L'annonce de l'expérience de catalogue à base d'agents dans Amazon Quick

Scaling des workflows à base d'agents grâce à la gestion native des cas dans Amazon Quick Automate

L'article, disponible depuis mardi sur le blog technique d'AWS, détaille comment Amazon Quick Automate intègre désormais une gestion native des dossiers (case management) pour piloter des workflows agentiques à grande échelle. Le problème identifié est simple : un agent IA peut traiter une facture ou classer un ticket support isolément en démonstration, mais faire tourner ces agents sur des milliers, voire des millions d'éléments de travail en production pose des défis d'un tout autre ordre. Chaque élément de travail devient un "case" qui persiste tout au long de son cycle de vie, offrant une visibilité étape par étape sur l'état du workflow, la possibilité pour un humain d'intervenir quand un jugement est nécessaire, et une exécution parallèle permettant d'orchestrer plusieurs agents simultanément. Quick Automate combine ainsi agents IA et orchestration de workflows au sein d'Amazon Quick, avec des contrôles natifs comme la gestion fine des accès, la journalisation d'activité, le contrôle de version, la gestion des exceptions et l'intervention humaine (HITL, human-in-the-loop). L'accès nécessite une licence Enterprise et les workflows sont spécifiques à chaque région AWS. Cette avancée répond à un vrai point de friction pour les entreprises qui cherchent à déployer l'IA agentique au-delà du stade du prototype. La gestion de cas apporte une visibilité accrue : les responsables de processus voient exactement où en est chaque élément de travail, tandis que les managers peuvent surveiller le débit, repérer les goulots d'étranglement en amont et intervenir avant que les retards n'affectent l'activité. Le traitement parallèle de plusieurs cas augmente le débit et aide les organisations à respecter leurs engagements de niveau de service (SLA). Sur le plan de la conformité, chaque action, décision et transition d'état est enregistrée dans l'historique du dossier, ce qui renforce l'auditabilité et la gouvernance, un enjeu central pour les secteurs régulés comme la finance ou l'assurance. Les mises à jour de statut en temps réel remplacent aussi les échanges d'e-mails fragmentés par une collaboration centralisée, avec une propriété claire des tâches et moins de transmissions perdues entre équipes. Cette fonctionnalité s'inscrit dans une tendance plus large de l'industrie cloud à combler le fossé entre les démonstrations d'agents IA et leur déploiement opérationnel réel. Amazon, comme ses concurrents Microsoft et Google, mise sur des couches d'orchestration et de gouvernance pour rendre l'IA agentique exploitable en entreprise, au-delà de la simple capacité de raisonnement des modèles. Le billet AWS illustre ce dispositif avec un modèle dit "créateur-processeur" permettant une mise à l'échelle dynamique, ainsi qu'un cas d'usage concret combinant suivi de cas et intervention humaine. Reste à voir si cette approche, encore réservée aux clients disposant d'une licence Enterprise, se généralisera à mesure que les organisations cherchent à industrialiser leurs premiers projets d'agents IA.

💬 Depuis 2 ans, tout le monde vante les démos d'agents IA sur une facture ou un ticket isolé, mais personne ne parle du moment où il faut en traiter un million en prod. Là, AWS met le doigt sur le vrai sujet : la gestion de cas, pas le modèle. C'est révélateur d'un basculement dans le cloud IA, la valeur ajoutée se déplace du raisonnement des LLM vers les couches d'orchestration et de gouvernance, celles qui permettent réellement de passer du prototype à l'industrialisation.

Exploiter l'analyse IA à base d'agents sur Amazon SageMaker avec Amazon Athena et Amazon Quick

