Mobileye a transformé ses opérations de support grâce à Amazon Bedrock AgentCore

Détecter les défaillances silencieuses d'agents grâce à l'optimisation d'Amazon Bedrock AgentCore

Amazon a présenté une nouvelle fonctionnalité d'observabilité pour Amazon Bedrock AgentCore, baptisée insights, conçue pour détecter les défaillances silencieuses des agents d'intelligence artificielle déployés en production. Le problème que cible ce nouvel outil est bien connu des équipes qui opèrent des agents IA à grande échelle : les tableaux de bord affichent des indicateurs au vert, un taux de complétion de 99%, une latence normale et aucun pic d'erreur, alors même que des clients signalent des résultats incorrects. Amazon cite plusieurs exemples concrets : une modification de commande jamais réellement exécutée, un produit annoncé comme disponible alors que l'API d'inventaire avait expiré, ou encore une étape de validation silencieusement sautée. Ces défaillances comportementales n'apparaissent dans aucun signal d'erreur classique et ne remontent souvent que plusieurs semaines plus tard, via les réclamations clients. Le système analyse chaque trace de session à l'aide d'une taxonomie structurée couvrant onze catégories de défaillances, dont l'hallucination et les réponses incorrectes. Cette évolution répond à un enjeu très concret pour les entreprises qui déploient des agents IA à grande échelle : au delà de la simple détection d'erreurs, il devient essentiel de prioriser les correctifs. Quand un agent traitant des milliers de sessions quotidiennes accumule des centaines d'erreurs, l'examen individuel de chaque trace ne permet pas de savoir si l'on est face à un problème systémique touchant 30% du trafic ou à un cas isolé concernant trois sessions seulement. AgentCore insights regroupe les sessions par clusters, classés selon la proportion de sessions affectées, avec une explication agrégée pour chaque groupe de défaillances, exploitable sans avoir à rouvrir chaque trace individuellement. L'outil propose aussi une analyse de l'intention des utilisateurs, révélant les écarts entre les requêtes réellement adressées à l'agent et sa conception initiale, ainsi que des insights d'exécution montrant les stratégies effectivement employées par l'agent en conditions réelles. Cette annonce s'inscrit dans une tendance plus large du secteur : à mesure que les agents IA autonomes se multiplient en production, les outils d'observabilité traditionnels, pensés pour l'infrastructure logicielle classique, montrent leurs limites face à des défaillances de nature comportementale plutôt que technique. Amazon positionne ainsi AgentCore insights comme une couche complémentaire à la pile d'observabilité existante, exploitant les données de traces déjà collectées plutôt que d'exiger une nouvelle instrumentation. L'enjeu dépasse la seule correction de bugs : il s'agit de combler l'écart entre le comportement prévu d'un agent et son comportement réel une fois confronté à des utilisateurs et des cas d'usage imprévus, un défi appelé à prendre de l'ampleur à mesure que les entreprises industrialisent le déploiement d'agents IA autonomes dans leurs processus métier.

Reco transforme les alertes de sécurité grâce à Amazon Bedrock

Reco a intégré Amazon Bedrock et le modèle Anthropic Claude pour transformer radicalement la façon dont les équipes de sécurité traitent les alertes. L'objectif : convertir des données brutes techniques, souvent illisibles pour des non-spécialistes, en récits clairs et actionnables, accélérant ainsi la réponse aux incidents dans les environnements SaaS. L'enjeu est majeur pour les SOC (Security Operations Centers). Les analystes passaient jusqu'ici un temps considérable à déchiffrer manuellement des alertes en format JSON, à croiser des indicateurs entre plusieurs sources et à formuler des requêtes d'investigation, autant d'opérations chronophages qui augmentaient le risque de passer à côté d'une menace critique. La capacité à communiquer rapidement ces alertes à des parties prenantes non techniques représentait un obstacle supplémentaire. La solution développée par Reco, baptisée Alert Story Generator, repose sur quatre piliers : la transformation des alertes JSON en narrations compréhensibles, la corrélation des risques pour prioriser les réponses, la génération de résumés partageables entre équipes techniques et métiers, et la création automatique de requêtes d'investigation prêtes à l'emploi. Sur le plan technique, l'implémentation s'appuie sur du few-shot learning avec des exemples soigneusement sélectionnés, une approche qui a significativement amélioré la cohérence des sorties structurées par rapport au zero-shot. Le recours au prompt caching d'Amazon Bedrock a permis de réduire la latence d'inférence de 75 %. Le choix d'Amazon Bedrock n'est pas anodin : la plateforme offre un accès à plusieurs modèles de fondation, une architecture sécurisée avec chiffrement des données et intégration VPC, ainsi qu'un modèle de facturation à l'usage qui évite les coûts d'infrastructure fixes, particulièrement adapté aux charges de travail variables propres aux environnements de sécurité.

