Créer une couche sémantique pour l'IA à base d'agents sur AWS avec AtScale et Amazon Bedrock AgentCore
Amazon Web Services publie le troisième volet de sa série sur les couches sémantiques pour l'IA agentique, cette fois avec AtScale. Le cas d'usage reste le même : un « customer 360 » (C360) d'enseigne de distribution, où clients, commandes, produits et inscriptions au programme de fidélité sont dispersés entre plusieurs systèmes. Un agent Strands, hébergé sur Amazon Bedrock AgentCore, interroge le modèle. Un modèle de fondation sur Amazon Bedrock, ici Anthropic Claude Sonnet 4.6, planifie et rédige les requêtes. Le modèle sémantique est dimensionnel (dimensions, hiérarchies, mesures) et non un graphe de triplets comme chez Stardog ou un ensemble de vues comme chez Denodo. Il est écrit en Semantic Modeling Language (SML), une spécification ouverte en YAML versionnée dans Git. Depuis un même modèle déployé, il est exposé en SQL, en XML for Analysis (XMLA) et via le Model Context Protocol (MCP). Toutes les données analytiques résident dans Amazon Redshift Serverless, tandis qu'Amazon Aurora PostgreSQL reste le système de référence opérationnel, alimenté par AWS Database Migration Service ou par la réplication zero-ETL d'Aurora. Le guide s'appuie sur la version AtScale C2026.7.
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 →
L'enjeu est la cohérence des réponses. Les jointures, les définitions de métriques et les filtres de lignes et de colonnes propres à chaque utilisateur vivent dans la couche sémantique et non dans le prompt. L'agent d'IA et les outils de BI déjà en place obtiennent donc le même résultat calculé à partir des mêmes définitions, ce qui limite les écarts de chiffres entre un tableau de bord et un assistant conversationnel. L'identité de l'utilisateur est propagée depuis le fournisseur d'identité de l'entreprise, via AgentCore Identity, jusqu'à AtScale. Celui-ci applique au moment de la requête le contrôle d'accès par rôles (RBAC), la sécurité par ligne et les perspectives. L'agent ne voit ainsi que ce que l'utilisateur est autorisé à voir. La gestion autonome des agrégats d'AtScale doit en outre accélérer les schémas de requêtes qu'un agent génère de façon répétitive sur Redshift.
Cette approche diffère de celles des deux premiers articles. Stardog et Denodo fédèrent les données entre moteurs au moment de la requête. AtScale, lui, traduit une requête dimensionnelle en SQL natif et l'envoie à un seul moteur, ce qui impose de consolider les données en amont. Le choix traduit un arbitrage classique entre souplesse de la fédération et performance d'un entrepôt unique. Le billet détaille aussi l'enregistrement du serveur MCP d'AtScale auprès d'AgentCore Gateway, une capacité d'Amazon Bedrock AgentCore, et le déploiement d'AtScale sur Amazon EKS grâce à son chart Helm et au dépôt K8S Blueprints. L'ensemble illustre la montée en puissance des couches sémantiques comme garde-fou des agents d'IA en entreprise, avec MCP comme protocole d'échange devenu courant entre agents et sources de données.
Pas d'impact direct sur la France/UE