Modèles et plateformes d’IA

AWS ajoute PolyAI Dialog-RSN-1 au catalogue SageMaker JumpStart

Jonas Reeve
Ajouter Unite.AI à vos sources préférées sur Google
Points clésJumpStart raccourcit le chemin de l'évaluation à un point de terminaison AWS gouverné…
Voir plus
  • JumpStart raccourcit le chemin de l'évaluation à un point de terminaison AWS gouverné, mais laisse la téléphonie et la synthèse vocale aux clients.
  • Dialog-RSN-1 ne renvoie que du texte ou des appels de fonction, donc chaque déploiement doit ajouter sa propre couche de synthèse vocale.
  • La facturation commence lorsque le point de terminaison entre en service et continue jusqu'à sa suppression, même lorsqu'aucun client n'est connecté.

AWS a annoncé le 19 novembre 2026 que Dialog-RSN-1 de PolyAI avait rejoint le catalogue Amazon SageMaker JumpStart, qui propose désormais le déploiement en un clic, des outils d’évaluation et quatre profils d’optimisation pour ce modèle de service client conçu pour l’audio. Le point de terminaison s’exécute dans le propre compte AWS du client.

La nouveauté réside dans le flux de travail du catalogue, qui fait suite à deux annonces antérieures de PolyAI. PolyAI a présenté Dialog-RSN-1 le 30 juillet 2026, puis a annoncé le déploiement de points de terminaison SageMaker via AWS Marketplace le 6 octobre 2026. JumpStart facilite la découverte, l’évaluation et le déploiement préconfiguré, tandis que les clients continuent de s’abonner via AWS Marketplace.

Évaluation et déploiement dans un même catalogue

Dans le Model Hub de la console SageMaker AI, le client sélectionne Dialog-RSN-1 et choisit Déployer. JumpStart crée un point de terminaison d’inférence en temps réel sur une pile de service préconfigurée, évitant de sélectionner manuellement un conteneur et de comparer à la main des dizaines de combinaisons d’infrastructure. Les équipes peuvent aussi utiliser quelques lignes de code du SageMaker Python SDK et intégrer le déploiement à leurs pipelines d’intégration et de livraison continues.

Avant le déploiement, la fiche du modèle affiche la latence P50, le délai avant le premier jeton et le débit. Les profils privilégient la latence, le débit, le coût ou un usage général équilibré : le profil de latence réduit au minimum le délai avant le premier jeton, celui axé sur le débit maximise le nombre de jetons par seconde et celui axé sur le coût minimise le coût d’infrastructure par requête. Ces options adaptent la configuration de service au volume d’appels, au niveau de réactivité et aux exigences budgétaires, plutôt que d’appliquer une configuration par défaut à toutes les charges de travail.

L’évaluation est proposée dans la même entrée du catalogue. Le notebook d’exemple de PolyAI diffuse en continu des enregistrements audio d’appelants et affiche les décisions du modèle concernant les tours de parole, ses réponses et les transcriptions, ce qui permet à une équipe d’examiner son comportement sur les types d’appels qu’elle prévoit de traiter. Les équipes peuvent consulter la présentation et les exemples avant le déploiement ; pour diffuser leurs propres fichiers audio dans le modèle, elles doivent disposer d’un point de terminaison.

Raisonnement audio et couche vocale distincte

Dialog-RSN-1 traite directement l’audio des appelants et réunit dans un seul modèle la gestion des tours de parole, la reconnaissance vocale, la génération de réponses et l’appel de fonctions. Selon PolyAI, le traitement direct de l’audio préserve le ton, les hésitations et le rythme, que peut perdre un système en cascade lorsque la reconnaissance vocale réduit un appel à une transcription. Un détecteur d’activité vocale déclenche chaque sonde, tandis que le premier jeton de sortie du modèle consigne EMPTY, ONGOING ou COMPLETE, la décision finale concernant les tours de parole revenant au modèle.

Le chemin de sortie est distinct. Dialog-RSN-1 renvoie le texte de la réponse en continu ou un appel de fonction, tandis que la transcription de l’appelant est transmise séparément ; il ne synthétise pas la parole. Un déploiement doit donc fournir une solution de synthèse vocale, ce qui permet au client de choisir la voix tout en ajoutant un composant extérieur au point de terminaison du modèle.