Amazon a dévoilé une architecture d'analyse de données intégrant de l'intelligence artificielle agentique sur Amazon SageMaker, combinant Amazon Athena et Amazon QuickSight pour permettre aux utilisateurs métier d'interroger des lacs de données complexes en langage naturel. La solution repose sur une architecture lakehouse construite à partir des jeux de données de référence TPC-H (100 Go hébergés sur S3), et s'appuie sur plusieurs couches technologiques : Amazon S3 comme stockage principal, AWS Glue pour le catalogage des métadonnées, Athena pour les requêtes SQL serverless, et QuickSight avec son moteur SPICE (Super-fast, Parallel, In-memory Calculation Engine) pour la visualisation et l'interface conversationnelle. Les données sont stockées en trois formats distincts, CSV, Apache Iceberg-Parquet avec support ACID et time-travel, et Amazon S3 Tables avec support natif Iceberg, afin d'illustrer la polyvalence d'une architecture data lake moderne. Un agent IA conversationnel, alimenté par des bases de connaissances enrichies via un crawler web, permet ensuite d'interroger ces données structurées et non structurées depuis une interface en langage naturel. L'enjeu principal est la démocratisation de l'accès aux données au sein des grandes organisations. Aujourd'hui, interroger un lac de données pétaoctet exige des compétences pointues en SQL, en modélisation de données et en outils de business intelligence, autant de barrières qui ralentissent la prise de décision dans des secteurs comme la finance, la santé, le retail ou la logistique. En substituant ces interfaces techniques par un agent conversationnel, Amazon permet à des profils non-techniques d'obtenir des insights directement exploitables sans passer par des équipes data. Pour les entreprises, cela signifie moins de goulots d'étranglement, des cycles d'analyse raccourcis, et une gouvernance des données maintenue grâce aux contrôles de sécurité intégrés dans l'écosystème AWS. Cette annonce s'inscrit dans une course plus large entre les grands fournisseurs cloud, AWS, Google et Microsoft, pour intégrer des agents IA directement dans leurs plateformes analytiques. Amazon capitalise ici sur son écosystème existant : QuickSight Q, lancé il y a plusieurs années comme interface NLP pour la BI, monte en puissance avec l'intégration de bases de connaissances et d'espaces collaboratifs (Quick Spaces). La combinaison d'Athena, qui facture à la requête sans serveur à maintenir, et d'agents capables de mélanger données structurées et documentation non structurée, positionne AWS comme un acteur sérieux dans l'analytics agentique d'entreprise. La prochaine étape logique sera l'automatisation complète du cycle analyse-décision-action, où l'agent ne se contente plus de répondre mais déclenche directement des workflows métier.

Évolution du BI traditionnel vers l'IA à base d'agents chez Tradeshift avec Amazon Quick

Tradeshift, plateforme de comptabilité fournisseurs et de conformité e-facturation opérant dans plus de 70 pays, a remplacé son outil de business intelligence développé en interne par Amazon Quick, le nouvel espace de travail d'intelligence artificielle agentique d'AWS. L'article, co-écrit par Raphael Bres, Robert Iordache, Anca Andone et Ioana Millon (Ploesteanu) côté Tradeshift ainsi que Roy Yung côté AWS, détaille cette migration. L'ancien outil BI maison, utilisé depuis plusieurs années, limitait les requêtes à 10 000 lignes maximum, plafonnait les rapports programmés à 25 Mo et ne conservait que six mois d'historique de données. Sa maintenance mobilisait environ 50 % du temps d'un employé à temps plein, au détriment du développement produit. Les équipes Service Client, Data et Analytics, ainsi que Commercial, perdaient des heures chaque semaine à produire des rapports manuellement, entre exports CSV et macros Excel. Avec le passage à Amazon Quick, Tradeshift a obtenu des temps de réponse aux requêtes jusqu'à 30 fois plus rapides et une réduction de 40 % du coût total de possession. Cette transition dépasse la simple modernisation technique : elle transforme l'analytique embarquée en produit générateur de revenus pour Tradeshift. Amazon Quick combine plusieurs briques agentiques, dont un agent conversationnel permettant d'interroger les données métier en langage naturel, un module Flows pour automatiser des workflows multi-étapes sans code, et un moteur de recherche approfondie appelé Quick Research capable de produire des rapports analytiques longs à partir de sources multiples. Concrètement, Tradeshift a construit sur cette base un agent baptisé AP Auditor, dédié aux questions courantes sur les documents et les opérations, ce qui réduit la dépendance des équipes métier envers les analystes BI. Les clients externes de Tradeshift, qui devaient auparavant solliciter les équipes d'ingénierie pour obtenir des rapports personnalisés sur leurs flux de comptabilité fournisseurs, disposent désormais d'un accès en libre-service à des analyses plus poussées. Le choix d'Amazon Quick s'est imposé après évaluation de plusieurs alternatives, aucune autre solution n'offrant simultanément la scalabilité nécessaire pour de gros volumes de données, un accès embarqué multi-appareils, l'interrogation en langage naturel, l'automatisation par workflows, et une analytique unifiée pour les usages internes comme pour les clients. Ce cas d'usage illustre une tendance plus large dans l'industrie de la comptabilité et de la finance d'entreprise : le passage d'outils BI traditionnels, rigides et gourmands en maintenance, vers des plateformes d'IA agentique capables d'automatiser des tâches entières plutôt que de simplement afficher des tableaux de bord. Pour Tradeshift, qui sert à la fois acheteurs et vendeurs sur son réseau transactionnel, cette évolution répond à un besoin spécifique de démocratiser l'analyse statistique avancée auprès d'utilisateurs non techniques, tout en ouvrant potentiellement de nouvelles sources de revenus liées aux services analytiques proposés à ses clients.

