Cornerstone OnDemand réduit de 78 % le temps de diagnostic de ses bases de données grâce à Amazon Bedrock
Cornerstone OnDemand, éditeur de solutions de préparation de la main-d'œuvre qui revendique 140 millions d'utilisateurs dans 186 pays, a mis en production un système multi-agents baptisé Orion AI pour ses opérations de bases de données. Construit sur Amazon Bedrock et Strands Agents, le framework open source d'orchestration d'agents d'AWS, il repose sur une topologie en étoile: un méta-orchestrateur délègue à des agents spécialisés couvrant la supervision de l'infrastructure, le diagnostic des bases, la gestion du cycle de vie, l'analyse client et le support documentaire. Les ingénieurs y accèdent par une application web où ils posent leurs questions et valident les actions. Le temps de diagnostic d'un incident est passé de 45 à 10 minutes, soit 78 % de moins. Les tâches de cycle de vie, qui exigeaient plus de dix étapes manuelles, tiennent désormais en une seule interaction en langage naturel, soit 70 % d'étapes en moins. Le délai de remontée entre l'équipe de fiabilité (SRE) et l'équipe données, de 15 minutes, est devenu instantané, et les alertes redondantes ont reculé de 65 % en médiane. Une équipe de trois personnes a livré le système en six mois.
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 →
Avant Orion AI, l'équipe Enterprise DataOps fonctionnait en mode réactif. Pour chaque incident de performance, un ingénieur se connectait à l'instance SQL Server concernée, interrogeait les vues système pour repérer les chaînes de blocage et les types d'attente, recoupait les journaux pour isoler les requêtes longues, puis corrélait les éléments pour formuler une hypothèse de cause racine. Désormais, trois agents spécialisés se partagent l'enquête, chacun responsable d'une étape. Le système va jusqu'à la remédiation: il identifie la cause, recommande le correctif et crée un ticket Jira complet, assigné à l'ingénieur d'astreinte approprié. Un transfert manuel en quatre étapes se réduit ainsi à un seul échange.
L'enjeu dépasse le gain de temps. En supprimant la coordination manuelle et le bruit des alertes en double, qui noyaient les signaux importants, Cornerstone libère ses ingénieurs pour la résolution des problèmes plutôt que la logistique entre outils et équipes. Pour les entreprises qui gèrent de grands parcs de bases de données, le cas montre qu'une petite équipe peut obtenir des résultats mesurables en quelques mois avec des services managés plutôt qu'avec un développement lourd. Il illustre aussi le passage des agents conversationnels d'assistance à des agents qui exécutent des workflows entiers, sous validation humaine.
Ce projet s'inscrit dans la course des éditeurs cloud pour imposer leurs briques d'agents en entreprise, AWS misant sur Bedrock pour l'accès aux modèles de fondation et sur Strands Agents pour l'orchestration. Cornerstone a posé deux principes: la confidentialité des données, assurée par les contrôles AWS dans le cadre du modèle de responsabilité partagée, et une intégration profonde avec les outils opérationnels existants, comme Jira. Ces choix sont ceux que d'autres équipes peuvent reprendre: spécialiser les agents par étape, garder l'humain dans la boucle pour les actions sensibles et s'appuyer sur les outils déjà en place plutôt que de les remplacer.
Pas d'impact direct sur la France/UE