Comment Natera a conçu un système d'agents autonomes pour les opérations de laboratoire avec Amazon Bedrock AgentCore
Natera, un des leaders du dépistage par ADN libre circulant (cfDNA), a déployé avec AWS un système d'IA agentique baptisé SWARM (Systematic Workflow Analytics and Resolutions Manager) pour maintenir en service ses instruments de laboratoire. Conçu par l'équipe d'ingénierie de laboratoire dirigée par Ariel Jirau sur Amazon Bedrock AgentCore, le système repose sur deux agents partageant une même bibliothèque de compétences. Le premier, swarm-agent, produit de façon autonome un rapport de diagnostic structuré avant même qu'un ingénieur n'ouvre le ticket. Le second, swarm-hive, permet aux ingénieurs d'interagir en temps réel, de téléverser des images et d'explorer d'autres pistes de dépannage. Les résultats annoncés sont un temps de première réponse environ 130 fois plus rapide et une couverture automatisée de 96,2 % des tickets, contre un délai moyen de 17,4 heures auparavant, pour plus de 65 tickets par jour répartis sur trois files Jira.
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 →
Le gain est concret pour un laboratoire clinique : chaque heure d'arrêt d'un instrument retarde le traitement des échantillons et, au bout de la chaîne, les rapports remis aux patients. Embaucher davantage d'ingénieurs ne permettait pas de suivre le rythme, et l'équipe de maintenance fonctionnait sur l'expertise individuelle plutôt que sur des procédures standardisées. Lorsqu'un technicien senior spécialisé dans une famille d'instruments est parti, des années de savoir-faire ont disparu sans qu'aucun système ne puisse les restituer. SWARM transforme ce savoir en ressource partagée : les ingénieurs ne sont pas remplacés, mais disposent dès l'arrivée du ticket de l'ensemble de la connaissance institutionnelle, des manuels des fabricants aux tickets historiques et aux données opérationnelles.
L'architecture s'organise en quatre couches. La couche d'événements achemine les tickets Jira via Amazon EventBridge et Amazon SQS. La couche d'agents héberge swarm-agent, swarm-hive et la bibliothèque de compétences, puis renvoie les rapports aux ingénieurs. La couche de contexte puise dans les manuels, l'historique des tickets et les données d'exploitation, tandis qu'une couche d'observabilité collecte traces, journaux et métriques, notamment avec AWS X-Ray. Natera a choisi AgentCore Runtime, service géré, pour éviter de maintenir une infrastructure d'exécution sur mesure, et pour bénéficier de la gestion d'identité intégrée, de l'intégration avec Jira et Confluence et de la possibilité de changer de modèle sans réécrire la logique des agents. Dans cet environnement clinique où l'exposition d'identifiants est inacceptable, le déploiement se fait sans clés : OpenID Connect et AWS STS génèrent des identifiants temporaires propres à chaque déploiement, sans clé durable dans la chaîne, et AWS IAM applique le principe du moindre privilège à chaque composant. L'équipe souligne que ces choix sont reproductibles pour d'autres flux opérationnels, quel que soit le cadre logiciel retenu.