Web Search sur Amazon Bedrock : de nouveaux modèles de fondation ancrés dans les résultats
AWS a annoncé la disponibilité générale de Web Search sur Amazon Bedrock, un outil intégré côté serveur qui ancre les réponses des modèles de fondation dans des connaissances web actuelles. Cette annonce fait suite à celle de Web Search sur AgentCore, dévoilée lors de l'AWS New York Summit 2026. L'outil s'active via un seul paramètre dans les appels API compatibles OpenAI, via la Responses API, sans nécessiter d'intégration de fournisseurs tiers, de clés API externes ni de couche d'orchestration supplémentaire. Concrètement, quand un modèle détecte qu'une question nécessite des informations récentes, par exemple les résultats d'un rapport financier publié la semaine précédente, un changement réglementaire de la veille ou les prévisions météo du jour, Bedrock prend en charge tout le cycle de recherche côté serveur : il formule une requête, interroge un index web opéré par Amazon portant sur des milliards de documents et actualisé en continu, le combine à un graphe de connaissances qui relie les entités entre elles, puis injecte les extraits pertinents, avec URL et titres des sources, dans la fenêtre de contexte du modèle. La réponse finale comprend des annotations de citation structurées pour chaque source utilisée.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
Cette évolution répond à un problème concret pour les entreprises qui déploient des chatbots, des assistants de code ou des applications d'agents : jusqu'ici, connecter un modèle à des connaissances web à jour obligeait les développeurs à identifier, intégrer et maintenir un fournisseur tiers de recherche, ce qui allongeait les délais de projet et posait des questions de résidence des données et de charge opérationnelle. En rendant la recherche web native à Bedrock, AWS supprime ces étapes d'onboarding et de revue de sécurité liées à des prestataires externes. L'utilisation d'un graphe de connaissances pour les questions factuelles, plutôt qu'une simple extraction de texte brut, vise aussi à réduire les petites erreurs factuelles qui s'infiltrent quand un agent reconstruit une réponse à partir de fragments de pages web. L'extraction sémantique de passages pertinents, plutôt que l'envoi de pages entières, permet en outre d'économiser des tokens et de réduire la latence des réponses ancrées.
Cette annonce s'inscrit dans une compétition plus large entre fournisseurs cloud pour équiper leurs modèles de capacités de recherche web natives, à mesure que les entreprises réclament des réponses fiables et vérifiables plutôt que des réponses générées uniquement à partir des données d'entraînement. Le choix d'AWS de garantir par défaut une absence de sortie des données du périmètre AWS du client répond directement aux exigences de conformité des entreprises, un argument de poids face à des concurrents dont les outils de recherche web s'appuient parfois sur des services tiers moins transparents. AWS indique que de futures fonctionnalités pourraient exposer certaines données, mais uniquement à la demande explicite du client, laissant entrevoir un élargissement progressif des capacités de cet outil dans les mois à venir.
Pas d'impact direct sur la France/UE
Bon, sur le papier c'est exactement ce qu'on attendait : la recherche web devient un paramètre d'API au lieu d'un chantier d'intégration. Ce qui change vraiment, c'est le graphe de connaissances plutôt qu'un simple copier-coller de pages web, moins d'hallucinations sur les faits datés. Reste que le vrai argument, c'est la conformité : garder les données dans le périmètre AWS, ça va peser plus lourd chez les entreprises que la promesse de citations propres.