Faire passer l'IA de la démonstration à l'usage concret dans les entreprises du monde entier
AWS a annoncé l'extension de son programme Forward Deployed Engineering (FDE), lancé en juin, à 15 pays : États-Unis, Mexique, Brésil, Canada, Australie, Singapour, Inde, Corée du Sud, Japon, Royaume-Uni, Allemagne, Pays-Bas, France, Suède et Arabie saoudite. Le dispositif place des ingénieurs d'Amazon directement chez des clients commerciaux et publics, dans la finance, la santé, le sport, les médias ou le commerce de détail, et s'appuie sur des dizaines d'accélérateurs prêts pour la production. Deux exemples chiffrés illustrent la démarche. Chez Samsung Life Insurance, dont quatre filiales développaient chacune leurs solutions d'IA isolées, l'équipe FDE a construit en 45 jours une plateforme d'agents gouvernée, dotée d'un plan de contrôle unique et d'une conformité intégrée. Chez Rio Tinto Iron Ore, des agents ont cartographié en quelques semaines un système Oracle vieux de 30 ans, comptant plus de 5 000 tables et 140 applications, un travail qui prenait auparavant plusieurs 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 →
Pour AWS, le principal obstacle à l'adoption de l'IA en entreprise n'est plus le modèle mais le « dernier kilomètre » entre la démonstration et la production. Les données réelles sont plus désordonnées que les jeux de test, les auditeurs exigent d'expliquer chaque décision d'un agent, les volumes passent d'un groupe pilote à toute l'entreprise, et les règles décisives restent souvent dans la tête des employés. Le groupe identifie trois couches de difficultés qui s'empilent. D'abord une fondation commune (identité, sécurité, contexte, gouvernance, contrôles opérationnels), sans laquelle le deuxième pilote coûte presque autant que le premier. AWS parle d'un « AI reset » : s'arrêter pour bâtir ce socle avant de multiplier les cas d'usage. Ensuite l'automatisation de processus à fort volume et riches en règles, comme les sinistres, la vérification KYC, les litiges de cartes, l'octroi de prêts ou le rapprochement de factures, où le défi consiste à révéler la logique métier non documentée. Enfin la gouvernance, conçue comme partie intégrante de l'architecture : chaque agent doit disposer de sa propre identité, de ses permissions et d'une piste d'audit, distinctes de celles des humains.
Le contexte est celui d'une concurrence croissante pour placer des ingénieurs au plus près des clients : fournisseurs de modèles, géants du cloud et cabinets de conseil adoptent tous cette approche, inspirée du modèle popularisé par Palantir. AWS affirme se distinguer par un critère de réussite, ce qui reste une fois ses ingénieurs partis : une fondation que l'équipe du client maîtrise, des workflows qui continuent d'apprendre et une gouvernance fiable. Le groupe distingue aussi les projets neufs, rapides à lancer mais sans socle, des systèmes existants où les agents doivent composer avec des décennies de données, de règles et d'intégrations. À mesure que les agents se multiplient, les risques de sécurité, les coûts et les décisions à justifier croissent, ce qui laisse penser que la bataille se jouera moins sur la performance des modèles que sur la capacité à industrialiser leur déploiement à grande échelle.
La France, l'Allemagne, les Pays-Bas, la Suède et le Royaume-Uni figurent parmi les 15 pays où AWS déploie ses ingénieurs FDE auprès des entreprises et administrations clientes.