Connexion d'Amazon Bedrock AgentCore à des bases de connaissances multi-comptes
Amazon Web Services a publié un guide technique détaillant comment connecter des agents construits avec Amazon Bedrock AgentCore, sa plateforme pour créer, connecter et optimiser des agents IA à grande échelle avec n'importe quel framework ou modèle, à des bases de connaissances hébergées dans un compte AWS distinct, sans dupliquer les données source. Le cas d'usage vise les organisations qui stockent des données structurées dans Amazon Redshift Serverless au sein d'un compte séparé de celui qui héberge leurs agents. Le nœud du problème technique tient à une limitation d'Amazon Bedrock Knowledge Bases, le service RAG (Retrieval Augmented Generation) entièrement managé d'AWS : ses politiques de ressources autorisent les appels inter-comptes Retrieve et GetDocumentContent, mais pas RetrieveAndGenerate, l'action nécessaire pour générer une réponse complète. La solution proposée fait donc assumer par l'outil un rôle IAM (Identity and Access Management) à portée restreinte via AWS Security Token Service, avant d'appeler RetrieveAndGenerate dans le compte cible. Deux variantes sont proposées et documentées sur GitHub avec le code de déploiement : un agent Strands déployé sur AgentCore Runtime, exécutant l'outil dans un sous-processus MCP local, et un harnais déclaratif AgentCore qui invoque un outil AWS Lambda via AgentCore Gateway. Dans les deux cas, le modèle Amazon Nova Pro décide d'appeler l'outil queryknowledgebase, tandis que Claude Haiku 4.5 traite l'appel RetrieveAndGenerate, la question étant traduite en requête structurée contre Redshift Serverless. L'utilisateur interagit via une interface Streamlit ou l'API AgentCore.
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
Cette architecture répond à une contrainte très concrète pour les grandes entreprises qui organisent leur infrastructure AWS en plusieurs comptes séparés, un choix courant pour isoler les charges de travail et appliquer des politiques de gouvernance strictes sur les données sensibles. Elle permet de construire des agents conversationnels capables d'interroger des données métier gouvernées sans jamais les copier hors de leur compte d'origine, tout en respectant le principe du moindre privilège grâce à un rôle IAM dédié. Pour les équipes de sécurité et de conformité, notamment dans les secteurs réglementés, cela lève un obstacle fréquent à l'adoption d'agents IA en production : la difficulté de concilier séparation stricte des comptes et accès fluide aux données pour la génération de réponses.
Ce guide s'inscrit dans l'expansion continue d'AgentCore, la brique agentique lancée par AWS pour structurer son offre face à la concurrence sur le marché des plateformes d'agents IA d'entreprise. En documentant précisément les limites de Bedrock Knowledge Bases et en fournissant deux implémentations de référence, du code natif avec Strands jusqu'à l'orchestration déclarative via Gateway, AWS cherche à accélérer l'adoption de son écosystème agentique dans des environnements multi-comptes complexes, un scénario que la plupart des grandes organisations rencontrent déjà avec leurs architectures de landing zones AWS. D'autres intégrations avec des sources de données comme OpenSearch ou S3 pourraient suivre le même modèle à l'avenir.
Pas d'impact direct sur la France/UE