Amazon Quick transforme les équipes commerciales : votre nouveau coéquipier IA à base d'agents

Amazon a lancé Quick, un assistant IA agentique conçu pour transformer le travail des équipes commerciales en automatisant les tâches administratives qui accaparent leur temps. Selon les données citées, un commercial ne consacre en moyenne que 40% de son temps à la vente proprement dite, le reste étant absorbé par la mise à jour du CRM, la recherche de prospects, la rédaction d'emails et le passage constant d'un outil à l'autre. Quick fonctionne directement dans le navigateur, via une application de bureau, ou intégré à Microsoft 365 et Outlook. L'outil se connecte au CRM de l'entreprise, aux emails, aux données d'analyse web et aux systèmes de support pour analyser les signaux d'engagement et classer automatiquement les prospects selon leur intention d'achat. Un commercial peut par exemple taper une commande simple comme "classe mon pipeline" pour obtenir une vue hiérarchisée des opportunités, avec en priorité les deals bloqués, les relances en retard ou ceux soumis à une pression concurrentielle. Des entreprises comme 3M, AWS Global Sales et Amazon elle-même utilisent déjà cet outil en interne. L'intégration est disponible avec Salesforce, HubSpot, ServiceNow et d'autres systèmes CRM courants, via une documentation dédiée fournie par Amazon. L'enjeu pour les entreprises est de libérer du temps commercial pur en réduisant la charge de travail administrative, ce qui permettrait aux équipes de couvrir davantage de territoires, de conclure des ventes plus rapidement et de renforcer la fidélisation client, sans augmenter les effectifs. Concrètement, Quick identifie pour chaque deal des signaux de risque précis, comme un échange email resté sans réponse, une relance manquée ou la mention d'un concurrent par le prospect, et propose directement des actions à entreprendre, que le commercial peut déclencher sans quitter la conversation. L'outil promet aussi d'accélérer la personnalisation des messages de prospection: au lieu de devoir croiser manuellement des informations issues du CRM, de documents internes, du site web de l'entreprise ciblée, de communiqués de presse récents ou du profil LinkedIn du prospect, ce travail de recherche est automatisé, ce qui réduit le risque de recourir à des emails génériques peu efficaces. Ce lancement s'inscrit dans la course plus large que se livrent les grands fournisseurs cloud, Amazon, Microsoft, Google et Salesforce en tête, pour équiper les équipes commerciales d'assistants IA agentiques capables d'agir et pas seulement de répondre à des questions. Amazon met en avant Amazon QuickSight, son service de business intelligence, comme brique centrale permettant de construire des tableaux de bord interactifs à partir des données connectées. Le déploiement de Quick Suite auprès de milliers d'employés d'Amazon en interne sert de vitrine pour convaincre d'autres grandes organisations d'adopter l'outil, dans un marché où l'automatisation du cycle de vente devient un argument de différenciation majeur pour les fournisseurs de cloud computing.

💬 Quick, c'est encore un agent IA branché sur le CRM, mais le chiffre qui compte c'est ce fameux 40% de temps de vente réel : si Amazon a raison là-dessus, c'est tout le reste qui devient le vrai produit. Bon, sur le papier ça classe les deals, ça détecte les relances ratées, ça écrit les emails de prospection, ce qui est exactement ce qu'on attendait des assistants agentiques depuis deux ans. Reste que quand AWS, Microsoft et Google vendent tous la même promesse en même temps, ça sent moins l'innovation que la course à qui perd le moins de clients en refusant de jouer.