Amazon Bedrock AgentCore : créer des agents IA pour le support métier

Works Human Intelligence (WHI), éditeur japonais du système RH intégré "COMPANY" utilisé par de grandes entreprises et organismes publics nippons, a collaboré avec le AWS Generative AI Innovation Center (GenAIIC) pour développer deux agents d'IA reposant sur Amazon Bedrock AgentCore. Le premier, le Commuting Allowance Agent, automatise la validation des demandes d'indemnités de transport lors d'événements comme les déménagements d'employés. Le second, le Browser Operation Agent, accède au système "COMPANY" au nom des clients pour vérifier des contenus, effectuer des opérations et collecter des preuves. Le résultat le plus marquant de cette collaboration est une réduction des coûts allant jusqu'à 97 %, combinée à une amélioration mesurable de l'efficacité opérationnelle des équipes support. Pour les départements RH de grandes organisations, la gestion quotidienne d'un système comme "COMPANY" génère un volume considérable de tâches répétitives : changements organisationnels, révisions des politiques salariales, mises à jour d'informations employés. L'automatisation via des agents d'IA permet de décharger les équipes opérationnelles de ces traitements routiniers, libérant du temps pour des missions à plus forte valeur ajoutée. La réduction de 97 % des coûts illustre concrètement ce que peut apporter une architecture bien conçue : WHI auto-hébergeait auparavant Langfuse pour surveiller ses agents, ce qui entraînait des coûts d'exploitation récurrents. La migration vers AgentCore Observability a supprimé cette charge. Pour l'industrie RH, ce cas démontre qu'il est possible de déployer des agents multi-tenants fiables, avec authentification via Amazon Cognito et gestion des tenants par Amazon DynamoDB, sans infrastructure monolithique difficile à faire évoluer. WHI avait initialement lancé un proof of concept avec LangGraph, Amazon ECS et AWS Fargate, mais la mise en disponibilité générale d'Amazon Bedrock AgentCore en cours de projet a conduit l'équipe à repenser l'architecture. Plutôt que de maintenir un ECS task monolithique où tous les composants s'exécutaient en bloc, la nouvelle architecture décompose les sous-agents pour les faire tourner individuellement sur l'AgentCore Runtime, ce qui facilite leur évolution future indépendante. Slack a été intégré comme point d'entrée, avec une authentification déclenchée au moment de chaque appel. WHI envisage également de remplacer l'agent superviseur actuel par Strands Agents à terme. Ce projet illustre une tendance croissante : les éditeurs de logiciels métier cherchent à enrichir leurs solutions avec des couches d'IA agentique en s'appuyant sur des services cloud managés pour absorber la complexité opérationnelle, plutôt que de maintenir leur propre outillage d'orchestration.

Se retire de l'extraction d'informations web automatisée par Amazon Bedrock AgentCore

Amazon a présenté une solution technique permettant d'automatiser l'extraction d'informations à partir de sites web, construite autour d'Amazon Bedrock AgentCore, une plateforme dédiée à la création et à l'exploitation d'agents IA à grande échelle. Le système combine plusieurs services cloud : AgentCore Browser, un navigateur entièrement géré capable de restituer les pages riches en JavaScript, Amazon Bedrock pour l'analyse par IA, Amazon OpenSearch Serverless pour la recherche sémantique, et AWS Lambda pour l'orchestration. Concrètement, une règle Amazon EventBridge déclenche toutes les 15 minutes une fonction Lambda qui vérifie les flux RSS configurés et élimine les doublons via Amazon S3. Pour chaque nouvel article détecté, une session de navigateur s'ouvre via AgentCore et se connecte grâce à Playwright par le protocole Chrome DevTools (CDP) : contrairement à une simple requête HTTP, ce navigateur distant charge la page entière, attend le rendu des éléments dynamiques, capture une image d'écran et télécharge les visuels, avant que ces éléments ne soient stockés dans S3 dans un format structuré. Chaque dépôt sur S3 déclenche ensuite un message via Amazon SQS pour lancer le traitement par IA. Le code complet est disponible sur GitHub. L'enjeu pour les entreprises est de taille : suivre manuellement des dizaines de sites concurrents, de blogs sectoriels ou de publications réglementaires est chronophage et repose sur des scrapers classiques, fragiles par nature, puisqu'ils dépendent étroitement de la structure des pages. Une simple refonte d'un site ou une migration vers un frontend en JavaScript peut casser silencieusement un pipeline pendant plusieurs jours sans que l'équipe s'en aperçoive. En rendant le rendu des pages plus fiable, AgentCore Browser réduit ce risque et permet à des équipes design, marketing ou produit de suivre en continu les nouveautés d'un concurrent, les changements de tarification ou les signaux faibles d'un marché, sans intervention manuelle quotidienne. Cette architecture événementielle, qui sépare la collecte de contenu du traitement par IA, illustre une tendance plus large : l'automatisation de la veille par des agents capables de naviguer le web comme un humain plutôt que par des scripts rigides. Les cas d'usage identifiés par Amazon couvrent l'intelligence concurrentielle, la veille marché, la curation de contenu et la surveillance réglementaire. La recherche sémantique via des embeddings vectoriels dans OpenSearch Serverless permet ensuite d'interroger l'ensemble des informations collectées en langage naturel plutôt que par mots-clés exacts, ouvrant la voie à des tableaux de bord de veille alimentés en continu et consultables via une interface web.

💬 Se retirer d'un service AWS "prêt à l'emploi" pour l'extraction web, c'est un signal fort : même Amazon préfère composer ses propres briques (Browser, Lambda, OpenSearch) plutôt que de maintenir un produit fini. Ça confirme un truc que je répète depuis des mois, la veille automatisée par navigateur headless plutôt que par scraper fragile devient l'architecture par défaut, pas une option de luxe. Reste que c'est un stack AWS complet à opérer soi-même, pas un bouton à cliquer, donc parfait pour une équipe data qui sait déjà manier Lambda et SQS, beaucoup moins pour une PME qui voulait juste suivre trois concurrents sans embaucher un ingénieur cloud.