top of page

L’architecture DXC OASIS Amazon Bedrock sépare le choix du modèle de l’autorité des agents

il y a 14 minutes
14 min de lecture

DXC Technology a détaillé son architecture DXC OASIS Amazon Bedrock le 11 novembre, en séparant l’accès à plusieurs modèles d’IA de l’autorisation de modifier les systèmes de production. Amazon Bedrock fournit le socle, une base partagée pour accéder aux modèles. DXC fournit le harnais, le logiciel qui coordonne le travail, applique les règles opérationnelles et enregistre les actions des agents. Cette distinction importe, car une réponse utile et une action autorisée nécessitent des contrôles différents.

L’étude de cas technique d’AWS décrit un déploiement existant plutôt qu’un lancement de produit en novembre. OASIS a atteint la disponibilité générale en mars 2026. Son choix architectural central remet en cause un raccourci séduisant : considérer que l’accès à des modèles performants constitue une préparation suffisante aux opérations autonomes.

Ce choix pousse les acheteurs d’entreprise et les fournisseurs de services managés à examiner où se situe réellement la responsabilité. IBM watsonx Orchestrate offre un repère de marché utile face à l’importance croissante de la gestion des agents à travers les systèmes d’entreprise. La comparaison pertinente porte sur le contrôle du travail, plutôt que sur une compétition entre modèles individuels.

L’architecture DXC OASIS Amazon Bedrock rend la frontière explicite

La décision la plus déterminante de DXC consiste à attribuer l’accès aux modèles et l’autorité opérationnelle à des couches distinctes.

L’architecture multi-modèles rédigée conjointement avec AWS décrit l’accès via Bedrock à Anthropic Claude, Amazon Nova, Meta Llama et à des modèles à poids ouverts. Les modèles à poids ouverts rendent leurs paramètres appris disponibles selon leurs licences respectives. Le harnais propre à DXC détermine comment les agents utilisent les outils et progressent dans les flux de travail opérationnels.

La conception décrite exécute l’environnement des agents sur Amazon EKS, le service géré d’AWS destiné à exploiter des applications conteneurisées. Un réseau privé relie cet environnement à Bedrock. Ces choix décrivent l’infrastructure de soutien, tandis que le harnais demeure responsable de la signification et de l’autorisation du travail opérationnel.

DXC sert des organisations réglementées dans 70 pays. Ce chiffre décrit son empreinte commerciale, et non un décompte vérifié des pays où OASIS est exécuté. Cette distinction évite que l’ampleur de l’entreprise ne devienne une affirmation implicite de déploiement.

La frontière pratique devient plus nette lorsqu’un agent recommande une modification en production. Générer la recommandation exige de raisonner à partir d’éléments probants. L’exécuter exige une autorisation liée à un client, une ressource, une action et une situation opérationnelle précis.

Ces exigences se recoupent, mais ne sont pas interchangeables. Un modèle peut produire une recommandation exacte pour une action que l’utilisateur demandeur n’est pas habilité à approuver. À l’inverse, une action autorisée peut tout de même reposer sur un diagnostic erroné.

Séparer ces décisions offre à l’opérateur un point plus clair pour enquêter sur une défaillance. Les éléments probants étaient-ils erronés ? Le modèle les a-t-il mal interprétés ? La couche d’exécution a-t-elle accepté une action hors du périmètre approuvé ?

C’est pourquoi cette étude de cas mérite l’attention au-delà de sa liste de modèles. L’architecture rend la responsabilité vérifiable. Les acheteurs peuvent demander quel composant applique une règle, plutôt que d’accepter une assurance générale selon laquelle le système dispose d’une gouvernance.

Elle modifie également le sens de la flexibilité. Ajouter un autre modèle ne devrait pas nécessiter de redéfinir qui peut autoriser une modification en production. La politique opérationnelle doit rester suffisamment stable pour que les clients comprennent leur exposition.

Toutefois, cette séparation crée une obligation d’ingénierie. L’organisation doit maintenir l’interface entre raisonnement et exécution à mesure que les deux couches évoluent. Une frontière tracée dans un diagramme d’architecture doit correspondre à un comportement dans le système en fonctionnement.

