Bedrock, SageMaker JumpStart et l'infrastructure AWS pour l'IA générative

Bonne lecture et bon apprentissage ! Junior TSAFACK – 11/09/2026 ⏱️ Temps de lecture estimé : 11 minutes

Ce chapitre clôt le module 2 en détaillant les services AWS qui permettent de construire des applications d’IA générative sans entraîner de modèle à partir de zéro, leurs modèles de tarification, et la façon dont AWS structure la sécurité à travers toute la pile technique.

Amazon Bedrock : le service central de l’IA générative sur AWS

Amazon Bedrock est un service entièrement géré qui donne accès, via une API unique, à des modèles de fondation de plusieurs fournisseurs : les modèles Amazon Titan, ainsi que des modèles tiers (Anthropic, Meta, Cohere, Stability AI…). Il évite de devoir entraîner son propre modèle de fondation à partir de zéro.

Fonctionnalités clés de Bedrock :

Les aires de jeu (playgrounds) permettent d’expérimenter des inférences contre différents modèles pour comparer leurs réponses, avec des paramètres d’inférence ajustables (température, Top K, Top P — voir le chapitre sur la conception d’applications).
Les bases de connaissances (Knowledge Bases) permettent d’implémenter le RAG (génération augmentée par récupération) en connectant un modèle à vos données d’entreprise, sans avoir à le réentraîner.
Les agents (Agents for Amazon Bedrock) orchestrent des tâches en plusieurs étapes impliquant des appels d’API et des bases de connaissances.
Les garde-fous (Guardrails) filtrent les contenus indésirables (haine, violence, sujets interdits) — détaillés dans le module 5.
L’importation de pondérations personnalisées permet d’utiliser vos propres modèles ajustés, en mode à la demande (facturation à l’usage, sans engagement).

Amazon Titan est la famille de modèles de fondation propriétaire d’Amazon, disponible dans Bedrock : un bon point de départ générique, notamment pour la génération de texte (Titan Text Express, Titan Text Lite) et d’images (Titan Image Generator).

PartyRock est une aire de jeu gratuite construite sur Amazon Bedrock (accessible sur partyrock.aws), pensée pour apprendre les bases de l’IA générative en créant de petites applications (générateur de listes de lecture, de quiz, de recettes…) sans écrire de code — un excellent premier contact avant de se lancer dans des projets plus sérieux.

SageMaker JumpStart : la voie du sur-mesure

Quand Bedrock ne suffit pas — par exemple pour un cas d’usage nécessitant un contrôle plus fin de l’architecture, ou un modèle open source spécifique — Amazon SageMaker JumpStart propose un hub de modèles de fondation et de modèles spécifiques à une tâche, pré-entraînés sur de grands jeux de données publics. Il permet :

de déployer rapidement un modèle pré-entraîné derrière un point de terminaison ;
de l’ajuster (fine-tuning) par entraînement incrémental sur vos propres données ;
d’accéder à des modèles de diffusion comme Stable Diffusion, déployables en quelques lignes de code.

⚠️ Les modèles JumpStart nécessitent généralement des instances GPU pour l’ajustement et le déploiement — consultez la page de tarification SageMaker avant de choisir le type d’instance, et pensez à supprimer les points de terminaison inutilisés pour éviter une facturation continue.

Comment est facturée l’IA générative sur AWS ?

Deux grands modèles de tarification coexistent :

Modèle	Principe	Cas d’usage
Hébergement sur votre propre infrastructure	Vous payez le calcul (et parfois une licence du LLM)	Contrôle total, mais investissement et maintenance à votre charge
Tarification par jeton (Amazon Bedrock)	Facturation au nombre de jetons traités en entrée et en sortie	Pas d’infrastructure à gérer, évolutivité immédiate

Un jeton est l’unité de facturation des fournisseurs de LLM — un caractère, un mot, ou un pixel selon la modalité. Avec le mode à la demande de Bedrock, vous ne payez que ce que vous consommez, sans engagement à long terme ; un débit provisionné existe aussi pour garantir une capacité et une latence stables en cas de charge soutenue prévisible.

Les trois couches de la pile d’IA générative AWS — et leur sécurité

AWS structure la sécurité de l’IA générative en trois couches, chacune avec ses propres enjeux :

Couche 1 — Infrastructure

C’est ici que sont entraînés et hébergés les modèles : instances de calcul spécialisées (accélérateurs AWS Inferentia, AWS Trainium, GPU des familles P4/P5/G5/G6). Le système AWS Nitro applique des restrictions matérielles et logicielles garantissant qu’aucune personne — y compris chez AWS — ne peut accéder aux charges de travail ou données exécutées sur ces instances.

Couche 2 — Machine Learning

C’est la couche des services qui entraînent ou ajustent les modèles de fondation eux-mêmes (Amazon SageMaker, Amazon Bedrock).

Couche 3 — Applications

C’est ici que se trouvent les applications finales utilisant les LLM et FM : tableaux de bord, architectures RAG, agents. C’est aussi la couche où s’appliquent les contrôles de sécurité orientés utilisateur (authentification, chiffrement des échanges).

Quels que soient l’étage et le service utilisé, trois composants d’un système d’IA doivent systématiquement être protégés : l’entrée, le modèle, et la sortie — via des politiques, des normes de sécurité claires, et des rôles/responsabilités bien définis. Nous détaillons ces mécanismes concrets (IAM, chiffrement, garde-fous) dans le module 5.

Points clés à retenir

Amazon Bedrock donne accès, via une API unique, à des modèles de fondation variés (Titan et modèles tiers), avec RAG, agents et garde-fous intégrés.
PartyRock est une aire de jeu gratuite bâtie sur Bedrock, idéale pour découvrir l’IA générative sans écrire de code.
SageMaker JumpStart est la voie à privilégier quand Bedrock ne couvre pas le besoin — modèles open source pré-entraînés, ajustables sur vos données.
La facturation par jeton (Bedrock) élimine la gestion d’infrastructure ; l’hébergement sur votre propre infrastructure offre plus de contrôle mais plus de responsabilité.
La sécurité de la pile d’IA générative AWS se pense sur 3 couches (infrastructure, ML, applications), avec 3 composants à protéger systématiquement : entrée, modèle, sortie.

Glossaire

Terme	Définition
Amazon Bedrock	Service managé donnant accès à plusieurs modèles de fondation via une API unique.
Amazon Titan	Famille de modèles de fondation propriétaire d’Amazon, disponible dans Bedrock.
Débit provisionné	Capacité d’inférence réservée à l’avance, pour garantir latence et disponibilité.
AWS Nitro	Système matériel/logiciel garantissant qu’aucune personne ne peut accéder aux charges de travail EC2 sous-jacentes.

Module suivant

Vous connaissez maintenant les concepts et l’infrastructure de l’IA générative. Le module 3 — le plus pondéré de l’examen (28 %) — entre dans le concret : comment concevoir, personnaliser et évaluer une application construite sur un modèle de fondation.

👉 Module 3 : Concevoir une application avec un modèle de fondation — RAG, agents et bases vectorielles

Junior TSAFACK – 11/09/2026