#

Points clés

• AWS a publié un guide technique sur la connexion de modèles de décision à Amazon Bedrock AgentCore Evaluations.

• AgentCore Evaluations prend en charge l'évaluation à la demande, par lots et en ligne.

• Le guide utilise des évaluateurs basés sur du code qui s'exécutent dans AWS Lambda.

• Il présente deux backends : Jev et Strands Decider 2B.

• AWS indique que les utilisateurs doivent valider chaque question sur leur propre trafic avant d'utiliser une vérification comme critère de mise en production.

Ce qu'AWS a publié

AWS a publié un guide technique le 4 novembre 2026. Le guide explique comment des modèles de décision peuvent se connecter à Amazon Bedrock AgentCore Evaluations via des évaluateurs basés sur du code. Il présente cela comme un schéma technique pour des workflows d'évaluation, et non comme un lancement de produit ou une étude de cas client.

L'article se concentre sur la manière dont la logique d'évaluation peut être étendue avec du code. Il indique que les vérifications basées sur du code s'exécutent dans AWS Lambda et peuvent appeler des systèmes externes, des modèles ou des API. Cela les distingue des évaluateurs intégrés, qui font déjà partie d'AgentCore Evaluations.

Ce qu'AgentCore Evaluations prend en charge

AgentCore Evaluations prend en charge l'évaluation à la demande, par lots et en ligne. AWS indique qu'il inclut 15 évaluateurs intégrés. Il prend également en charge des juges personnalisés basés sur des modèles de langage et des vérifications basées sur du code.

Le guide place les modèles de décision aux côtés d'évaluations plus larges fondées sur des modèles de langage. AWS indique que les explications des modèles de langage restent utiles lorsque les jugements nécessitent un raisonnement détaillé. Les modèles de décision sont présentés comme une option plus ciblée pour des questions avec des ensembles de réponses fixes.

Les deux backends de modèles de décision

Le tutoriel intègre deux backends. L'un est Jev, un modèle hébergé de TypeSafe. L'autre est Strands Decider 2B, un modèle de décision open source de deux milliards de paramètres que les utilisateurs hébergent eux-mêmes.

AWS indique que Jev nécessite une clé API TypeSafe. Il précise aussi que Strands Decider nécessite un serveur accessible. Ce sont des exigences opérationnelles pour la configuration du tutoriel. Elles font partie des détails d'implémentation montrés dans le guide.

Comment fonctionnent les modèles de décision dans le guide

Les modèles de décision choisissent parmi un ensemble fixe de réponses. Ils renvoient des probabilités plutôt que des explications libres. AWS indique que les types de questions pris en charge incluent oui ou non, un choix parmi jusqu'à 255 options, et des scores ordonnés avec deux à dix niveaux.

Le guide indique que ces sorties peuvent prendre en charge des seuils et un filtrage pour des questions d'évaluation étroites. Cela les rend utiles lorsque la tâche consiste à classer ou à noter une réponse, plutôt qu'à l'expliquer en détail. AWS montre également comment convertir les entrées de l'évaluateur en requêtes de modèle de décision, puis traduire les probabilités renvoyées en résultats AgentCore.

Comment AWS présente le rôle de ces modèles

AWS positionne les modèles de décision comme des compléments aux évaluations plus larges fondées sur des modèles de langage. Le guide ne remplace pas les juges de modèles de langage. Il montre plutôt une manière de combiner des sorties de décision structurées avec le style de raisonnement des modèles de langage lorsque cela est nécessaire.

Ce cadrage est important, car les deux approches répondent à des besoins d'évaluation différents. Les modèles de décision conviennent aux vérifications à réponse fixe. Les modèles de langage restent utiles lorsque l'évaluation nécessite un raisonnement ou une explication plus détaillés.

Exemple de workflow dans le tutoriel

L'article inclut un assistant RH fictif et des scénarios étiquetés. AWS les présente comme une démonstration du workflow. Il ne les décrit pas comme des performances de production ni comme un nouveau déploiement client.

Le tutoriel insiste sur la validation avant une utilisation opérationnelle. AWS indique que les utilisateurs doivent valider chaque question sur leur propre trafic avant d'utiliser une vérification comme critère de mise en production. C'est la mise en garde opérationnelle la plus claire du guide. Elle suggère que le même évaluateur peut se comporter différemment selon les entrées et les seuils propres à l'utilisateur.

Implications pratiques pour les évaluateurs

Le guide montre une voie structurée pour les équipes qui souhaitent utiliser des modèles de décision dans des pipelines d'évaluation. Il combine une logique basée sur du code, des sorties de modèle et des résultats d'évaluation AgentCore dans un seul flux. Le résultat est une configuration qui peut prendre en charge des vérifications ciblées avec probabilités et seuils.

L'article est prudent quant au périmètre. Il décrit une intégration technique et un workflow d'exemple. Il ne revendique pas de résultats en production et n'annonce pas de déploiement plus large. Il n'annonce pas non plus de disponibilité ou de déploiement au Maroc.

Pour les lecteurs, la principale valeur réside dans le schéma d'implémentation. AWS montre comment connecter des modèles de décision à réponse fixe à un système d'évaluation qui prend déjà en charge plusieurs modes et types d'évaluateurs. Le guide fournit un exemple concret de la manière dont des sorties de modèle structurées peuvent s'intégrer dans un processus d'évaluation plus large.