Amazon Web Services veut décharger les équipes de la corvée matérielle de l'entraînement sur mesure, sans pour autant leur imposer la méthode. Le 22 octobre, le groupe a ouvert à tous les training sessions d'Amazon SageMaker AI, une extension du service de personnalisation de modèles sans serveur lancé en décembre 2025. Les développeurs peuvent désormais écrire leur propre logique de post-entraînement, de l'ajustement fin classique à l'apprentissage par renforcement expérimental, tandis qu'AWS approvisionne et exploite les GPU en coulisses.
Jusqu'ici, l'offre sans serveur de SageMaker fonctionnait comme une carte de restaurant. Le client choisissait un modèle et une technique, par exemple l'ajustement supervisé, l'optimisation directe des préférences ou l'une des méthodes d'apprentissage par renforcement, et AWS s'occupait du reste. Les training sessions ouvrent la boucle elle-même. Le développeur démarre une session avec état et pilote chaque étape par des appels d'API, au moyen d'opérations baptisées forward_backward(), optim_step() et sample(). Le modèle reste chargé en mémoire GPU d'un appel à l'autre, et AWS gère l'allocation du matériel, le chargement des poids du modèle et des adaptateurs LoRA, la répartition des calculs, la reprise après incident et le stockage des points de contrôle.
Ce partage des rôles compte surtout pour les agents. Le billet de lancement d'AWS détaille la méthode Group Relative Policy Optimization : le modèle propose plusieurs réponses à une même requête, le code du client les note et ces scores guident la mise à jour suivante. La fonction de récompense et les connexions aux outils ou simulateurs tournent dans l'environnement du client, ce qui permet d'entraîner un agent sur des tâches en plusieurs étapes face à de vrais systèmes. La facturation suit les tokens traités par SageMaker ; selon AWS, le compteur s'arrête pendant l'évaluation d'un lot et aucune capacité n'est à réserver.
Au lancement, le service prend en charge gpt-oss-20b, gemma-4-31B-it, Qwen3.6-27B et Qwen3.8-27B dans les régions US East (N. Virginia), US West (Oregon) et Asia Pacific (Mumbai). En épluchant la documentation, VentureBeat a constaté que tous les modèles ne sont pas proposés partout et que le quota par défaut autorise deux sessions simultanées. AWS publie aussi un recueil de recettes SFT et d'apprentissage par renforcement prêtes à l'emploi, ainsi que des skills permettant à des assistants de code comme Kiro, Claude Code, Codex ou GitHub Copilot de piloter la préparation des données, l'entraînement et l'évaluation.
L'annonce cite deux premiers clients. ImagineSoftware s'en est servi pour bâtir un modèle d'apprentissage par renforcement qui trie les refus de remboursement de soins, et Karini AI a ajusté gpt-oss-20b pour des appels d'outils en plusieurs tours sur un graphe de connaissances Amazon Neptune. Tous deux saluent le contrôle offert et la configuration allégée, sans avancer de chiffres de précision, de coût ou de rapidité. Les sessions s'exécutent sous un rôle IAM créé par le client, peuvent utiliser ses propres clés KMS et un réseau privé, et conservent données et points de contrôle dans ses compartiments S3. AWS assure ne pas réutiliser ces données ni les poids obtenus pour entraîner d'autres modèles.
Avec ce lancement, AWS investit un créneau ouvert d'abord par des acteurs plus modestes. VentureBeat cite Tinker, de Thinking Machines Lab, comme un service très proche qui sépare lui aussi la logique d'entraînement de la gestion des GPU et facture séparément l'entrée, l'échantillonnage et l'entraînement. L'argument d'AWS tient à l'intégration avec les contrôles d'identité, de chiffrement et de stockage que les entreprises utilisent déjà sur son cloud.
Plusieurs questions pratiques restent ouvertes. Le billet de lancement ne donne ni tarifs en dollars ni exemple de facture et renvoie à la page des prix : impossible de savoir pour l'instant si la facturation au token l'emporte sur la location d'instances dédiées pour une charge donnée. Et, comme le souligne VentureBeat, écrire la boucle revient aussi à confier au client la responsabilité de décider ce que le modèle doit apprendre et comment l'évaluer.