Le 9 novembre 2026, AWS a annoncé que Amazon Bedrock Managed Knowledge Base proposait trois modes de récupération via AgenticRetrieveStream : renvoyer des passages sans réponse générée, effectuer une recherche puis produire une réponse, ou conserver une récupération agéntique en plusieurs étapes. L’application choisit le mode pour chaque requête avec le paramètre maxAgentIteration (annonce d’AWS).

Choisissez le mode selon le travail demandé : renvoyez les passages seuls si l’application doit les traiter, générez directement une réponse pour une question ciblée et gardez la recherche en plusieurs étapes pour les questions complexes.

Ce que règle maxAgentIteration

La génération augmentée par récupération, ou RAG, associe des passages retrouvés dans une base de connaissances à une réponse produite par un modèle. Ici, la valeur de maxAgentIteration détermine si Bedrock s’arrête après la récupération, génère aussitôt une réponse ou mène une recherche en plusieurs étapes.

ModemaxAgentIterationTravail effectuéQuand le choisir
Récupération seule0Une récupération de passages, sans appel à un modèle fondationnel ni réponse générée. generateResponse doit être réglé sur false.Quand l’application doit afficher les passages ou les traiter elle-même.
RAG en une passe1Une récupération, puis une réponse générée, sans étape de planification.Pour une question directe à laquelle une recherche devrait suffire.
Récupération agéntique2–5Le modèle peut décomposer la question, lancer des recherches successives et évaluer les éléments trouvés avant de produire sa réponse.Pour les questions complexes ou qui nécessitent de croiser plusieurs documents.

Avec la valeur 0, activer generateResponse provoque une erreur 4xx. À 1, Bedrock effectue la récupération puis génère la réponse sans planification. Les valeurs de 2 à 5 conservent le mode agéntique : avec la génération activée, l’appel final sert à produire la réponse et le système peut effectuer jusqu’à n − 1 étapes de planification. Une itération correspond à un appel au modèle fondationnel ; la récupération spéculative initiale, avant la planification, ne compte pas dans la limite. AWS précise ces règles dans son annonce.

Une seule passe signifie une récupération, et non une seule base de connaissances : les trois modes peuvent interroger plusieurs bases. Le choix ne se fait pas automatiquement selon la complexité de la question ; l’application sélectionne le mode pour chaque requête.

Ce que l’API renvoie et ce qu’exige son intégration

AgenticRetrieveStream renvoie les résultats sous forme de flux. En récupération seule, les passages arrivent dans l’événement result. AWS indique que cette sortie ne comporte pas les champs score et location de l’opération Retrieve. Lorsqu’une réponse est générée, le résultat peut inclure des citations reliant des passages de la réponse aux éléments récupérés. La référence de l’API précise également les événements et les champs de requête.

Une requête doit notamment contenir agenticRetrieveConfiguration, au moins un élément messages et au moins un élément retrievers. Le guide d’AWS décrit la récupération agéntique avec des bases de connaissances Bedrock entièrement gérées et jusqu’à cinq retrievers par requête. Il énumère aussi, dans son exemple d’autorisations, les actions IAM bedrock:AgenticRetrieveStream, bedrock:Retrieve, bedrock:GetDocumentContent et bedrock:InvokeModelWithResponseStream (guide d’AWS).

Comment comparer les modes dans une application

AWS recommande de tester des questions représentatives et leurs réponses attendues sur la même base de connaissances. L’évaluation peut comparer la latence et le coût par requête, puis vérifier si les réponses sont correctes et étayées par les passages récupérés. Elle gagne à inclure des questions qui exigent plusieurs documents, ainsi que des questions auxquelles la base ne permet pas de répondre.

AWS présente le mode en une passe comme susceptible de réduire la latence et l’utilisation de modèles par rapport à la récupération agéntique, sans donner de résultats chiffrés. L’effet dépend donc du travail demandé par l’application ; les essais doivent mesurer les requêtes représentatives de son usage. AWS décrit aussi un assistant bancaire dans son exemple, à titre d’illustration.