AWS fait le bilan de septembre : Bedrock, AgentCore et Strands reçoivent des mises à jour

AWS a publié son récapitulatif mensuel pour les développeurs d'IA pour septembre 2026. Il couvre trois produits (Amazon Bedrock, Amazon Bedrock AgentCore et le framework Strands) et trois changements principaux : un choix de modèles élargi, des agents serverless plus rapides avec évaluation de la qualité intégrée, et la synchronisation automatique des bases de connaissances avec des connecteurs d'entreprise natifs. Le document est court. Il ne contient ni benchmarks, ni chiffres de latence, ni tarifs. Voici donc ce que recouvrent ces formulations et ce qu'il vaut mieux vérifier soi-même.

Trois couches d'une même pile

Les mises à jour touchent différents niveaux de la plateforme. Bedrock donne accès aux modèles via une API unique. AgentCore sert d'environnement d'exécution pour les agents : c'est là qu'ils sont déployés, isolés et connectés à des outils. Strands se situe au niveau du code : ce SDK permet au développeur de décrire la logique de l'agent lui-même.

Les mises à jour de septembre répondent à trois problèmes classiques de la mise en production d'un agent : choisir un modèle adapté à la tâche, lancer l'agent sans s'embarrasser de l'infrastructure, et l'alimenter avec les données à jour de l'entreprise.

Modèles, agents, connaissances

Le premier changement est un choix de modèles plus large dans Bedrock. Pour les équipes qui ne veulent pas dépendre d'un seul fournisseur, c'est un argument concret : on peut changer de modèle sans réécrire l'intégration. Le récapitulatif ne précise pas quels modèles ont été ajoutés ; il faudra consulter le catalogue de Bedrock.

Le deuxième changement est plus intéressant. AWS parle d'agents serverless plus rapides, dotés d'une évaluation intégrée. L'évaluation de la qualité des agents est depuis longtemps un point de blocage : les équipes écrivent leurs propres jeux de tests et des scripts pour rejouer les scénarios. Si AgentCore prend cela en charge, la barrière d'entrée vers la production baisse. Une réserve toutefois : « plus rapide » sans point de comparaison reste une formule marketing. Le démarrage à froid, le temps de réponse et le comportement sous charge doivent être mesurés sur vos propres scénarios.

Le troisième changement concerne les bases de connaissances. La synchronisation automatique avec des connecteurs d'entreprise natifs signifie que l'index RAG se met à jour au rythme des sources, et non selon un calendrier que quelqu'un doit maintenir. Pour les entreprises dont les documents sont dans SharePoint, Confluence ou des systèmes similaires, cela supprime une tâche de routine. Là encore, la liste des connecteurs inclus doit être vérifiée dans la documentation.

Ce que l'on sait grâce au récapitulatif

• Période : septembre 2026, publication sur le blog AWS Machine Learning le 9 octobre.
• Produits : Amazon Bedrock, Amazon Bedrock AgentCore, Strands.
• Modèles : choix élargi dans Bedrock, liste non fournie dans le récapitulatif.
• Agents : exécution serverless plus rapide, évaluation intégrée ajoutée.
• Connaissances : synchronisation automatique des bases de connaissances et connecteurs d'entreprise natifs.
• Métriques de performance et tarifs : non communiqués.

Comment l'exploiter en pratique

Une équipe qui travaille déjà sur Bedrock a intérêt à mener un court audit. D'abord, comparer la liste des modèles disponibles à sa configuration actuelle : il existe peut-être une option moins chère ou plus précise pour une tâche donnée. Ensuite, passer l'un des agents existants dans l'évaluation intégrée et comparer le résultat à ses propres tests. Si les chiffres concordent, une partie du code d'orchestration maison peut disparaître.

Pour ceux qui construisent un RAG sur des données d'entreprise, la question principale porte sur les connecteurs : couvrent-ils vos sources, comment les droits d'accès sont-ils gérés, et en combien de temps une modification dans un document arrive-t-elle dans l'index ? Ce dernier point détermine si l'agent risque de répondre avec des données périmées.

Pour ceux qui en sont encore à choisir une plateforme, le récapitulatif sert de repère, mais pas de base de décision. Mieux vaut comparer AgentCore aux alternatives lors d'un pilote avec une charge réelle.