Claude sur AWS Bedrock — Intégration Cloud Amazon Présentiel

Module 1 — Pourquoi Bedrock : positionnement et avantages

• Trois voies d'accès à Claude : API directe Anthropic, Amazon Bedrock, Google Vertex AI
• Avantages Bedrock : facturation AWS consolidée, conformité SOC/HIPAA/FedRAMP, IAM natif
• Arbre de décision : quand choisir Bedrock vs API directe selon les contraintes (conformité, latence, coûts)
• Modèles disponibles sur Bedrock : Opus 4.6, Sonnet 4.6, Haiku 4.5 avec Model IDs et disponibilité régionale
• Fenêtres de contexte : 1M tokens (Opus/Sonnet 4.6) vs 200K tokens (autres modèles), limite payload 20 Mo
• Exercice : Comparer les 3 plateformes sur 3 cas d'usage entreprise et choisir la plus adaptée

Module 2 — Setup et première requête Bedrock

• Prérequis : compte AWS actif, AWS CLI 2.13.23+, activation Bedrock, formulaire First Time Use (FTU)
• Permissions IAM : politique minimale pour invoquer les modèles, vérification avec aws sts get-caller-identity
• Installation des SDKs : pip install anthropic[bedrock] (Python), npm install @anthropic-ai/bedrock-sdk (TS)
• Requête avec le SDK Anthropic : AnthropicBedrock, credentials (access key, secret, session token, region)
• Requête avec Boto3 : bedrock-runtime, InvokeModel, anthropic_version bedrock-2023-05-31
• Endpoints globaux (préfixe global., routage dynamique, pas de surcharge) vs régionaux (CRIS, +10%)
• Bearer Token authentication : simplifier l'accès dans les environnements d'entreprise
• Atelier pratique : Configurer l'environnement AWS, lister les modèles et exécuter des requêtes via les 3 méthodes

Module 3 — API Bedrock avancée : streaming, tool use et extended thinking

• Streaming sur Bedrock : format AWS event-stream, implémentation Python et TypeScript
• Tool Use via la Converse API (recommandée) : toolSpec, inputSchema, gestion tool_use et tool_result
• Tool Use via InvokeModel : format natif Anthropic sur Bedrock, comparaison avec Converse API
• Extended Thinking sur Bedrock : activation, budget_tokens, mode adaptive (Opus 4.6/Sonnet 4.6)
• Vision et PDF : analyse d'images, traitement de documents, citations via Converse API
• Prompt caching sur Bedrock : cache_control, TTL 5 min/1h, tarification identique à l'API directe
• Exercice : Développer un assistant avec tool use et streaming qui interroge une API métier via Bedrock

Module 4 — Bedrock Guardrails : sécurité et conformité

• Les 6 politiques de sauvegarde : filtres de contenu, détection d'attaques prompt, sujets interdits, redaction PII, grounding contextuel, automated reasoning
• Création et publication d'un Guardrail dans la console Amazon Bedrock
• Intégration API : headers X-Amzn-Bedrock-GuardrailIdentifier et GuardrailVersion
• API ApplyGuardrail : filtrage de contenu indépendamment du modèle, sans invoquer Claude
• Cross-Region inference : compatibilité guardrails avec les profils d'inférence cross-region
• Cas d'usage : conformité RGPD (masquage PII), chatbot client avec sujets interdits, protection anti-jailbreak
• Atelier pratique : Créer un Guardrail complet (PII + sujets interdits + anti-jailbreak) et le tester en production

Module 5 — Bedrock Knowledge Bases : RAG entièrement géré

• Architecture du flux RAG Bedrock : ingestion → embedding → stockage vectoriel → retrieval → augmentation → génération
• Sources de données : S3, Confluence, Salesforce, SharePoint, Web Crawler
• Modèles d'embedding : Amazon Titan Embeddings pour la vectorisation des chunks
• Stockages vectoriels : OpenSearch Serverless, Aurora, Neptune, MongoDB, Pinecone, Redis Enterprise Cloud
• APIs clés : Retrieve API (résultats bruts avec visuels) et RetrieveAndGenerate API (réponse directe)
• Implémentation Python : bedrock-agent-runtime, knowledgeBaseId, modelArn avec Claude
• Exercice : Créer une Knowledge Base depuis un bucket S3, indexer des documents et interroger avec Claude

Module 6 — Bedrock Agents et intégration Lambda/Step Functions

• Bedrock Agents : agents autonomes avec raisonnement, planification et exécution d'actions
• Tool Use (Function Calling) sur Bedrock : définition d'outils avec la Converse API
• Intégration Lambda : connecter les agents à des fonctions serverless pour l'exécution d'actions métier
• AgentCore : exécution autonome jusqu'à 8 heures avec scaling automatique
• Server-side vs client-side tool calling : quand déléguer l'exécution à Bedrock vs la gérer côté client
• Orchestration Step Functions : combiner Claude avec d'autres services AWS dans des workflows complexes
• Atelier pratique : Construire un agent Bedrock avec 3 outils Lambda (recherche KB, appel API, écriture S3)

Module 7 — Optimisation des coûts et performance sur Bedrock

• Tarification Bedrock : identique à l'API directe sur les endpoints globaux, +10% sur régionaux
• Batch API sur Bedrock : -50% sur les prix, jusqu'à 100 000 requêtes par batch
• Prompt caching : écriture 5 min (1.25x) et 1h (2x), lecture à 0.1x = économie de 90%
• Stratégie de choix de modèle : Haiku 4.5 pour le volume, Sonnet 4.6 pour l'équilibre, Opus 4.6 pour la qualité
• Provisioned throughput vs on-demand : quand réserver de la capacité dédiée
• Fonctionnalités exclusives API directe non disponibles sur Bedrock : web search, web fetch, code execution
• Exercice : Calculer le TCO d'un workflow et optimiser avec caching + batch + modèle adapté

Module 8 — Architecture de production et bonnes pratiques

• Architecture de référence : API Gateway → Lambda → Bedrock, DynamoDB pour le state, S3 pour les documents
• Monitoring CloudWatch : métriques d'invocation, latence, tokens, taux d'erreurs, alertes de coûts
• Journalisation des invocations Bedrock : prompts et complétions, rétention 30 jours recommandée
• Sécurité : IAM least privilege, VPC endpoints pour Bedrock, chiffrement at-rest et in-transit
• Haute disponibilité : endpoints globaux pour la résilience, fallback entre régions
• SDKs disponibles : Python, TypeScript, Go, Java, C#, PHP, Ruby — exemples comparés
• Atelier final : Concevoir et documenter une architecture Bedrock complète avec Guardrails, Knowledge Bases et monitoring

• Configurer l'accès aux modèles Claude sur Amazon Bedrock (formulaire FTU, IAM, régions)
• Maîtriser les trois méthodes d'appel : SDK Anthropic pour Bedrock, Boto3 InvokeModel et Converse API
• Implémenter le streaming, le tool use et l'extended thinking via Bedrock
• Déployer des Guardrails Bedrock pour le filtrage de contenu, la détection PII et la protection anti-jailbreak
• Construire un pipeline RAG avec Bedrock Knowledge Bases (S3, embedding, recherche vectorielle)
• Créer des agents autonomes avec Bedrock Agents intégrés à Lambda et Step Functions
• Optimiser les coûts : endpoints globaux vs régionaux, prompt caching, Batch API et choix de modèle

Développeurs cloud, architectes solutions AWS, DevOps et ingénieurs ML souhaitant déployer et exploiter Claude dans l'écosystème Amazon Web Services.