AWS dévoile Amazon Quick Flows, l'automatisation de tâches par IA sans code pour les entreprises

AWS a présenté Amazon Quick Flows, un outil intégré à Amazon Quick qui permet de créer des automatisations d'IA en langage naturel, sans écrire de code. Le service cible les processus métier routiniers, de la préparation de synthèses financières à l'onboarding des salariés, là où il fallait auparavant transférer des données à la main entre systèmes, rédiger des e-mails et lancer des chaînes d'actions.

Comme scénario de départ, AWS propose de construire un Financial Performance Analyzer. L'utilisateur rédige un prompt en quatre blocs : récupération de données de marché en temps réel, calcul des principaux indicateurs financiers, collecte d'actualités récentes et production d'une conclusion analytique. Quick Flows transforme ensuite cette description en une séquence d'étapes : il reçoit le nom de l'entreprise ou le ticker, interroge la recherche web, extrait des indicateurs comme le P/E, la capitalisation et le chiffre d'affaires, puis rassemble le tout dans un rapport. Le flux terminé peut être lancé immédiatement, et le résultat peut être affiné via le chat, par exemple en restreignant l'analyse à certains indicateurs ou en changeant le format de sortie.

L'une des idées clés de Quick Flows est de ne pas cacher l'automatisation derrière un simple bouton, mais de montrer comment elle fonctionne. L'éditeur affiche les étapes créées par le service et le trajet des données, de la saisie à la réponse finale. AWS répartit ces étapes en cinq groupes : réponses d'IA, logique du flux, analyses de données, actions dans des systèmes externes et saisie utilisateur. Pour l'exemple financier, cela donne un enchaînement composé d'une saisie de texte, de plusieurs requêtes de recherche web et d'une étape finale de synthèse, qui fusionne données de marché, actualités et recommandations d'analystes en un seul document.

Ce scénario peut ensuite être étendu : envoyer le rapport à l'équipe par e-mail, le publier sur Slack, l'enregistrer dans SharePoint ou l'exporter en PDF et Word, et, au besoin, planifier son exécution.

Le second scénario est nettement plus complexe et montre que Quick Flows vise non seulement les rapports ponctuels, mais aussi des processus métier avec embranchements et intégrations. Dans l'exemple d'onboarding de nouveaux salariés, le flux recueille d'abord le prénom, le nom et l'e-mail, puis vérifie via un action-step si la personne figure déjà dans le système RH, et ne décide qu'ensuite de la suite. Si le salarié est trouvé, la chaîne s'arrête pour éviter les doublons.

Sinon, le service exécute six actions consécutives : il crée la fiche du salarié, génère un e-mail de bienvenue personnalisé à partir des politiques de l'entreprise, l'envoie, établit une demande de badge d'accès, crée un ticket pour l'informatique et, enfin, produit un récapitulatif des étapes réalisées.

La logique conditionnelle repose sur un reasoning group, en substance un if/then décrit en texte, que Quick Flows ajoute lui-même à partir de formulations comme « vérifie si le salarié existe » et « s'il s'agit d'un nouveau salarié ».

AWS souligne par ailleurs que la qualité de l'automatisation dépend fortement de la formulation de la demande. Un bon prompt pour Quick Flows doit décrire les données à collecter, les décisions à prendre, les actions à exécuter et le contenu à générer. Le service utilise aussi des variables : chaque étape crée un conteneur de données nommé, qui peut ensuite être injecté dans les opérations suivantes grâce à une syntaxe utilisant le symbole @. C'est important pour les intégrations avec des API, des e-mails et des tickets.

Parmi ses conseils pratiques, AWS recommande de tester d'abord l'idée dans le chat, de commencer avec de petits jeux de données en raison des limites de la fenêtre de contexte, de dessiner à l'avance la séquence d'étapes et de ne pas oublier le coût : Amazon Quick est facturé à l'usage, il faut donc supprimer les flux de test et les exécutions planifiées après les expérimentations.

Pour le marché, c'est un signal supplémentaire que les grandes plateformes cloud empaquettent orchestration, recherche, génération de texte et intégrations système dans des produits destinés aux utilisateurs métier, et pas seulement aux développeurs. Amazon Quick Flows cherche à s'installer entre l'assistant de chat classique et les plateformes no-code traditionnelles : l'utilisateur explique la tâche en langage humain, et le service la découpe en étapes, conditions et actions.

Si l'outil fonctionne réellement de façon stable avec les sources de données d'entreprise et les connecteurs externes, il pourrait réduire le temps consacré aux opérations répétitives, là où il fallait auparavant écrire des scripts ou assembler des scénarios à la main. Mais le niveau de qualité ne dépendra pas de la magie du modèle : il sera fixé par la précision avec laquelle l'entreprise décrit son processus, ses données et ses règles d'exécution.