La technique hawaïenne : tu regardes la vague, tu lis la vague, tu prends la vague, et tu ne lâches pas ton surf. Avec l’IA générative chez AWS, ça ne s’arrête jamais. Voici comment elle a monté depuis 2024.
La chronologie
- Mai 2024 : Generative AI on AWS Essentials (Business), cours réservé aux partenaires AWS.
- Août 2024 : examen AWS Certified AI Practitioner (AIF-C01) en bêta.
- Octobre 2024 : examen AIF-C01 en version standard.
- Janvier 2025 : Generative AI Essentials on AWS v1, le cours grand public.
- Mars 2026 : guide d’examen AIF-C01 v1.0.
- Avril 2026 : guide d’examen AIF-C01 v1.1 (IA agentique, MCP, ingénierie contextuelle, AgentCore, Strands, Kiro).
- Mai 2026 : Generative AI Essentials on AWS v2 (IA responsable en ouverture, Nova 2, multimodal, IA agentique).
- Novembre 2026 : Generative AI Essentials on AWS v3, annoncée (de l’assistant à l’agent : RAG, passage à l’échelle et gouvernance des agents ; 2 labs : Amazon Quick et un assistant RH sur Bedrock).
Le cours n’est pas lié à un examen officiel, mais il prépare bien à l’AIF-C01.
Ce qu’il faut maîtriser aujourd’hui
Pour rester à jour, j’ai dû repasser l’habilitation instructeur, avec 80 % de réussite minimum. Voici les sujets couverts, qui donnent une bonne carte de ce qu’il faut savoir sur l’IA générative chez AWS.
Services AWS
- Infra : Trainium (entraînement), Inferentia (inférence).
- Applications no-code : Amazon Quick, Connect, Transform.
- Outils dev : SageMaker AI, Nova Act, Strands Agents SDK, Kiro.
Bedrock AgentCore
- Gateway : API OpenAPI et Lambda via une interface d’outils unique.
- Memory : contexte persistant sur plusieurs jours.
- Identity : agir au nom d’utilisateurs précis.
- Policy : restrictions d’outils appliquées hors du modèle.
Strands Agents SDK
- Model-driven : le modèle planifie, le SDK exécute.
- Docstrings et type hints pour bien choisir les outils.
- Serveurs MCP pour accéder à des catalogues d’outils externes.
Kiro
- Modes Autopilot vs Supervised.
- Spec-driven : Requirements → Design → Tasks.
- Vibe coding pour les prototypes jetables.
Patterns de workflow
Prompt chaining, routing, parallelization, orchestrator-workers, evaluator (reflect-refine).
Architectures
Single-agent, multi-agent avec superviseur, multi-agent entre pairs.
Fondamentaux
- Triade d’un agent : autonomie, objectif, perception et rationalité.
- Limites d’un LLM seul : mémoire limitée, pas de persistance, pas d’action, pas d’auto-vérification.
- Réponses : mémoire hors contexte, tool use, raisonnement et planification, frameworks et protocoles.
Principes
- 3 niveaux : applications → modèles et outils → infrastructure.
- Ne descendre d’un niveau que si le précédent ne suffit pas.
- « Match agency to the task » : workflow fixe pour le prévisible, agent autonome pour l’ambigu.
- Adopt before you build, build for production from the start.
Gouvernance
- Instruction (system prompt) vs application (AgentCore Policy, Bedrock Guardrails).
- Model card pour la transparence.
- Évaluation : humain dans la boucle vs LLM-as-a-judge.
Publié initialement sur LinkedIn, 4 novembre 2026.
