AWS Quick assemble des processus à partir d'une conversation : la fintech Pomelo gagne 80 heures par mois
Un rapport que l'analyste construit de mémoire, que ses collègues ne peuvent pas reproduire, et qu'il faut refaire entièrement pendant ses vacances. Dans AWS Quick, on décrit ce processus dans le chat, et le service assemble un scénario commun : des agents rédigent les brouillons, les calculs suivent des formules fixes. La fintech Pomelo affirme qu'un seul de ces scénarios lui fait gagner 80 heures par mois, soit environ dix jours ouvrés. Il est judicieux de commencer par une seule tâche répétitive, comme un rapport.
Traité par IA depuis AWS Machine Learning Blog ; édité par Hamidun News
Scène familière : chaque mois, un analyste établit un rapport selon sa propre liste de contrôle, et quand il part en vacances, son collègue doit tout refaire, et le résultat diffère. Les assistants d'IA accélèrent les individus, mais cette expérience se partage rarement. AWS propose une solution avec la mise à jour de Quick, son espace de travail IA pour les tâches d'entreprise : on décrit le processus dans le chat, et le service le transforme en scénario (flow) que n'importe quel salarié peut lancer.
Comme exemple de résultat, AWS cite la fintech latino-américaine Pomelo, qui émet des cartes et traite les paiements pour ses clients. Selon l'entreprise, un seul de ces scénarios lui fait gagner 80 heures par mois, soit environ dix journées de travail de huit heures. Par ailleurs, près de quatre fois plus de salariés travaillent désormais avec les données, sans augmentation des effectifs.
Un processus décrit dans le chat plutôt qu'un constructeur manuel
L'innovation majeure, ce sont les Quick Flows, qui peuvent désormais être créés, lancés et affinés directement dans la conversation. L'utilisateur décrit le processus comme il l'expliquerait à un nouvel employé, et Quick assemble un scénario qui combine agents, compétences, outils et données. À côté du chat s'affiche un schéma des étapes, pour vérifier que tout correspond à la façon réelle de travailler de la personne.
AWS illustre cela avec un exemple fictif, la responsable financière Maya. Chaque mois, elle prépare pour le vice-président un rapport sur l'évolution des coûts et des marges : elle récupère les résultats de chaque région, les compare au plan figurant dans un tableau, rédige des commentaires sur les écarts les plus notables et diffuse le document. Dans le nouveau scénario, les chiffres sont extraits du tableau de bord, les régions sont traitées en parallèle, la comparaison au plan suit des formules fixes, et les écarts significatifs sont signalés selon des seuils définis par Maya elle-même.
L'agent rédige les brouillons de commentaires, la décision finale reste à la personne. Le système place le tableau Excel prêt et le courriel dans un espace de vérification et indique à l'équipe sur Slack que le brouillon est prêt.
Le point important pour les ingénieurs, ce sont les « étapes déterministes ». Il s'agit de calculs et de contrôles ordinaires, vérifiables, sans intervention d'un modèle de langage : ils donnent le même résultat à chaque exécution. AWS recommande de les placer là où toute « créativité » est exclue, par exemple dans les formules financières. Par ailleurs, les scénarios peuvent désormais durer plus longtemps et traiter des volumes de données plus importants.
Pendant que Maya est en réunion, son collègue Jordan lance le même scénario depuis l'application de bureau, où il peut utiliser un tableau local contenant des corrections. La nouvelle recrue Priya, lors de sa première clôture mensuelle, obtiendra un rapport construit exactement de la même manière.
Application web et équipe d'agents
L'application web mise à jour affiche sur l'écran d'accueil ce qui requiert une attention : un fil de courriels et de messages classés par priorité, ainsi qu'une synthèse quotidienne. On peut demander à Quick de préparer des réponses et de les envoyer après relecture. Les tâches longues continuent de s'exécuter après la fermeture de l'onglet, et les résultats ainsi que les questions des agents attendent dans la section Mission Control. Les conversations, les agents et les fichiers sont synchronisés entre le web, le bureau et le téléphone.
