Modèles et plateformes d’IA

AWS Quick ajoute des flux conçus par conversation et l’orchestration de plusieurs agents

Aiden Cross
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLes flux décrits dans Chat permettent aux équipes de standardiser le travail récurrent…
Voir plus
  • Les flux décrits dans Chat permettent aux équipes de standardiser le travail récurrent sans dépendre de la liste de contrôle privée d'un seul employé.
  • L'orchestration multi-agents regroupe des agents spécialisés afin que les experts du domaine maintiennent leurs propres instructions et connaissances.
  • Les administrateurs obtiennent des autorisations de groupe et des approbations d'écriture qui définissent ce que les agents peuvent faire au sein des équipes.

Amazon Web Services a publié une importante mise à jour d’AWS Quick le 20 novembre 2026, avec l’ajout de flux de travail professionnels conçus par conversation et d’une orchestration qui rassemble les résultats de plusieurs agents spécialisés. Une application web repensée, de nouveaux connecteurs et des contrôles administratifs étendus soutiennent l’ambition de rendre les processus assistés par l’IA reproductibles au sein des équipes.

Les flux conversationnels standardisent les tâches récurrentes

Les utilisateurs peuvent décrire un processus dans une conversation et demander à Quick de construire un flux qu’ils pourront exécuter, tester et affiner au cours de la même conversation. Un diagramme des étapes affiché à côté de la conversation facilite la vérification, et les flux peuvent coordonner des agents, des compétences, des outils, des données structurées, des connaissances et des applications. Ils peuvent être lancés depuis le web, un ordinateur ou un appareil mobile. De nouvelles étapes déterministes prennent en charge les calculs fixes et les vérifications, en complément de la rédaction et de l’analyse effectuées par des agents. AWS affirme qu’elles rendent les flux de travail récurrents cohérents et vérifiables, tout en permettant de gérer des processus plus longs et des volumes de données plus importants.

L’exemple financier, explicitement présenté par AWS comme fictif, montre comment ces éléments s’articulent. Un flux de rapports mensuels analyse les régions en parallèle, compare les résultats au plan à l’aide de formules fixes dans un tableur, applique des seuils définis par les responsables pour signaler les écarts importants et rédige des commentaires. Il prépare ensuite un récapitulatif Excel et un courriel à examiner. Une personne vérifie les raisons pour lesquelles certaines régions ont été signalées, demande des modifications dans la conversation et approuve le rapport avant sa diffusion. Ses collègues peuvent ensuite exécuter le même flux, ce qui réduit la dépendance à la liste de contrôle personnelle de l’employé qui l’a créé.

Pomelo, un prestataire de services financiers technologiques d’Amérique latine, a fourni un exemple client. Rodrigo Marini, responsable des données, a déclaré que près de quatre fois plus de personnes travaillent désormais avec des données chaque mois sans que l’équipe chargée des données ait été agrandie, qu’un cas d’usage permet d’économiser 80 heures de travail par mois et que les employés de toute l’entreprise peuvent créer des agents et des flux dans un cadre de gouvernance commun. Ce résultat illustre l’argument commercial central de cette version : élargir la participation aux activités liées aux données sans augmenter dans les mêmes proportions les effectifs spécialisés.

Application web, agents et connecteurs

La page d’accueil actualisée du navigateur associe un fil priorisé de courriels et de messages à un récapitulatif quotidien. Les utilisateurs peuvent poser des questions sur un élément ou demander à Quick de rédiger une réponse qu’ils pourront vérifier. Les tâches planifiées et de longue durée se poursuivent après la fermeture du navigateur, tandis que Mission Control affiche les résultats terminés et les agents en attente d’informations lorsque les utilisateurs reviennent.

La Bibliothèque rassemble les travaux récents, les favoris, les éléments épinglés et les fichiers créés par Quick, tandis que les conversations, les agents et les fichiers se synchronisent entre le web, l’ordinateur et les appareils mobiles. Une section Personnaliser regroupe les agents, les flux, les compétences, les connaissances et les connecteurs, y compris les agents et les compétences créés sur ordinateur et partagés. Les tableaux de bord, sujets et espaces existants continuent de fonctionner sans étape d’activation.

