Aller au contenu
17 novembremar.
  1. AWS Machine Learning Blog47

    Amazon Bedrock Managed Knowledge Base : personnaliser les réponses par tenant

    Amazon Bedrock Managed Knowledge Base permet désormais de personnaliser les réponses par tenant via des instructions de retrieval gérées et versionnées. Chaque instruction définit quatre champs — persona, answerFormat, retrievalGuidance et answerPolicy — appliqués à chaque requête, avec possibilité d'épingler une version pour basculer quand on le souhaite. Ces instructions ne constituent pas une frontière d'autorisation ou d'isolation des données : les filtres de métadonnées ou des knowledge bases séparées restent nécessaires pour contrôler ce que chaque tenant peut récupérer.

13 novembreven.
  1. AWS Machine Learning Blog40

    Migrer vers Amazon Bedrock Managed Knowledge Base avec votre agent de codage

    Le guide de migration ajouté à la skill amazon-bedrock de l'Agent Toolkit for AWS permet à votre agent de codage de planifier et d'exécuter la migration vers Amazon Bedrock Managed Knowledge Base. Le service prend en charge l'ingestion, le stockage, l'indexation et la récupération, avec recherche hybride toujours active, reranker géré et parseur intégré pour fichiers multimodaux. Les quotas par défaut passent de 100 à 10 000 knowledge bases par compte et par région, et de 5 à 200 sources de données par knowledge base, avec une tarification à l'usage sur le stockage et la récupération.

12 novembrejeu.
11 novembremer.
10 novembremar.
7 novembresam.
6 novembreven.
5 novembrejeu.
4 novembremer.
  1. AWS Machine Learning Blog22

    Amazon Quick : connecter données structurées et non structurées dans un même agent conversationnel

    Amazon Quick permet de connecter des données structurées (datasets enrichis) et non structurées (bases de connaissances adossées à Amazon S3) puis de les interroger via un agent conversationnel unique. Un « Space » réunit les deux types de sources dans un espace de travail, et l'agent personnalisé détermine s'il doit interroger la base de connaissances, le dataset ou les deux, avant de renvoyer une réponse combinée avec citations. La création de datasets nécessite un abonnement Enterprise, et les réponses respectent les permissions de l'utilisateur qui pose la question.

3 novembremar.
28 octobremer.
  1. Adafruit Blog58

    Survival LLM : un assistant IA et une bibliothèque d'urgence fonctionnant entièrement en local

    Survival LLM est un assistant IA gratuit et open source qui fonctionne entièrement sur une machine locale et répond à partir de références stockées en citant les articles utilisés avec le passage exact surligné. La bibliothèque comprend des références médicales, des recommandations du FEMA et du CDC, des manuels de survie, des guides de réparation et environ 930 000 articles Wikipédia ; le téléchargement complet fait 9 Go, ou 19 Go une fois installé, et une version réduite sans Wikipédia ni iFixit fait 1,3 Go. L'installation nécessite une connexion internet et prend de 20 minutes à environ 2h30, puis l'application fonctionne hors ligne sans compte ni suivi, en vérifiant la mémoire disponible pour télécharger un modèle adapté ; elle tourne sur Mac Apple Silicon avec macOS 14 ou plus récent et Windows 10 ou 11 64 bits, et les développeurs ont mesuré environ 100 W sur un MacBook Pro lors des réponses, à raison de 5 à 40 secondes par question.

    Motif de la recommandation :Présente une solution d'assistant IA hors ligne avec citations et une bibliothèque de secours de 9 Go, utile pour comprendre les compromis d'un déploiement local.

27 octobremar.
  1. AWS Machine Learning Blog58

    Construire une récupération agentique sur Amazon Bedrock Knowledge Base avec CDK

    AWS publie un tutoriel pour déployer une récupération agentique sur Amazon Bedrock Managed Knowledge Base via une application CDK en Python. L'agent route les questions entre deux bases de connaissances financière et météo, appelle AgenticRetrieveStream via AgentCore Gateway en MCP et renvoie des réponses citées. Le déploiement inclut deux tableaux de bord CloudWatch couvrant sept couches de télémétrie et une évaluation en ligne et à la demande.

24 octobresam.
23 octobreven.
21 octobremer.
20 octobremar.
14 octobremer.
9 octobreven.
8 octobrejeu.
  1. AWS Machine Learning Blog40

    Amazon Quick et Amazon Bedrock repensent le contrôle d'accès pour le RAG

    Amazon Quick et Amazon Bedrock Knowledge Bases appliquent un contrôle d'accès en temps réel pour le RAG en vérifiant les permissions directement auprès des sources faisant autorité au moment de la requête. L'approche hybride combine un filtrage pré-récupération sur l'index vectoriel (étape 1) et une vérification en temps réel via les API de la source, comme Google Drive, avec des jetons d'accès générés par usurpation d'identité (étape 2), seuls les passages autorisés étant transmis au LLM. Ce mécanisme élimine les lacunes de sécurité liées aux ACL obsolètes des synchronisations périodiques, une révocation d'accès étant reflétée en quelques instants.

7 octobremer.
6 octobremar.
2 octobreven.
  1. AWS Machine Learning Blog46

    Amazon Quick et le pattern Adjudicated Query pour auditer des milliers de baux

    Le pattern Adjudicated Query combine Amazon Quick et un moteur de règles déterministe pour vérifier la conformité de milliers de baux. Le modèle se limite à traduire une question en appels sur six outils typés et à restituer le résultat, sans jamais écrire de requête ni effectuer de détermination. Chaque sweep produit un reçu de complétude où compliant + in-breach + ambiguous + unreadable doit égaler scanned, et le jeu complet de résultats reste consultable dans un tableau de bord Amazon Quick Sight.