L’actualité immédiate est donc un compte rendu de la manière dont DXC a réparti ce travail. Sa portée plus large réside dans le fait de rendre ces répartitions suffisamment concrètes pour que d’autres entreprises puissent les questionner.

Les fournisseurs de services managés font face à une discussion d’achat plus exigeante

Les acheteurs d’entreprise ont besoin de preuves concernant l’autorité déléguée, en plus de preuves concernant la qualité des réponses.

Le document de DXC sur son harnais d’agents, développé avec LangChain, décrit OASIS exécuté sur LangGraph, un cadre destiné à coordonner des flux de travail d’agents avec état. DXC indique que son modèle opérationnel attribue à chaque persona un accès en lecture seule au départ. L’autorité élargie progresse par l’observation, la proposition, l’action avec approbation et l’action dans un périmètre défini.

Le document décrit également l’application de politiques dans le code autour de l’usage des outils. Les opérations sensibles peuvent s’interrompre pour une décision humaine. Il s’agit de descriptions de l’entreprise concernant le système, et non de certifications indépendantes de chaque déploiement.

Pour un fournisseur de services managés, cette approche modifie ce qu’un client devrait demander lors de l’évaluation. Une démonstration convaincante devrait montrer un agent rencontrant une limite et s’arrêtant. Une exécution réussie à elle seule laisse le mécanisme d’application non testé.

Un acheteur devrait également examiner qui est responsable des exceptions. Lorsqu’un ingénieur approuve une action inhabituelle, cette approbation ne s’applique-t-elle qu’à l’exécution en cours ? Ou étend-elle discrètement ce que les futurs agents peuvent faire ?

Cette distinction affecte à la fois la sécurité et la responsabilité envers le client. Une autorisation temporaire devrait rester distincte d’un changement durable de politique. Sinon, une succession d’exceptions raisonnables peut créer une autorité que personne n’a délibérément accordée.

Le cadre Human+AI de DXC mérite également une lecture opérationnelle. L’intervention humaine a de la valeur lorsque le réviseur reçoit suffisamment d’éléments probants pour prendre une décision. Un bouton d’approbation sans périmètre compréhensible peut transformer la supervision en simple confirmation de routine.

La question organisationnelle importante porte sur l’attention disponible. Si les agents préparent les enquêtes plus rapidement, la revue humaine peut devenir la contrainte restante. Les entreprises doivent alors distinguer les approbations routinières des décisions nécessitant un jugement spécialisé.

Cela n’invalide pas le modèle. Cela modifie les domaines dans lesquels les effectifs et la conception des processus comptent. Une équipe peut consacrer moins de temps à réunir les éléments probants tout en accordant davantage d’attention à l’évaluation des conséquences.

La gestion des connaissances fait également partie de cette discussion d’achat. Une recommandation fondée sur une procédure obsolète peut paraître convaincante tout en violant les pratiques actuelles du client. Les acheteurs devraient demander comment les connaissances opérationnelles acquièrent un caractère autoritatif et comment les orientations obsolètes perdent ce statut.

Les équipes qui organisent ces éléments probants peuvent commencer par une base de connaissances consultable pour les documents techniques. Trouver des informations pertinentes reste une tâche distincte de l’approbation des modifications d’infrastructure. Le lien réside dans la qualité et la traçabilité des éléments probants présentés à un décideur.

La plateforme de gestion des agents d’IBM illustre le contexte concurrentiel. IBM positionne watsonx Orchestrate autour de la coordination des agents, de l’application des politiques, de l’évaluation des performances et de la visibilité d’entreprise. Sa documentation inclut la gestion des agents externes pris en charge et le suivi des résultats des appels d’outils.

Ce positionnement étaye une observation de marché limitée : les fournisseurs vendent de plus en plus la gestion des agents parallèlement à leur création. Il n’établit pas qu’IBM et DXC fournissent des contrôles équivalents ou des résultats opérationnels comparables.

