Amazon Nova : pourquoi cette famille d’IA est déjà déployée dans le groupe

Amazon ne présente pas Nova comme un assistant unique destiné à rivaliser frontalement avec les chatbots les plus connus. Le groupe y voit plutôt une boîte à outils : une famille de modèles d’intelligence artificielle générative conçue pour être intégrée à des produits, à des processus internes et aux services de ses clients professionnels. Au 6 décembre 2024, Rohit Prasad, responsable des travaux d’Amazon sur l’intelligence artificielle générale, indique que Nova est déjà actif dans plusieurs secteurs de l’entreprise.

Cette annonce est importante à double titre. Elle confirme la volonté d’Amazon de faire de ses propres modèles un élément central de son offre technologique, notamment via le cloud AWS. Elle illustre aussi une approche pragmatique de l’IA générative : plutôt que de chercher un modèle universel, le groupe veut proposer plusieurs niveaux de puissance et plusieurs formats, à sélectionner selon le besoin, le budget et le temps de réponse attendu.

Nova, une famille de six modèles pour des tâches différentes

Le nom Nova regroupe six modèles aux fonctions distinctes. Les modèles de langage produisent, résument ou analysent du texte. Les modèles multimodaux peuvent prendre en compte plusieurs types de données, notamment du texte, des images ou de la vidéo. Deux autres déclinaisons sont tournées vers la création de visuels et de séquences vidéo.

Cette organisation répond à une réalité souvent masquée par les démonstrations de chatbots : tous les usages n’exigent pas le même niveau de raisonnement ni la même puissance de calcul. Répondre brièvement à une demande courante, analyser un document contenant des images ou générer une publicité vidéo ne mobilise pas les mêmes ressources.

La gamme est proposée dans l’environnement Amazon Bedrock, le service d’AWS qui permet aux entreprises d’accéder à des modèles d’IA et de les intégrer à leurs applications. Pour un client, l’enjeu n’est donc pas nécessairement de construire un modèle à partir de zéro. Il peut choisir le modèle correspondant à son cas d’usage, l’adapter à ses données et le relier à ses outils existants.

Une technologie déjà utilisée à l’intérieur d’Amazon

Rohit Prasad insiste sur le fait que Nova n’est pas un projet isolé de laboratoire. Il s’appuie sur l’expérience acquise par Amazon lors du développement de près de 1 000 applications d’IA générative. Ce volume a permis à l’entreprise d’observer des besoins récurrents et de constater qu’un seul modèle ne pouvait pas répondre efficacement à toutes les situations.

Le groupe affirme également utiliser plus de 2 000 modèles d’IA en interne. Ce chiffre ne désigne pas uniquement des modèles génératifs comme Nova. Il comprend aussi des systèmes plus classiques de machine learning, par exemple pour classer des informations, effectuer des prédictions ou recommander des produits. Cette coexistence est essentielle : dans un service réel, l’IA générative ne remplace pas forcément les modèles existants, elle vient souvent les compléter.

Les domaines mentionnés comprennent notamment la publicité, la gestion de contenu et Alexa. Dans la publicité, Nova peut aider à produire des contenus créatifs à partir de données simples. Dans les services conversationnels, l’objectif est d’enrichir les échanges et de fournir des réponses davantage liées au contexte de la demande.

Amazon met aussi en avant la publication de benchmarks, ces tests standardisés qui cherchent à mesurer les capacités des modèles. Ils sont utiles pour comparer des performances techniques, mais ils ne suffisent pas à prédire la qualité d’un déploiement en entreprise. Une réponse rapide, fiable et conforme aux règles d’un service dépend aussi des données fournies au modèle, de ses garde-fous et de son raccordement aux applications concernées.

Pourquoi coût, latence et intégration restent les principaux défis

Déployer une IA générative à grande échelle pose des problèmes très concrets. Le premier est le coût de calcul. Les grands modèles nécessitent des processeurs graphiques, les GPU, capables d’effectuer en parallèle un très grand nombre d’opérations. Cette puissance est indispensable pour entraîner et faire fonctionner des modèles avancés, mais elle représente une dépense importante lorsque le volume de requêtes augmente.

Le deuxième enjeu est la latence, c’est-à-dire le délai séparant la demande de l’utilisateur et la réponse du système. Quelques secondes peuvent sembler acceptables pour la rédaction d’un long texte. Elles deviennent bien plus gênantes dans une interaction vocale avec Alexa, où l’utilisateur attend une réponse fluide, proche du rythme d’une conversation.

Enfin, un modèle ne fonctionne pas seul. Il doit communiquer avec des interfaces de programmation, ou API, des bases de données, des outils de recherche, des règles de sécurité et des logiciels parfois anciens. Cette connexion aux systèmes existants permet de rendre le modèle utile, mais elle ajoute de la complexité technique et des contraintes de fiabilité.

