Amazon Bedrock Managed Agents pour OpenAI entre en préversion

Amazon Web Services a ouvert le 29 septembre 2026 une préversion publique d'Amazon Bedrock Managed Agents, propulsé par OpenAI. Le service exécute des agents d'IA sur des modèles OpenAI entièrement dans le compte AWS du client. Les agents se connectent avec des identités AWS au lieu d'une clé d'API OpenAI. Les entreprises peuvent ainsi appliquer leurs outils AWS existants de gestion des autorisations et d'audit au travail des agents.

Un agent d'IA est un programme qui utilise un modèle de langage pour planifier et mener des tâches en plusieurs étapes, comme lire une base de code ou traiter des documents. Amazon Bedrock est le service d'AWS qui permet d'exécuter des modèles d'IA de plusieurs fournisseurs.

Ce qu'est Bedrock Managed Agents

Selon l'AWS Weekly Roundup du 5 octobre, le service repose sur « une version personnalisée de l'Agents API d'OpenAI », conçue pour être native d'AWS. AWS indique que les agents utilisent « les identités, les autorisations et les contrôles de gouvernance que vous utilisez déjà ». L'Agents API d'OpenAI elle-même a ajouté l'utilisation de l'ordinateur lors du DevDay, le jour même de l'ouverture de la préversion.

Le service partage le travail en deux. Bedrock gère la conversation, appelle le modèle et choisit l'outil à utiliser. Les outils eux-mêmes s'exécutent sur la puissance de calcul que vous fournissez. Il peut s'agir de votre propre machine ou conteneur, ou d'Amazon Bedrock AgentCore Runtime, l'environnement d'exécution géré d'AWS pour les sessions d'agents.

Une analyse technique de Polylane indique que le service combine les modèles OpenAI, le harnais Codex et AgentCore. Il vise le travail en plusieurs étapes, comme l'examen d'une base de code, le traitement de documents et la génération de fichiers.

Comment ça marche

Polylane et HighCircl décrivent ces briques :

Élément	Fonctionnement dans la préversion
Connexion	Les requêtes sont signées avec AWS SigV4 ; aucune clé d'API OpenAI n'est nécessaire
Autorisations	Chaque session s'exécute sous un rôle IAM transmis en tant que role_arn ; l'appelant a besoin de iam:PassRole
Point de terminaison	Un point de terminaison régional bedrock-mantle, et non bedrock-runtime
Sessions	Durables et reprenables, elles conservent la conversation et les appels au modèle
Skills	Des skills réutilisables définies dans des fichiers SKILL.md
Serveurs d'outils	Des serveurs MCP qui fonctionnent via STDIO dans l'environnement d'exécution
Journal d'audit	AWS CloudTrail enregistre l'activité d'API prise en charge

IAM est le système d'AWS qui décide qui peut faire quoi. MCP, le Model Context Protocol, est une méthode standard pour relier un agent à des outils externes. L'exemple de code de Polylane utilise openai.gpt-5.6-luna comme modèle par défaut et permet aux utilisateurs de le remplacer.

Régions et prix

La préversion est disponible dans trois régions américaines : us-east-1 (Virginie du Nord), us-west-2 (Oregon) et us-east-2 (Ohio). HighCircl ajoute qu'AWS n'a pas publié de liste des modèles pris en charge, et que la disponibilité varie selon la région et le compte.

AWS ne facture rien de plus pour Managed Agents lui-même pendant la préversion. Les clients paient toujours l'inférence des modèles et les ressources AWS utilisées par leurs agents. AWS indique que les tarifs pourront changer lors de la disponibilité générale. Aucune des sources consultées ne donne de prix par token pour les modèles OpenAI de ce service.

InsideAI News rapporte que la disponibilité générale est attendue dans les prochains mois, avec une disponibilité plus large attendue lors d'AWS re:Invent plus tard cette année. Selon HighCircl et Polylane, AWS avait annoncé pour la première fois une préversion limitée du service le 28 avril 2026.

Ce qui manque à la préversion

Les deux analyses listent des lacunes de la préversion :

• Pas de console AWS ; le service fonctionne uniquement via des API et des stacks d'exemple.
• Pas de sous-agents, ni d'appel d'outils programmatique, parfois appelé mode code.
• Pas de mémoire à long terme intégrée. Une mémoire entre les sessions exige votre propre stockage de données.
• Pas de profils d'inférence interrégionaux.
• Le texte est la seule entrée documentée.
• Pas de clés de chiffrement gérées par le client pour les données de session stockées.
• Seuls des serveurs MCP STDIO locaux sont décrits, sans MCP distant.

Les sources divergent sur une fonction de sécurité. Polylane affirme que le service prend en charge une approbation humaine avant les actions lourdes de conséquences. HighCircl affirme que l'approbation doit être imposée dans votre propre application ou dans le code de vos outils.

Le même récapitulatif d'AWS a ajouté d'autres modèles OpenAI à Bedrock. Parmi eux figurent GPT-6.1 Sol et un mode UltraFast pour GPT-6 Astra, qui selon OpenAI rend l'inférence jusqu'à 6 fois plus rapide.

Ce que cela signifie pour les développeurs

Le principal atout est le contrôle. Une équipe qui tourne déjà sur AWS peut donner un rôle IAM à un agent propulsé par OpenAI, journaliser ses appels dans CloudTrail et garder ses outils sur sa propre puissance de calcul. InsideAI News juge ce type de contrôle important pour les secteurs réglementés. Pour ces équipes, ce peut être plus simple que de gérer un compte OpenAI et des clés d'API séparés.

Traitez-le toutefois comme une préversion. AWS indique que les fonctionnalités et les API peuvent changer, alors gardez pour l'instant le travail de production sur des services stables. Avant de construire, vérifiez cinq points :

• Région. Vos données et vos charges de travail doivent tenir dans l'une des trois régions américaines.
• Approbations. Intégrez la validation humaine dans le code de vos propres outils, car les deux analyses ne s'accordent pas sur la prise en charge de cette fonction par le service.
• Mémoire. Prévoyez un stockage de données si les agents doivent se souvenir de quoi que ce soit d'une session à l'autre.
• Outils. Les serveurs MCP distants ne sont pas décrits, donc les outils doivent s'exécuter comme serveurs STDIO locaux dans l'environnement d'exécution.
• Coût. Les frais de service sont nuls pour l'instant, mais l'inférence des modèles est facturée. Suivez la consommation de tokens dès le premier test, car les tarifs pourront changer lors de la disponibilité générale.

Le prochain signal à surveiller est re:Invent. Une liste de modèles pris en charge, une console et des prix publiés y montreraient si le service est prêt pour le travail de production.