La pression sur les fournisseurs est néanmoins concrète. Les acheteurs peuvent exiger des responsables nommés pour les politiques, les approbations, les exceptions et la reprise. Un catalogue de modèles ne répond qu’à une partie de cette discussion d’achat.

La flexibilité des modèles crée une obligation d’assurance

Une interface commune simplifie l’accès sans rendre les différents modèles interchangeables sur le plan comportemental.

L’approche DXC OASIS Amazon Bedrock fait de la sélection des modèles une décision architecturale distincte. Sa valeur dépend du maintien des attentes opérationnelles lorsque le modèle sélectionné change. Cela exige davantage que de vérifier si le remplaçant accepte le même format de requête.

Un remplaçant peut résumer les éléments probants différemment, exprimer l’incertitude différemment ou choisir une séquence différente d’étapes d’investigation. Ces différences peuvent affecter le réviseur humain même lorsque la recommandation finale paraît similaire.

Par exemple, une réponse concise peut omettre une condition qu’un autre modèle énonce explicitement. Un opérateur examinant la réponse plus courte pourrait approuver une modification sans voir une dépendance importante. Il s’agit d’une préoccupation illustrative d’évaluation, et non d’un incident OASIS rapporté.

Le même enjeu s’applique à la sélection des outils. Un agent qui recueille des éléments probants supplémentaires avant de proposer une modification se comporte différemment d’un agent qui arrive immédiatement à la recommandation. L’évaluation doit examiner le parcours autant que la destination.

La documentation d’intelligent prompt routing de Bedrock définit une fonctionnalité gérée plus limitée : sélectionner entre des modèles pris en charge au sein de la même famille de modèles. Elle prédit la qualité de la réponse afin d’orienter le choix. Cette fonctionnalité ne doit pas être confondue avec un routage sans restriction entre tous les fournisseurs.

AWS documente également des limites pertinentes pour les opérations spécialisées. Intelligent prompt routing est optimisé pour les requêtes en anglais et ne peut pas adapter ses décisions à l’aide de données de performance propres à l’application. AWS note que les cas d’usage inhabituels ou spécialisés peuvent recevoir des décisions de routage moins adaptées.

Pour les acheteurs, l’implication est simple. Une prédiction générale de qualité de réponse n’établit pas l’adéquation à un flux de travail de production particulier. L’organisation a toujours besoin de preuves issues de tâches semblables à son propre environnement.

Une évaluation du diagnostic d’incident devrait donc mesurer si l’agent recueille les faits nécessaires. Elle devrait aussi examiner quand l’agent refuse de poursuivre. Une retenue correcte peut compter autant que l’accomplissement de la tâche.

La flexibilité des modèles soulève une autre question : que se passe-t-il lorsque l’option privilégiée devient indisponible ? Une solution de repli, c’est-à-dire un modèle alternatif utilisé lorsque le modèle privilégié ne peut répondre à une requête, doit disposer de son propre fondement d’approbation.

Un service ne devrait pas préserver sa disponibilité en modifiant silencieusement sa tolérance à l’incertitude. Certaines tâches peuvent se poursuivre avec des capacités réduites. D’autres devraient être suspendues parce que le substitut approuvé ne peut pas soutenir la même décision opérationnelle.

Cela crée une distinction utile entre continuité de l’infrastructure et continuité du flux de travail. Maintenir la réactivité du point de terminaison du modèle ne préserve pas automatiquement la fiabilité du processus environnant. Le flux de travail a toujours besoin d’une réponse définie face à un raisonnement dégradé.

L’argument économique nécessite également cette vision plus large. Un modèle qui utilise moins de ressources peut néanmoins générer davantage de travail de revue. Des clarifications supplémentaires, des investigations répétées et des propositions rejetées peuvent annuler les économies réalisées à la couche d’inférence.

L’inférence, le processus de génération d’une réponse par un modèle, n’est qu’une partie de la fourniture d’un résultat opérationnel. Les acheteurs devraient évaluer l’ensemble du parcours, de la requête au résultat vérifié. Cela inclut le travail créé pour les personnes.

