L’histoire commence souvent de la même manière.

Une équipe teste un chatbot interne. Une autre développe un outil de résumé de documents. Un produit ajoute une fonctionnalité d’assistant IA pour ses utilisateurs. Chaque projet paraît raisonnable, presque anodin.

Puis la facture arrive.

L’usage s’est multiplié. Plusieurs équipes utilisent Bedrock, parfois dans différents environnements. Et soudain, quelqu’un en finance pose la question évidente : d’où viennent exactement ces coûts ?

Jusqu’à récemment, Amazon Bedrock ne facilitait pas vraiment la réponse.

Quand les coûts GenAI deviennent un angle mort

Avant l’arrivée de la Projects API, toutes les requêtes d’inférence Bedrock d’un même compte AWS apparaissent comme un seul bloc dans Cost Explorer.

D’un point de vue financier, tout était mélangé. Les coûts générés par un prototype interne ressemblaient à ceux d’une application en production. Attribuer les dépenses à une équipe, un produit ou un environnement demandait souvent des mécanismes de suivi supplémentaires ou une instrumentation maison.

Pour les organisations qui essaient d’appliquer des pratiques FinOps à l’IA, cela créait un angle mort de plus en plus problématique. L’adoption de l’IA générative progressait rapidement, mais la visibilité financière nécessaire pour piloter ces dépenses ne suivait pas.

Un changement structurel dans Bedrock

AWS a récemment introduit la Projects API dans Amazon Bedrock, qui permet d’organiser les workloads GenAI sous forme de projets logiques.

Chaque projet peut avoir ses propres permissions IAM ainsi que des tags de cost allocation. Concrètement, cela permet de structurer les usages de l’IA autour des équipes, des produits ou des environnements.

Au lieu d’un seul poste de dépense indistinct dans Bedrock, les workloads peuvent désormais être séparés et rattachés à des initiatives précises.

Pour les équipes FinOps, ce changement est loin d’être anodin. Il devient enfin possible de relier les dépenses d’IA aux équipes et aux applications qui les génèrent.

Pourquoi c’est important maintenant

L’IA générative est en train de devenir l’un des postes de croissance les plus rapides dans les dépenses cloud. Les appels aux modèles, les tests de prompts et les déploiements en production peuvent générer beaucoup d’usage en très peu de temps.

Sans visibilité claire, il devient difficile de répondre à des questions pourtant simples : quelles équipes consomment le plus ? Certains modèles premium sont-ils utilisés alors qu’un modèle plus léger suffirait ? Quels projets IA apportent réellement de la valeur ?

L’isolation par projet permet de replacer ces workloads dans un cadre de gouvernance financière comparable à celui du reste du cloud.

Ce qui se cache derrière cette évolution

Sous le capot, les projets Bedrock s’appuient sur Mantle, un moteur qui expose des API compatibles OpenAI, notamment les Responses API et Chat Completions API.

Pour les équipes qui utilisent déjà des intégrations de type OpenAI, la transition vers Bedrock peut donc être relativement simple, tout en offrant un meilleur contrôle sur les coûts et les permissions.

Une analyse plus approfondie sur le blog Stable

L’introduction des projets Bedrock marque une étape importante pour rendre les dépenses d’IA générative plus lisibles et plus faciles à piloter.

L’équipe Stable a publié une analyse technique plus détaillée de cette évolution et de ses implications pour l’attribution des coûts et la gestion des workloads IA.

Vous pouvez lire l’article complet ici : https://www.stableapp.cloud/fr/blogue/amazon-bedrock-projects-api-attribuez-enfin-les-couts-genai-par-equipe-et-par-projet/