#

Points clés

• Circle K indique un triage des incidents plus rapide avec Amazon Bedrock.

• L'entreprise affirme que le temps moyen de triage est passé de 45 à 60 minutes à moins de quinze minutes.

• AWS a publié l'étude de cas le 2 novembre 2026.

• Le système utilise désormais un seul agent dans Amazon Bedrock AgentCore Runtime.

• Les ingénieurs gèrent toujours la remédiation, tandis que le système enquête et recommande des correctifs.

Les gains de triage rapportés par Circle K

AWS a publié une étude de cas sur le triage des incidents chez Circle K le 2 novembre 2026. Le texte a été coécrit avec Marek Klatowicz, ingénieur cloud DevOps chez Circle K. Il décrit comment Circle K a utilisé Amazon Bedrock pour accélérer l'analyse des incidents dans son environnement AWS.

Circle K indique que le temps moyen de triage est passé de 45 à 60 minutes à moins de quinze minutes. Cela représente une réduction de 67 à 75 % sur la base des indicateurs internes de réponse aux incidents de l'entreprise. Ces résultats sont rapportés par l'entreprise. Ils ne constituent pas des mesures indépendantes et ne garantissent pas les mêmes résultats pour d'autres organisations.

L'étude de cas se concentre sur le triage des incidents, et non sur la résolution complète des incidents. Le système enquête sur les problèmes et recommande des correctifs. Les ingénieurs effectuent toujours la remédiation. Cette séparation est importante, car elle montre où l'automatisation s'arrête et où l'action humaine commence.

Comment le flux de travail initial a été construit

Circle K surveille son infrastructure sur plusieurs comptes AWS avec Grafana. Dans l'architecture initiale, les alertes passaient par Amazon SNS, Amazon SQS et AWS Lambda vers Amazon Bedrock Flows. Le flux de travail utilisait ensuite des agents spécialisés pour inspecter l'infrastructure, les journaux OpenSearch et le code GitHub.

La documentation produit était récupérée via Amazon Bedrock Knowledge Bases. Le système produisait ensuite un résumé structuré dans Slack. Ce résumé couvrait la cause probable, les preuves, la responsabilité du service et l'action recommandée. Le format de sortie semble conçu pour aider les ingénieurs à passer rapidement de l'alerte à la décision.

La source indique aussi que l'équipe a amélioré de manière itérative le filtrage des journaux, la taille du contexte et les recherches de code. Ces ajustements suggèrent que le flux de travail a évolué à mesure que les investigations et les volumes de données augmentaient. L'article ne présente pas ces changements comme une refonte ponctuelle. Il décrit un système en évolution.

Pourquoi l'équipe est passée à un seul agent

À mesure que les investigations et les volumes de données augmentaient, Circle K a déplacé l'analyse vers un seul agent exécuté dans Amazon Bedrock AgentCore Runtime. AWS indique que la version AgentCore est entrée en production en avril 2026. La publication de novembre est une étude de cas rétrospective, et non une nouvelle annonce de déploiement.

AgentCore Gateway orchestre l'accès aux outils et aux sources de données. Dans l'étude de cas, cette configuration a remplacé l'ancien flux en plusieurs étapes par une couche d'analyse plus centralisée. La source n'affirme pas que la nouvelle conception a supprimé toute complexité. Elle indique seulement que l'analyse a été regroupée dans un seul agent.

L'article mentionne aussi une intégration prévue avec AWS DevOps Agent. Cette intégration permettrait d'effectuer des actions simples uniquement après approbation de l'ingénieur dans Slack. Les ajouts proposés incluent Jira, Confluence et des runbooks. Ceux-ci sont décrits comme prévus ou proposés, et non comme des changements de production déjà achevés.

Considérations opérationnelles tirées de l'étude de cas

Le principal point opérationnel de la source est clair : Circle K utilise l'IA pour accélérer l'investigation, tandis que les humains gardent le contrôle de la remédiation. Cette séparation réduit le risque de considérer les résultats automatisés comme des décisions finales. Elle maintient aussi l'approbation entre les mains des ingénieurs lorsque les actions dépassent l'analyse.

L'étude de cas montre également que le flux de travail dépend de plusieurs sources de données. Il utilise les alertes d'infrastructure, les journaux, le code et la documentation. Cela signifie que la qualité du résultat dépend de la qualité et de la disponibilité de ces entrées. Le délai rapporté mesure le triage. Il doit être évalué séparément du temps nécessaire pour approuver et effectuer les réparations.

Un autre point pratique est que les gains rapportés proviennent de métriques internes. La source présente explicitement les résultats comme étant rapportés par l'entreprise. Les lecteurs doivent considérer ces chiffres comme l'expérience d'une seule organisation, et non comme une référence universelle.

Conclusion

L'étude de cas de Circle K présente un exemple clair de triage d'incidents assisté par l'IA. L'entreprise affirme qu'Amazon Bedrock a permis de réduire le temps moyen de triage à moins de quinze minutes. Le flux de travail est passé d'un pipeline multi-services à un seul agent dans Amazon Bedrock AgentCore Runtime, tandis que les ingénieurs ont conservé la responsabilité de la remédiation.

La source reste prudente quant au périmètre. Elle rapporte des résultats internes, décrit une histoire de déploiement rétrospective et présente des ajouts prévus plutôt que déjà réalisés. Cela fait de cette étude de cas un exemple opérationnel utile, tout en gardant les affirmations liées aux faits publiés.