Aller au contenu principal
Outils · Outil ·

MoEngage développe un moteur d'engagement client à base d'agents autonomes avec Amazon Bedrock AgentCore

MoEngage, plateforme de engagement client que plus de 1 350 marques grand public utilisent sur des canaux comme le push, l'e-mail, l'in-app, le SMS, WhatsApp et le RCS, a construit Merlin AI, un ensemble d'agents d'intelligence artificielle qui travaillent sur les données vivantes de la plateforme, en s'appuyant sur Amazon Bedrock et Amazon Bedrock AgentCore. Le MoEngage Model Context Protocol (MCP) Connector donne à tout assistant compatible MCP, comme Claude ou ChatGPT, un accès sécurisé et cloisonné par client aux segments, à l'historique des campagnes et à la bibliothèque de contenus d'une marque. Merlin AI repose sur quatre types d'agents, qui partagent les modèles de fondation d'Amazon Bedrock pour le raisonnement et la génération (Anthropic Claude Sonnet 4.6, Sonnet 5 et Sonnet 5.5), le runtime AgentCore pour l'hébergement et MCP pour l'accès standardisé aux données. Les agents intégrés de Merlin AI Studio incluent un rédacteur de textes push et transactionnels fidèles à la voix de la marque, un designer de bannières, un assistant de segmentation qui convertit une description en langage naturel en attributs et filtres, un assistant Jinja et Liquid, un générateur de modèles HTML in-app et Flow Assist, qui transforme une idée en parcours client prêt à déployer. Les agents conversationnels couvrent campagnes, analyses, segments et parcours, et le Campaign Insights Agent délègue à des sous-agents chargés d'analyser plusieurs métriques, de diagnostiquer une contre-performance et de comparer des périodes ou des segments. Enfin, des agents personnalisés permettent aux équipes CRM de concevoir des agents qui tournent en continu dans des règles fixées par l'entreprise, chacun disposant d'un journal d'activité détaillant les données consultées, les décisions prises, les canaux utilisés et les contenus envoyés.

2 min de lecture

Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie

Source

Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →

Concrètement, cette approche réduit le temps que les équipes marketing et produit passent à naviguer entre outils. Préparer une vente flash exige aujourd'hui d'ouvrir le tableau de bord analytique, la bibliothèque de contenus puis le constructeur de campagnes, et de répéter l'opération pour chaque canal. Avec Merlin AI, ces équipes peuvent rédiger, analyser et ajuster des campagnes depuis une seule conversation, tandis que des agents décident quoi envoyer à chaque client. Glance, l'un des clients de MoEngage, a enregistré une hausse de 38 % du taux de clic de ses notifications push. Pour les éditeurs de logiciels, l'enjeu est aussi architectural : une capacité déjà exposée par API devient un outil que l'agent peut appeler, sans reconstruire des centaines d'interfaces existantes. Le journal d'activité des agents personnalisés répond par ailleurs à un besoin de transparence et de contrôle, essentiel quand des automatismes envoient des messages à des millions d'utilisateurs.

Ce projet s'inscrit dans une évolution plus large des plateformes logicielles. À l'interface destinée aux utilisateurs métier et à l'API destinée aux équipes d'ingénierie s'ajoute une troisième couche, où l'utilisateur décrit un résultat en langage naturel et où un agent exécute les étapes sur la plateforme. MoEngage a traité le sujet comme un problème d'architecture : comment donner aux agents un accès sécurisé, isolé par locataire, à des données en direct, sans réécrire ses API existantes. La réponse passe par l'exposition de ces API sous forme d'outils MCP et par un cloisonnement strict des données de chaque client, un schéma que d'autres éditeurs peuvent reproduire. La suite devrait voir ces agents s'étendre à d'autres tâches de la plateforme et à d'autres assistants compatibles MCP.

À lire ensuite

01TCS conçoit un orchestrateur de tests à base d'agents autonomes avec Amazon Bedrock AgentCoreAWS ML BlogOutils 02KTern.AI développe une IA à base d'agents pour SAP sur Amazon Bedrock AgentCoreAWS ML BlogOutils 03Créer des agents d'IA autonomes avec Amazon Bedrock et Spring AIAWS ML BlogOutils 
Dossier · AWSSuivi en continu par Le Fil IASuivre ce sujet →

Le brief du matin

L'essentiel de l'IA chaque jour. Gratuit, désinscription immédiate à tout moment.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription à tout moment

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.