AWS en octobre : Haiku 5.5 moins cher de 75 %, repli entre modèles et bac à sable pour les agents

Exécuter un seul agent en production n'a rien de compliqué. Cela se corse lorsqu'ils se comptent par dizaines : les modèles atteignent leurs limites, les factures grimpent, et un agent se met soudain à aller là où on ne l'attendait pas. Le condensé d'octobre d'AWS tourne presque entièrement autour de ces problèmes. Voici ce qui mérite l'attention d'un développeur ou d'un product manager. Les données reposent sur les déclarations d'AWS et des éditeurs ; l'article ne contient aucune mesure indépendante.

Des modèles adaptés à la tâche et au budget

L'idée maîtresse du mois : ne pas faire passer tout le trafic par un seul modèle phare. Claude Haiku 5.5 est conçu pour les sous-agents et les tâches de masse. Selon Anthropic, il est environ 75 % moins cher que Haiku 4.5 pour la plupart des tâches. C'est le premier Haiku doté d'un réglage d'effort (effort) : on peut choisir combien payer la profondeur de raisonnement pour une requête donnée.

Le schéma type est le suivant : Claude Opus 5.5 planifie le travail, tandis que Haiku exécute des tâches bien délimitées : code, appels d'outils, automatisation dans le navigateur. Le lancement en parallèle de nombreux agents reste ainsi peu coûteux.

GPT-6.1 Terra est disponible en disponibilité générale sur Bedrock. Sur le benchmark interne d'OpenAI Agents' Last Exam, il est comparable à GPT-6 Astra, mais résout les tâches plus de trois fois plus vite. Les tarifs des jetons d'entrée et de sortie sont inférieurs d'au moins 50 % à ceux de GPT-6.1 Sol et de GPT-5.6 Terra. Contexte allant jusqu'à 1 million de jetons, texte et images.

Pour la voix, il y a Amazon Nova 2.5 Sonic : le modèle raisonne mieux et appelle les outils plus précisément, au même prix. Un agent de support peut, au cours d'une seule conversation, retrouver une commande, vérifier si un remboursement est possible et le traiter.

Fiabilité : repli, workflows et JSON

Le plus utile pour la production est AgentCore Gateway. Il accepte désormais les appels Bedrock InvokeModel et gère le model fallback. Si le modèle principal est limité en débit ou indisponible, la requête est transmise au modèle ou au fournisseur suivant, selon la chaîne que vous avez définie. Le circuit breaker contourne les points défaillants. Il suffit de pointer le code existant basé sur le SDK Bedrock vers la passerelle : inutile d'écrire des tentatives de reprise dans chaque client.

Seconde nouveauté importante : Step Functions comme outils d'agent. Un processus métier, par exemple un remboursement, reste dans le workflow que vous exploitez déjà. L'agent décide quand le lancer, mais la vérification du droit au remboursement, la validation et le crédit s'exécutent strictement selon vos étapes, et non selon la manière dont le modèle a compris le prompt.

Les réponses structurées sont désormais disponibles pour tous les modèles Claude sur Bedrock : du JSON conforme à un schéma, sans parseur maison ni nouvelles tentatives. La recherche web gagne des filtres de domaines (jusqu'à 100 autorisés et 100 bloqués) et un ciblage par région. Guardrails vérifie que la réponse ne diverge pas des sources. Le nouveau niveau de contrôles Standard coûte le même prix que Classic, mais couvre les réponses conversationnelles et de raisonnement, ainsi que davantage de langues.

Argent et Strands

La mémoire d'AgentCore est désormais facturée selon le volume de données, et non à un prix fixe par événement. Les scénarios à petites charges utiles (payload) en profitent le plus. Pour la mémoire longue, on peut définir un TTL. Dans Cost Explorer et Budgets, les dépenses Bedrock sont ventilées par modèle, fournisseur, type d'inférence et fonction, gratuitement. Une alerte budgétaire peut être posée sur un seul modèle.

Côté Strands, le kit open source pour agents, l'essentiel est Strands Box en developer preview. Il s'agit d'un bac à sable local avec isolation au niveau du système d'exploitation et des politiques par outil. Elles s'appliquent aux appels directs, via MCP et lors de la génération de code.

Strands Evals a reçu du red teaming : injections de prompt et jailbreaks sont lancés contre votre agent, et l'on voit à quel message il a cédé. Strands Decider, un petit modèle basé sur Gemma 4, choisit parmi des options données au lieu de générer du texte. Dans un système interne de tickets d'Amazon, le coût estimé par ticket a chuté d'environ 98 % et le temps de réponse de 78 %.

Que faire de tout cela

Il s'agit d'un condensé d'éditeur : mieux vaut donc vérifier les chiffres sur vos propres charges. La plupart des fonctions sont liées à l'écosystème AWS. Mais l'ensemble des solutions est universel. Répartissez la planification et l'exécution entre un modèle coûteux et un modèle économique. Sortez les processus critiques des prompts pour les confier à des workflows déterministes. Configurez le repli avant le premier incident. Activez la ventilation des dépenses par modèle avant que la facture ne devienne une surprise.