Ce que signifie l’approche « portefeuille » d’Amazon

L’idée défendue par Rohit Prasad est de proposer le bon niveau de modèle pour le bon usage. Une tâche simple peut être confiée à un modèle léger et rapide. Une demande plus complexe, comportant plusieurs documents ou plusieurs formats, peut exiger un modèle plus puissant. Cette répartition vise à éviter de mobiliser un système coûteux pour chaque requête.

De la publicité aux services professionnels avec Deloitte

L’un des cas d’usage mis en avant concerne la publicité. La production d’une campagne implique habituellement la combinaison de nombreux éléments : informations sur le produit, public visé, messages, visuels et déclinaisons de formats. Nova doit aider à générer des contenus créatifs à partir de données plus simples, afin d’accélérer une étape qui peut être longue et coûteuse.

Amazon annonce aussi une collaboration avec Deloitte. Le cabinet de conseil et d’audit doit intégrer Nova dans ses solutions pour répondre aux besoins spécifiques de ses clients. Ce type de partenariat illustre la stratégie d’AWS : Amazon ne cherche pas uniquement à équiper ses propres services, mais à fournir une infrastructure et des modèles que des organisations tierces pourront utiliser dans leurs métiers.

La promesse ne doit toutefois pas être réduite à l’automatisation de la création. Dans une entreprise, l’intérêt d’un modèle dépend de sa capacité à respecter une charte éditoriale, à utiliser des informations à jour, à protéger des données sensibles et à laisser un contrôle humain sur les contenus publiés. Nova fournit des briques technologiques, pas une garantie automatique de qualité dans tous les contextes.

Alexa, un terrain d’essai exigeant pour l’IA générative

Alexa est un cas particulièrement révélateur des contraintes décrites par Amazon. Un assistant vocal doit comprendre une formulation parfois imprécise, tenir compte du contexte d’un échange et répondre sans délai perceptible. L’ajout de modèles génératifs peut rendre les interactions plus naturelles et les réponses plus contextuelles. Mais il augmente aussi les exigences en matière de rapidité, de coût et de pertinence.

Rohit Prasad explique que les modèles génératifs et non génératifs peuvent fonctionner en synergie dans cet environnement. Un système conversationnel ne repose pas uniquement sur un grand modèle de langage : il peut aussi utiliser des modèles spécialisés pour reconnaître la parole, identifier une intention, rechercher une information ou déclencher une action précise.

Amazon prévoit de poursuivre cette évolution avec des capacités de reconnaissance vocale et des modèles plus adaptés aux échanges conversationnels. L’entreprise mentionne également le développement de modèles multilingues, un enjeu logique pour un groupe présent dans de nombreux pays. Concevoir un assistant multilingue ne consiste pas seulement à traduire des phrases : il faut pouvoir comprendre des formulations locales, conserver le contexte et répondre avec une qualité cohérente d’une langue à l’autre.

Nova s’inscrit dans l’ambition d’Amazon pour l’AGI

Au-delà des usages immédiats, Rohit Prasad relie Nova à l’objectif plus vaste d’Amazon dans l’intelligence artificielle générale, souvent désignée par l’acronyme anglais AGI. Cette expression désigne l’idée d’une IA capable d’atteindre un niveau de compétence comparable à celui d’experts humains dans de nombreux domaines, plutôt que dans une tâche unique.

Cette ambition reste un horizon de recherche et non une capacité que Nova revendiquerait déjà. La définition même de l’AGI fait débat, tout comme les critères qui permettraient d’affirmer qu’elle a été atteinte. Amazon présente son travail comme un processus progressif : chaque nouveau modèle, chaque déploiement et chaque amélioration des interactions doit contribuer à cette vision de long terme.

Dans l’immédiat, Nova montre surtout que l’entreprise cherche à réduire l’écart entre ses travaux de recherche et ses services opérationnels. Les modèles doivent être suffisamment puissants pour des tâches complexes, mais aussi assez rapides, abordables et adaptables pour être utilisés à grande échelle.

Ce qu’il faut surveiller après le lancement

Les prochains mois devront préciser la place réelle de Nova dans l’écosystème d’Amazon. Le lancement annoncé de Nova Premier, les avancées prévues dans la voix et le multilingue, ainsi que les usages adoptés par des partenaires comme Deloitte seront des indicateurs importants.

Il faudra également observer la capacité du groupe à tenir son équilibre entre qualité des réponses, vitesse et coût. C’est un défi déterminant pour tous les fournisseurs de modèles génératifs. Pour Amazon, qui dispose à la fois de services cloud, de produits grand public et d’un vaste réseau d’entreprises clientes, Nova est moins un produit unique qu’une infrastructure appelée à se diffuser dans de nombreuses activités.