Pour la gouvernance des agents DXC OASIS, le choix du modèle devient donc une décision d’assurance, c’est-à-dire un jugement étayé par des preuves d’un comportement acceptable. La flexibilité est rentable lorsque les alternatives sont évaluées avant de devenir nécessaires.

Les garde-fous cloud répondent à des problèmes distincts de l’autorisation opérationnelle

Les connexions privées et les filtres de contenu renforcent les fondations, tandis que l’autorisation des actions reste une responsabilité distincte.

Amazon Bedrock Guardrails fournit des contrôles configurables sur les entrées et sorties des modèles. AWS décrit le filtrage des contenus nuisibles, les sujets interdits, le filtrage des informations sensibles et les contrôles des réponses qui s’écartent des éléments de preuve fournis. Ces fonctionnalités traitent des risques importants dans les interactions avec les modèles.

La documentation sur les garde-fous de contenu place également la configuration au cœur de leur fonctionnement. Les opérateurs choisissent des politiques et les testent en fonction des exigences de leur application. La détection d’informations sensibles est probabiliste ; sa présence ne doit donc pas être interprétée comme une garantie absolue.

Une action en production introduit une autre catégorie de décision. Une réponse peut employer un langage acceptable et ne contenir aucune information sensible tout en recommandant une modification non autorisée. Le filtrage de contenu seul ne peut pas établir si un ingénieur donné peut modifier un système donné.

Prenons l’exemple illustratif d’une demande de redémarrage d’un service. La formulation peut être inoffensive et la recommandation technique raisonnable. L’autorisation dépend néanmoins de la responsabilité, du calendrier, des restrictions client et de l’impact sur les systèmes dépendants.

C’est la frontière que la gouvernance des agents DXC OASIS doit préserver. Le chemin d’exécution doit évaluer l’opération proposée au regard des autorisations applicables. La confiance du modèle ne doit pas se substituer à cette vérification.

AWS PrivateLink répond encore à une autre préoccupation. Ses connexions Bedrock privées permettent aux applications d’accéder à Bedrock via des points de terminaison d’interface sans nécessiter d’accès à l’internet public. Un point de terminaison d’interface fournit un point d’entrée privé vers le service AWS.

AWS documente les politiques de point de terminaison permettant de contrôler les principaux, actions et ressources autorisés. AWS indique également que la politique de point de terminaison par défaut autorise un accès complet à Bedrock via ce point de terminaison. Un chemin privé exige donc toujours une configuration d’accès délibérée.

Ce détail compte, car les schémas réseau peuvent donner une impression trompeuse d’exhaustivité. Le fait qu’une connexion reste hors de l’internet public apporte une information utile sur le transport. Cela ne répond pas à toutes les questions sur les personnes autorisées à utiliser cette connexion.

La localisation introduit une autre décision indépendante. La disponibilité des modèles varie selon les régions AWS, et les choix de déploiement doivent correspondre aux emplacements de traitement approuvés par le client. Une connexion privée ne doit pas devenir un raccourci supposant que toutes les exigences de résidence des données sont satisfaites.

Le même raisonnement s’applique à l’auditabilité. Enregistrer une réponse de modèle aide à expliquer ce que l’application a reçu. La responsabilité opérationnelle exige des preuves concernant l’action que le système a réellement tenté d’exécuter et son état résultant.

Le récit d’un agent peut aider un examinateur à comprendre l’enquête. Il ne doit pas devenir le seul enregistrement de l’exécution. Le système a besoin de traces qui restent utiles lorsque l’explication de l’agent est incomplète ou erronée.

DXC décrit un incident fictif impliquant une compagnie aérienne dans son environnement de démonstration. Un agent diagnostique un problème de stockage et présente un plan de réparation pour approbation par un ingénieur. Cet exemple illustre la frontière entre investigation et autorisation ; il n’établit pas les résultats de production d’une compagnie aérienne nommée.

Pour les acheteurs d’entreprise, la question utile est de savoir si cette frontière résiste à des circonstances moins favorables. Une démonstration devrait inclure un refus, une exécution interrompue et des éléments de preuve incertains. Ces cas révèlent si le contrôle demeure efficace lorsque l’achèvement ne va plus de soi.