La seconde partie de la version concerne l'orchestration multi-agents. Vous posez une question à un agent, qui sollicite simultanément plusieurs spécialistes étroits et consolide leur travail en une seule réponse. Exemple cité dans la version : pourquoi les coûts de livraison ont augmenté dans une région. Un agent de prévision, avec les données de planification, et un agent d'achats, avec les contrats fournisseurs, répondent chacun pour leur partie, et vous voyez la contribution de chacun. Chaque agent conserve ses propres instructions, connaissances et contexte, si bien qu'il peut être maintenu par l'équipe qui connaît le mieux le domaine concerné.
Connecteurs, contrôle et mise en pratique
Des connecteurs vers Meta Ads et Amplitude ont été ajoutés via leurs serveurs MCP. On peut interroger en langage naturel sur les campagnes publicitaires et le comportement des utilisateurs, et combiner les réponses avec d'autres sources. Avant toute action d'écriture, par exemple la création d'une campagne ou la modification d'un budget, Quick demande une autorisation, et l'accès est limité aux droits de la personne concernée.
Les administrateurs disposent de trois outils. Les filtres de sécurité pour les prompts (en aperçu) bloquent les sujets et mots interdits, détectent les attaques par injection de prompt et masquent certains types de données personnelles ; la politique peut d'abord être testée en mode « détection seule ». Les droits et les limites se définissent désormais par groupe du fournisseur d'identité : on peut par exemple interdire à un groupe financier de créer des agents ou plafonner le nombre d'heures d'agents.
Enfin, on peut choisir les types de sources de données que les salariés ont le droit de connecter. Ces fonctions sont disponibles dans les offres Professional et Enterprise. L'interface est également disponible en japonais, en allemand, en chinois et en vietnamien.
Parmi les chiffres concrets de la version, il n'y a que les déclarations de Pomelo : 80 heures par mois pour un seul scénario, et une multiplication presque par quatre du nombre de personnes travaillant avec les données. Il s'agit d'une auto-évaluation du client, présentée dans un texte marketing d'AWS, sans vérification indépendante. AWS indique explicitement que l'exemple de Maya est fictif.
Conclusion pratique pour les équipes qui envisagent des agents d'entreprise : l'intérêt réside dans la formalisation d'un processus, et non dans un énième chatbot. Il convient de choisir une tâche répétitive, comme un rapport ou un rapprochement, de confier les calculs à des étapes fixes, et de laisser les textes et l'analyse aux agents, avec une relecture humaine obligatoire.
- 21 nov. 2026AG-UI 1.0 donne aux agents IA un langage commun pour dialoguer avec l'application : 31 types d'événements
- 21 nov. 2026OpenAI lance ChatGPT Wallet : des agents qui achètent sans jamais voir le numéro de carte
- 21 nov. 2026Les annonceurs américains ont dépensé 70,7 M$ en publicité sur ChatGPT en octobre, soit 127 % de plus qu'en avril
- 21 nov. 2026ONNX Runtime disparu de GitHub : Microsoft a masqué les dépôts après le piratage d'un paquet
Questions clés sur cet article
Que sait-on sur Un processus décrit dans le chat plutôt qu'un constructeur manuel ?
L'innovation majeure, ce sont les Quick Flows, qui peuvent désormais être créés, lancés et affinés directement dans la conversation. L'utilisateur décrit le processus comme il l'expliquerait à un nouvel employé, et Quick assemble un scénario qui combine agents, compétences, outils et données. À côté du chat s'affiche un schéma des étapes, pour vérifier que tout correspond à la façon réelle de travailler de la personne. AWS illustre cela avec un exemple fictif, la responsable financière Maya.
Que sait-on sur Application web et équipe d'agents ?
L'application web mise à jour affiche sur l'écran d'accueil ce qui requiert une attention : un fil de courriels et de messages classés par priorité, ainsi qu'une synthèse quotidienne. On peut demander à Quick de préparer des réponses et de les envoyer après relecture. Les tâches longues continuent de s'exécuter après la fermeture de l'onglet, et les résultats ainsi que les questions des agents attendent dans la section Mission Control.
Que sait-on sur Connecteurs, contrôle et mise en pratique ?
Des connecteurs vers Meta Ads et Amplitude ont été ajoutés via leurs serveurs MCP. On peut interroger en langage naturel sur les campagnes publicitaires et le comportement des utilisateurs, et combiner les réponses avec d'autres sources. Avant toute action d'écriture, par exemple la création d'une campagne ou la modification d'un budget, Quick demande une autorisation, et l'accès est limité aux droits de la personne concernée. Les administrateurs disposent de trois outils.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.