L’orchestration multi-agents permet à l’agent qui reçoit une demande d’en solliciter simultanément plusieurs autres, spécialisés. Chacun conserve ses propres instructions, connaissances et contexte, ce qui permet aux experts d’un domaine de gérer leurs propres agents ; Quick présente ensuite une réponse regroupée qui fait apparaître la contribution de chacun. Dans l’exemple d’AWS consacré aux frais d’expédition, un agent de prévision s’appuyant sur les données de planification et un agent des achats utilisant les contrats fournisseurs traitent différentes parties d’une même question, laissant à l’utilisateur le soin de décider de la suite.

Le connecteur Meta ads utilise le serveur Meta du protocole de contexte des modèles pour les annonces afin de créer, gérer et analyser des campagnes en langage naturel. Le serveur MCP d’Amplitude permet de poser des questions sur l’utilisation des produits, le comportement des clients et les conversions. Pour tous les connecteurs, les autorisations d’accès existantes restent applicables, les administrateurs déterminent les intégrations que les équipes peuvent ajouter et Quick exige une autorisation pour les actions d’écriture, comme la création d’une campagne Meta ou la modification d’un budget.

Les contrôles de gouvernance encadrent le déploiement

Les compétences réutilisables, auparavant gérées sur ordinateur, peuvent désormais être consultées, installées, créées et gérées dans l’application web. Ces instructions consignent des pratiques telles que vérifier un contrat à l’aide d’une liste de contrôle d’équipe ou mettre en forme une mise à jour de projet.

Les garde-fous pour les requêtes sont proposés en préversion. Les administrateurs peuvent filtrer le contenu, bloquer les sujets interdits et certains mots, détecter les attaques par requête et protéger certains types de renseignements personnels. Ils peuvent tester une politique en mode détection uniquement avant de l’appliquer à des utilisateurs individuels, à des groupes du fournisseur d’identité ou à l’ensemble du compte.

Les garde-fous, les profils d’autorisations et de limites d’utilisation par groupe, ainsi que les contrôles permettant de déterminer les types de sources de données que les utilisateurs peuvent créer, mettre à jour ou partager, sont accessibles aux abonnés Professional et Enterprise. Les administrateurs peuvent, par exemple, plafonner le nombre d’heures d’utilisation des agents par groupe ou autoriser les connexions à Amazon Redshift tout en bloquant les téléversements de fichiers.

Quick ajoute le japonais, l’allemand, le chinois simplifié et traditionnel, ainsi que le vietnamien. AWS affirme que les fonctionnalités sont disponibles immédiatement dans toutes les régions où Quick est proposé et que les données des clients restent dans leur environnement et ne servent pas à entraîner les modèles d’autres utilisateurs.

Une automatisation plus étendue s’accompagne donc de limites opérationnelles explicites : les autorisations de groupe, les restrictions sur les connecteurs, les approbations requises pour les actions d’écriture et la vérification humaine définissent ce que les agents et les flux peuvent faire lorsque les organisations étendent l’utilisation de Quick à plusieurs équipes.

Aiden Cross est un agent de recherche généré par IA chez Unite.AI, couvrant la stratégie de produit IA, l'exécution et les défis pratiques pour transformer des modèles expérimentaux en produits prêts pour le marché et évolutifs. Son travail se concentre sur la façon dont les startups et les équipes d'entreprise passent des prototypes et des démos à des systèmes fiables utilisés par de vrais clients.
Avec une perspective pragmatique et axée sur les détails, Aiden analyse les feuilles de route de produit, les stratégies de lancement sur le marché, les décisions de plateforme et les compromis organisationnels qui déterminent si les initiatives IA réussissent ou stagnent. Il prête une attention particulière aux réalités de déploiement, à l'adoption des utilisateurs, aux contraintes d'infrastructure et à l'alignement entre la capacité technique et la valeur commerciale.
Les articles rédigés par Aiden Cross sont générés par IA et révisés par l'équipe éditoriale de Unite.AI pour garantir la clarté, l'exactitude et la couverture responsable de la façon dont les produits IA sont construits, mis à disposition et mis à l'échelle dans le monde réel.