Les gains annoncés nécessitent un examen au niveau des charges de travail

Les chiffres de performance de DXC sont des mesures déclarées par l’entreprise, et non une référence universelle pour les opérations IT autonomes.

DXC indique une réduction moyenne de 95 % du temps de résolution sur 56 cas d’usage mesurés. L’entreprise fait également état d’une précision diagnostique d’au moins 92 %, évaluée par rapport au jugement d’ingénieurs seniors. Ces chiffres décrivent l’évaluation de l’entreprise et doivent conserver cette attribution.

Les documents publics n’établissent pas de comparaison auditée de manière indépendante sur l’ensemble des charges de travail de chaque client. La moyenne ne doit pas non plus devenir une prévision pour l’intégralité de la file d’incidents d’un acheteur. Le périmètre de la mesure compte autant que le résultat mis en avant.

Le temps de résolution peut décrire différents intervalles. Il peut commencer par une alerte, une investigation ou le moment où un ingénieur entame un travail actif. Il peut s’achever avec une réparation proposée, une modification exécutée ou une restauration vérifiée.

Ces définitions produisent des interprétations métier différentes. Un diagnostic plus rapide peut avoir de la valeur même lorsqu’une fenêtre de maintenance obligatoire retarde l’exécution. Une exécution plus rapide peut avoir moins de valeur si une vérification ultérieure révèle des effets non résolus.

La question clé pour les achats est de savoir si l’intervalle mesuré correspond à l’objectif opérationnel de l’acheteur. Un client cherchant à réduire les interruptions de service a besoin de preuves concernant la restauration. Une équipe cherchant à réduire le travail d’ingénierie répétitif a besoin de preuves sur l’effort du personnel.

Les moyennes laissent également la distribution incertaine. Une amélioration répartie de manière cohérente sur les incidents courants diffère d’un résultat concentré sur quelques tâches de référence exceptionnellement lentes. Les acheteurs ont besoin de suffisamment de détails pour comprendre quel schéma s’applique.

Cela est particulièrement pertinent lorsque les flux de travail traversent plusieurs outils et étapes d’approbation. Une amélioration annoncée peut provenir du raisonnement, d’un meilleur accès à l’information, de la réduction des transferts ou de plusieurs changements combinés. L’attribution compte lorsqu’il faut estimer ce qui peut être transféré à une autre organisation.

La précision diagnostique exige une prudence similaire. L’accord avec des ingénieurs seniors fournit une référence pertinente, mais ne décrit pas toutes les conséquences d’un désaccord. Une suggestion erronée et une action incorrecte en production n’ont pas le même poids opérationnel.

Les éléments de preuve de suivi les plus utiles relieraient les diagnostics, les actions approuvées et les résultats vérifiés. Cela aiderait les acheteurs à distinguer l’incertitude acceptable pendant l’investigation des erreurs qui atteignent l’exécution. Cela montrerait également à quelle fréquence l’intervention humaine modifie le plan proposé.

La reprise devrait faire partie de cette évaluation. Un système peut raccourcir les tâches réussies tout en gérant mal les exceptions. Les acheteurs doivent savoir si les tentatives échouées laissent un état compréhensible et une voie pratique pour revenir à des opérations normales.

Ces questions n’effacent pas les gains annoncés. Elles définissent comment les évaluer de manière responsable. Une étude de cas prometteuse devient plus utile lorsque les lecteurs peuvent identifier les conditions qui sous-tendent le résultat.

L’architecture Amazon Bedrock de DXC OASIS doit donc être évaluée selon deux dimensions liées : les résultats opérationnels et les preuves étayant l’autorité déléguée. Les améliorations de vitesse doivent rester visibles aux côtés des défaillances de contrôle, des escalades et des efforts de reprise.

Il s’agit d’un standard plus exigeant qu’une démonstration de produit. C’est aussi le standard qui permet aux clients de décider quels flux de travail méritent une automatisation plus large.

Surveiller les preuves de déploiement, les changements de modèles et la feuille de route du harness

Les prochains éléments de preuve utiles relieront l’expansion à un comportement maîtrisé dans des conditions opérationnelles changeantes.

