·5 min
L’IA d’entreprise entre dans l’ère du catalogue de capacités
Agents, skills, MCP servers, modèles et workflows se multiplient. Le nouveau défi n’est plus seulement de construire, mais de cataloguer, gouverner, réutiliser et maintenir des capacités IA fiables à l’échelle.
- Agentic AI
- Software Delivery
- AI Governance
- Quality Engineering
- Architecture
- Platform Engineering
- MCP
Le problème n’est plus seulement de construire un bon agent.
À mesure que les équipes multiplient agents, skills, MCP servers, modèles et workflows, une nouvelle question devient structurante : qu’est-ce qui existe déjà, qui l’a validé, qui en est propriétaire et dans quel contexte peut-on le réutiliser ?
Cette semaine, plusieurs signaux convergent : le Delivery agentique commence à se doter des mêmes mécanismes que les plateformes logicielles matures — catalogue, policy, quality gates, runtime optimisé et documentation vivante.
AWS Agent Registry est désormais GA. Le service fournit un catalogue privé et gouverné pour les agents, tools, skills, MCP servers et ressources custom.
Au-delà de la recherche sémantique, le registre ajoute les briques entreprise : approbation, audit CloudTrail, tags, partage inter-comptes, Infrastructure as Code via CloudFormation/Terraform/CDK et auto-détection des agents et gateways AgentCore.
Le signal est important parce qu’il déplace le sujet de “comment créer un agent ?” vers “comment éviter que chaque équipe reconstruise les mêmes capacités dans son coin ?”.
Pour une grande DSI, le registre peut devenir l’équivalent agentique d’un developer portal : découvrir ce qui est approuvé, réutilisable et maintenu avant de créer une nouvelle brique.
2 — Les modèles les plus capables arrivent avec leur propre contrat d’exploitation
Claude Fable 5.1 est disponible sur Amazon Bedrock et Claude Platform on AWS. Anthropic le classe comme Covered Model, avec des politiques supplémentaires de rétention, revue sécurité et accès.
Sur Bedrock, l’usage standard peut impliquer jusqu’à 30 jours de rétention et de la revue humaine côté AWS. Pour certains clients éligibles, Enterprise Frontier Safeguards permet du zero-data-retention pour les usages internes jusqu’au 31 décembre 2026.
Le point CTO n’est pas de savoir si Fable 5.1 “code mieux”. C’est que le choix d’un modèle devient aussi un choix de régime de données, de monitoring et de responsabilité.
3 — Infosys pousse la Quality Engineering encore plus à gauche : jusqu’à l’intention métier
Infosys propose un déplacement intéressant de la QA : avec l’IA, les défauts peuvent naître avant même le code, lorsqu’un objectif métier, une contrainte ou une règle est mal interprété.
Le QE doit donc relier business intent → output IA → tests → résultat production, au lieu de valider seulement que l’implémentation correspond à une spécification déjà considérée comme correcte.
C’est probablement l’un des changements de rôle les plus sous-estimés : dans un SDLC agentique, la qualité se déplace du test du code vers le test de l’interprétation.
Infosys — Quality Engineering & business intent →
4 — La documentation d’architecture peut devenir un artefact de CI/CD
AWS décrit un système en production depuis le Q1 2026 chez un acteur financier : un agent analyse les codebases .NET à chaque changement, génère des diagrammes Mermaid/UML, les valide, les convertit en SVG puis alimente une base de connaissance interrogeable.
AWS annonce sur ce cas 95 % de fiabilité contre 65 % pour des appels single-shot, avec des gains importants sur documentation, onboarding et préparation d’audit. Ce sont des mesures fournisseur sur un client donné, pas un benchmark universel.
Le signal architectural : documentation et ADR peuvent progressivement passer du statut de dette éditoriale à celui de produit dérivé automatiquement du pipeline.
5 — Même le serverless “hors IA” s’adapte aux workloads plus lourds
AWS Lambda étend SnapStart aux fonctions packagées en images container. Le mécanisme prend un snapshot de l’environnement initialisé et le restaure à l’invocation.
AWS annonce un passage possible de plusieurs secondes de démarrage à du sub-second, y compris pour des images contenant des dépendances plus lourdes.
Pourquoi c’est pertinent ici ? Parce que l’AI-assisted Delivery ne vit pas uniquement dans les modèles. Il dépend aussi de runtimes rapides, reproductibles et compatibles avec les standards container existants des entreprises.
AWS — SnapStart for container images →
Développeurs. La valeur se déplace vers l’usage de capacités validées plutôt que la création systématique de nouveaux agents, prompts ou MCP servers.
Architectes / Tech Leads. Il faut traiter agent, skill, tool, modèle et policy comme des composants avec owner, version, statut d’approbation et dépendances.
CTO / DSI. Le sujet devient plateforme : catalogue, gouvernance, quality gates, data policies et runtime, pas seulement licences d’assistants.
ESN. Une vraie différenciation peut venir de la construction d’un catalogue de capacités réutilisables, auditées et maintenues, au lieu de livrer des POC isolés client par client.
1. Agent capability inventory.
Recensez agents, skills, MCP servers et tools existants avec owner, statut, usage réel et niveau de confiance.
2. Business-intent quality gate.
Sur une user story générée ou enrichie par IA, ajoutez une revue explicite des contraintes métier, exceptions et règles avant génération du code.
3. Documentation-as-pipeline.
Prenez un service avec documentation obsolète et faites générer diagramme + description à chaque merge ; mesurez la fiabilité avant publication automatique.
1. Agent Catalog & Governance Accelerator.
Pour DSI multi-équipes : inventaire, métadonnées, approbation, ownership, tagging, usage et décommissionnement.
2. AI Quality Engineering.
Offre ESN centrée sur la traçabilité business intent → artefacts IA → tests → outcomes, avec quality gates et evals adaptés aux workflows agentiques.
3. Architecture Documentation Service.
Pipeline managé de documentation vivante pour patrimoines legacy/microservices : diagrammes, knowledge base, conformité et onboarding.
❓ Question de la semaine
Dans votre organisation, qui sait aujourd’hui combien d’agents, skills et MCP servers existent réellement — et lesquels sont approuvés pour la production ?
🤓 Pour ceux qui ont encore du contexte window
AWS Weekly Roundup — 7 septembre →
AWS — Agentic security at machine speed →
AWS AI — AgentCore recent posts →
GitHub Changelog — septembre 2026 →
Le prochain saut de maturité ne viendra peut-être pas d’un agent plus spectaculaire, mais d’une organisation capable de savoir ce qu’elle possède déjà — et de le réutiliser proprement.
Voir mon profil LinkedIn Se connecterRecevez la prochaine édition par email
Une inscription, pas de spam, désinscription sur simple demande.