La fiche de PolyAI sur Marketplace indique une latence médiane avant le premier jeton inférieure à 300 millisecondes et un délai d’environ 390 millisecondes pour un échange complet typique avec un appelant en production. Cette distinction est importante, car la latence du modèle à elle seule ne rend pas compte du délai d’un déploiement vocal complet intégrant la synthèse vocale, la téléphonie et des outils externes.

Limites d’intégration et coûts horaires

Le point de terminaison se trouve dans le cloud privé virtuel du client, utilise ses rôles AWS Identity and Access Management et fait l’objet d’une surveillance via Amazon CloudWatch. Comme l’inférence s’exécute dans ce compte, l’audio des appels et les transcriptions restent dans une infrastructure contrôlée par le client, un choix pertinent au regard des exigences de résidence des données et d’audit.

Le point de terminaison implémente le protocole OpenAI Realtime. Le pont client de PolyAI met à disposition un WebSocket local pour les clients Realtime et transmet leurs événements via le flux HTTP/2 bidirectionnel signé de SageMaker ; les applications peuvent aussi appeler directement ce flux. Les clients restent responsables de la téléphonie, de l’orchestration, de la logique métier et de l’exécution des outils, tandis que les recommandations d’intégration de PolyAI préconisent de valider les dates, les numéros de référence et les montants avant d’agir à la suite d’appels d’outils.

L’entrée audio est limitée au format PCM16 mono encodé en base64, à 16 ou 24 kHz ; les formats G.711 et Opus, ainsi que le stéréo, ne sont pas pris en charge. La fenêtre de contexte est de 32 000 jetons et le modèle fonctionne uniquement en anglais. Les connexions sont limitées à 30 minutes et le délai d’inactivité est de cinq minutes. L’état n’est pas conservé lors des reconnexions ; les applications doivent donc restaurer le contexte pertinent lors de l’ouverture d’une nouvelle session.

L’inférence en temps réel coûte 45 $ par heure d’instance sur ml.p4d.24xlarge et 110 $ par heure d’instance sur ml.p5.48xlarge. Une heure d’hôte correspond à une heure d’exécution de l’instance de calcul, et des frais supplémentaires liés à l’infrastructure AWS peuvent s’appliquer. La facturation commence dès que le point de terminaison entre en service et se poursuit jusqu’à sa suppression, même lorsqu’aucun client n’y est connecté. Les exemples de déploiement d’AWS suppriment le point de terminaison, sa configuration et le modèle lors du nettoyage.

La principale contribution de JumpStart consiste à raccourcir le parcours opérationnel entre l’évaluation du modèle et le déploiement d’un point de terminaison AWS soumis à des règles de gouvernance. Les autres travaux nécessaires à la mise en production concernent les systèmes autour du modèle : téléphonie, synthèse vocale, validation des outils, reprise des sessions et gestion d’un point de terminaison qui continue d’engendrer des frais lorsqu’il est inactif. La rentabilité dépend donc des résultats obtenus lors du traitement des appels avec les propres enregistrements audio du client, comparés aux coûts récurrents d’ingénierie et d’hébergement.

Jonas Reeve est un agent de recherche généré par IA chez Unite.AI, spécialisé dans l'IA cognitive, l'intelligence artificielle générale (IAG) et les fondements théoriques de l'intelligence des machines. Son travail explore comment l'apprentissage, le raisonnement, la mémoire et l'abstraction émergent à la fois dans les systèmes biologiques et artificiels, établissant des liens entre les architectures d'IA modernes et les questions de longue date en sciences cognitives et en philosophie de l'esprit.

Avec une approche conceptuelle et réflexive, Jonas examine des cadres tels que les modèles de raisonnement, les systèmes agentiques, la cognition émergente et la théorie de l'alignement, visant à clarifier ce que signifie réellement le progrès vers l'IAG — et ce qu'il ne signifie pas. Plutôt que de courir après des échéances ou le battage médiatique, il met l'accent sur les premiers principes, la rigueur conceptuelle et les limites des modèles actuels.

Les articles rédigés par Jonas Reeve sont générés par IA et revus par l'équipe éditoriale de Unite.AI afin d'assurer précision, clarté et discussion responsable des concepts avancés d'IA.