Au cours des un à trois prochains mois, le premier signal à surveiller est la précision du déploiement. Les documents de DXC décrivent une montée en puissance vers 130 environnements clients. Cette formulation indique une direction plutôt que de confirmer que chaque environnement est déjà en service.

Des témoignages nominatifs de clients sur une utilisation durable faciliteraient l’évaluation du déploiement. Les témoignages les plus informatifs identifieraient le périmètre des charges de travail, les exigences d’approbation et les résultats opérationnels mesurés. Les seuls noms de clients apporteraient moins de preuves.

Ce signal renforcerait l’argument si l’expansion s’accompagnait de résultats reproductibles dans des environnements distincts. Il affaiblirait l’interprétation plus large si les gains annoncés restaient concentrés dans des démonstrations ou des tâches étroitement sélectionnées. Les acheteurs devraient rechercher des définitions comparables d’une mise à jour à l’autre.

Le deuxième signal concerne les preuves relatives aux changements de modèles. Les nouveaux modèles offrent l’occasion de tester l’affirmation centrale de flexibilité de l’architecture. La question pertinente est de savoir si un changement préserve le flux de travail approuvé et ses limites de sécurité.

Une communication utile expliquerait comment le remplacement a été évalué et quelles tâches ont été autorisées pour celui-ci. Elle identifierait également les restrictions maintenues après les tests. Une annonce se contentant d’ajouter un nom de modèle laisserait la question de l’assurance sans réponse.

Ce signal renforcerait l’argument de l’architecture si les substitutions de modèles préservaient les résultats opérationnels sans étendre les autorisations. Il l’affaiblirait si les substitutions exigeaient une réparation substantielle du flux de travail ou produisaient des différences de comportement inexpliquées.

Le troisième signal concerne la feuille de route du harness. L’étude de cas AWS indique que DXC évalue Amazon Bedrock AgentCore, des services AWS destinés à construire et exploiter des agents, en parallèle de sa couche d’orchestration actuelle. Une évaluation ne constitue pas une migration confirmée.

L’évolution importante serait une présentation claire des responsabilités qui évoluent et de celles qui restent sous le contrôle de DXC. Les clients ont besoin de continuité dans la propriété des politiques, même lorsque l’implémentation sous-jacente change. Ils ont également besoin de traces compréhensibles tout au long de cette transition.

Une mise à jour de feuille de route renforcerait l’argument si elle clarifiait les responsabilités et réduisait le travail d’ingénierie redondant. Elle affaiblirait la confiance si de nouveaux services obscurcissaient la propriété des approbations ou fragmentaient le registre opérationnel.

Ensemble, ces signaux maintiennent l’attention sur l’enjeu central de l’article. Le choix des modèles a de la valeur lorsque les entreprises peuvent modifier les composants de raisonnement tout en conservant le contrôle des conséquences. L’expansion a de la valeur lorsque les preuves grandissent avec l’empreinte du déploiement.

Pour les équipes évaluant l’approche Amazon Bedrock de DXC OASIS, commencez par un flux de travail de production que votre organisation comprend déjà. Demandez au fournisseur de montrer les preuves étayant son diagnostic, l’autorité exacte requise et l’enregistrement de l’exécution. Répétez ensuite la démonstration avec une hypothèse incorrecte, une approbation refusée et un modèle préféré indisponible. Comparez les résultats avec votre processus existant, y compris l’effort de revue et de reprise. Lisez les documents d’architecture avec vos responsables des opérations, de la sécurité et des services. Leurs désaccords révéleront des exigences qu’une démonstration de modèle ne peut pas trancher. Quelles actions êtes-vous prêt à déléguer, et quelles preuves justifieraient l’octroi du niveau d’autorité suivant ?

 
 

Commencez pour Gratuit

Un premier assistant IA local avec gestion des connaissances personnelles

Pour une meilleure expérience IA,

remio ne supporte que Windows 10+ (x64) et M-Chip Macs actuellement.

Votre partenaire IA au travail
Faites-en plus avec remio

Planifiez. Créez. Livrez.
Tout au même endroit.

bottom of page