Duco automatise le traitement des données financières avec Amazon Bedrock AgentCore
Duco, la plateforme d'opérations agentiques destinée aux services financiers, a reconstruit sa pile d'intelligence artificielle sur Amazon Bedrock et Amazon Bedrock AgentCore, deux services d'AWS. L'entreprise traite 20 milliards de transactions par mois pour plus de 200 clients, dont 7 des 20 premières banques mondiales et 10 des 20 premiers gestionnaires d'actifs. Jusqu'ici, elle s'appuyait sur des modèles d'apprentissage automatique classiques pour l'étiquetage prédictif et la reconnaissance de motifs, ce qui avait aidé les banques à consolider et automatiser plus de 20 000 processus. Duco a choisi Bedrock pour accéder à des modèles de fondation via une API unique, et AgentCore pour exécuter ses agents à grande échelle. Son code existant reposait sur LangChain et LangGraph, déjà en production, et AgentCore y est entièrement compatible : l'essentiel du code a continué de fonctionner sans modification.
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 →
Pour les établissements financiers, l'enjeu est de traiter des volumes massifs de données avec rapidité, précision et conformité, sous certains des cadres réglementaires les plus stricts au monde. Bedrock garantit que les données des clients restent dans l'environnement AWS et ne servent pas à entraîner des modèles, tandis que des points de terminaison privés dans le cloud privé virtuel de Duco permettent de se connecter aux systèmes internes en les gardant totalement isolés. La plateforme donne accès aux modèles de la famille Amazon Nova 2, d'Anthropic, d'OpenAI, de Cohere, de Meta et de Mistral AI, et Duco peut passer de l'un à l'autre en modifiant un simple paramètre de configuration, en choisissant le plus adapté à chaque tâche. Avec un runtime entièrement géré, l'équipe d'ingénierie réduit sa charge opérationnelle, ce qui, selon l'entreprise, a raccourci les délais de déploiement et les coûts d'intégration de nouveaux clients, tout en maintenant l'isolation des données de chaque banque.
Ce virage répond aux limites des approches classiques. Les modèles d'apprentissage automatique traditionnels exigeaient de grandes quantités de données historiques, peinaient face aux situations inédites et demandaient une personnalisation importante pour chaque nouveau cas d'usage. Ils s'adaptaient mal à des formats de données et des règles métier en constante évolution. Rob Gates, architecte en chef et responsable de l'innovation chez Duco, résume la situation : les modèles prédictifs classiques fonctionnaient dans une certaine mesure, mais manquaient d'agilité et de flexibilité, car ils ne peuvent qu'amplifier ce qu'ils ont déjà appris, sans aider à franchir l'étape suivante ni à repérer de nouveaux problèmes. AgentCore, présenté par AWS comme une plateforme pour construire, connecter et optimiser des agents d'IA, compatible avec tout framework open source et tout modèle, propose en outre des contrôles d'authentification et d'accès, ainsi qu'un suivi par traçage et évaluation en production. Dans un secteur où la gouvernance et la sécurité sont déterminantes, cette combinaison illustre la manière dont les fournisseurs de cloud cherchent à convaincre les banques de passer à des agents autonomes sans renoncer à la maîtrise de leurs données.
Les banques et gestionnaires d'actifs européens, soumis à des cadres réglementaires stricts, peuvent s'appuyer sur ce type de déploiement d'agents avec isolation des données et modèles de Mistral AI.