Abnormal AI utilise Amazon Bedrock AgentCore pour sécuriser les emails à grande échelle avec des agents autonomes
Abnormal AI, service de sécurité comportementale qui protège plus de 25 % des entreprises du Fortune 500, a déployé Amazon Bedrock AgentCore Code Interpreter pour faire tourner les agents chargés de sa détection de menaces email en temps réel. Le système fonctionne déjà en production et traite des milliards de messages par jour, avec du code généré et exécuté par des agents à cette même échelle, afin de bloquer les menaces avant qu'elles n'atteignent la boîte de réception. L'architecture repose sur trois niveaux de détection : un premier niveau d'heuristiques traitant des milliards d'emails quotidiens, puis un second niveau de modèles de machine learning appliqué à des millions de messages. Shrivu Shankar, VP AI Strategy chez Abnormal AI, explique que pratiquement tout agent, qu'il écrive du code ou non, a besoin d'un bac à sable de type interpréteur pour réellement traiter des données et produire des réponses. Cette approche s'inscrit dans la culture d'ingénierie de l'entreprise : 80 % de ses changements de code sont aujourd'hui réalisés avec l'aide d'un agent, et 40 % sont construits de bout en bout par un agent autonome en arrière-plan, sans intervention humaine directe. Le Code Interpreter d'AWS fournit des sessions dans des microVM éphémères, avec une durée de vie configurable de 15 minutes par défaut jusqu'à 8 heures, un cloisonnement complet au niveau du système d'exploitation hôte, un réseau configurable en mode VPC ou accès internet public, une gestion de fichiers jusqu'à 100 Mo via l'API ou via Amazon S3 pour des volumes plus importants, ainsi que des environnements Python et Node.js préinstallés et une observabilité intégrée via CloudWatch et CloudTrail.
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 architecture illustre une limite structurelle des grands modèles de langage : excellents pour le raisonnement et la cohérence sémantique, ils restent inadaptés à des opérations comme le calcul, le comptage, le traitement ou la visualisation de données, ou encore la vérification de code par tests unitaires. En couplant un LLM à un interpréteur de code capable d'exécuter des instructions réelles, Abnormal AI étend les capacités de ses agents bien au-delà du simple raisonnement textuel, ce qui est décisif pour un cas d'usage à haut risque comme la cybersécurité email, où une décision de blocage doit reposer sur des calculs vérifiables et non sur une simple inférence probabiliste. Pour l'industrie de la sécurité, cela démontre qu'une architecture agentique complexe peut désormais opérer en production à l'échelle du milliard d'opérations quotidiennes, sur un flux critique où l'erreur a un coût direct pour les entreprises clientes.
Ce déploiement s'inscrit dans une tendance plus large observée chez les équipes qui font tourner des agents IA en production : le besoin d'un espace de calcul dédié, un « scratch pad », que ce soit pour agréger des données, effectuer des analyses ou valider des résultats générés par l'IA, au-delà du seul cas d'usage de la génération de code. Amazon positionne AgentCore comme une brique d'infrastructure serverless destinée à répondre à ce besoin pour les entreprises qui opèrent des agents à grande échelle. Le cas d'Abnormal AI, qui applique la même philosophie AI-native à son processus de développement logiciel et à son moteur de détection en production, pourrait inciter d'autres éditeurs de sécurité et équipes d'ingénierie à adopter des schémas similaires, alors qu'AWS continue d'enrichir AgentCore comme plateforme de référence pour les agents autonomes en entreprise.
Aucune entreprise française ou européenne n'est directement impliquée, mais les équipes de cybersécurité utilisant déjà Amazon Bedrock en Europe pourraient s'inspirer de cette architecture d'agents sandboxes.