans modifier la logique de communication avec Slack, une approche modulaire qui devrait accélérer les déploiements d'agents IA dans les environnements collaboratifs d'entreprise.

OutilsOutil
1 source
LendingTree a créé un assistant hypothécaire multi-agents avec Amazon Bedrock
4AWS ML Blog 

LendingTree a créé un assistant hypothécaire multi-agents avec Amazon Bedrock

LendingTree, société américaine qui aide les particuliers à comparer des offres de prêts immobiliers depuis plus de 25 ans et a mis en relation des millions de consommateurs avec des prêteurs, a déployé un assistant hypothécaire multi-agents construit sur Amazon Bedrock. L'outil doit guider les emprunteurs à travers des choix complexes : achat ou refinancement, prêt conventionnel ou garanti par l'État, durée de 15 ou 30 ans, taux fixe ou variable, sans oublier un jargon technique dense comme les « points de réduction », les « frais de dossier » ou le « ratio dette-revenu ». L'architecture repose sur trois agents IA indépendants : un agent superviseur et deux agents spécialisés, l'un dédié à l'éducation financière du consommateur, l'autre à la mise en relation avec des offres de prêt. L'ensemble est orchestré via LangGraph et le Model Context Protocol (MCP), avec des modèles de fondation fournis par Amazon Bedrock, et tourne sous forme de services conteneurisés sur Amazon ECS avec AWS Fargate. L'interface, une application React accessible sur web et mobile, achemine chaque message à travers Amazon Bedrock Guardrails, qui filtre les propos haineux ou injurieux et supprime les données personnelles identifiables, pendant qu'un classificateur de sécurité basé sur un LLM fait respecter en parallèle la politique conversationnelle de l'entreprise, sans ajouter de latence. Une couche de logique métier redirige en plus les cas complexes vers un support humain et écarte les échanges hors sujet. Pour LendingTree, l'enjeu dépassait le simple chatbot de questions-réponses déjà proposé par une partie du secteur. L'entreprise voulait un assistant capable de répondre aux questions difficiles et de proposer des offres réellement compétitives, tout en respectant les exigences réglementaires strictes du secteur hypothécaire, où filtrage de contenu, protection des données personnelles et conformité ne sont pas optionnels. Selon Srinivas Madabushi, vice-président senior technologie chez LendingTree, l'objectif était de devenir un partenaire de confiance dans le parcours d'achat immobilier, capable d'éduquer les consommateurs, de comprendre leur situation et de les orienter vers la bonne offre, avec sécurité et conformité garanties dès la conception grâce aux modèles de fondation et aux garde-fous intégrés d'Amazon Bedrock. Pour les emprunteurs, cela se traduit par un accompagnement personnalisé et transparent sur l'une des décisions financières les plus importantes de leur vie, sans avoir à décrypter seuls une terminologie technique opaque. Ce choix d'architecture illustre une tendance plus large dans la finance : le passage de simples chatbots à des systèmes multi-agents capables de gérer des tâches complexes et réglementées. LendingTree a privilégié Amazon Bedrock pour sa flexibilité multi-modèles et les contrôles de gouvernance hérités d'AWS, une exigence posée par son équipe conformité. L'agent superviseur, construit comme une machine à états sur LangGraph, suit une logique de planification puis d'exécution, répartissant les tâches entre les deux agents spécialisés comme le ferait un chef d'équipe avec ses collaborateurs. Le système a été déployé sur Amazon ECS plutôt que sur Amazon Bedrock AgentCore, la plateforme AWS de construction et d'optimisation d'agents à grande échelle, tout simplement parce que la solution était déjà en production avant la disponibilité générale d'AgentCore. Ce cas montre comment les entreprises du secteur financier, contraintes par une réglementation forte, cherchent désormais à combiner IA générative et garde-fous techniques pour gagner la confiance des utilisateurs sur des décisions à fort enjeu financier.

OutilsActu
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