Amazon SageMaker est une plateforme d'apprentissage automatique basée sur le cloud, proposée par Amazon Web Services, qui permet aux développeurs de créer, d'entraîner et de déployer des modèles d'apprentissage automatique. Lancée en novembre 2017 lors de la conférence AWS re:Invent, la plateforme prend en charge une gamme de niveaux d'abstraction, allant des modèles pré-entraînés aux algorithmes personnalisés, et peut déployer des modèles sur des systèmes embarqués et des appareils périphériques. SageMaker s'intègre à d'autres services AWS, offrant un environnement complet pour les flux de travail d'apprentissage automatique.
La plateforme est conçue pour simplifier le cycle de vie de l'apprentissage automatique, en offrant une infrastructure gérée, des algorithmes intégrés et des interfaces pour le développement interactif. Elle a évolué avec des fonctionnalités telles que la mise à l'échelle automatique, l'apprentissage par renforcement et le déploiement de modèles sur des appareils périphériques, ce qui en fait un outil polyvalent pour les praticiens novices comme expérimentés.
Capacités
SageMaker fonctionne à plusieurs niveaux d'abstraction. Au niveau le plus élevé, il fournit des modèles d'apprentissage automatique pré-entraînés qui peuvent être déployés tels quels, réduisant ainsi le besoin d'entraînement personnalisé. Il propose également des algorithmes d'apprentissage automatique intégrés que les développeurs peuvent entraîner sur leurs propres données, couvrant des tâches courantes comme la classification, la régression et le clustering. Pour des besoins plus spécialisés, la plateforme propose des instances gérées de TensorFlow et Apache MXNet, permettant aux développeurs de créer des algorithmes personnalisés à partir de zéro.
L'intégration avec d'autres services AWS est un point fort clé. Les développeurs peuvent connecter les modèles SageMaker à Amazon DynamoDB pour le stockage de données structurées, AWS Batch pour le traitement par lots hors ligne, ou Amazon Kinesis pour le traitement de données en temps réel. Cette intégration permet de créer des pipelines de bout en bout, de l'ingestion de données au déploiement de modèles.
Interfaces de développement
SageMaker fournit plusieurs interfaces d'interaction. Une API web permet le contrôle à distance des instances de serveur SageMaker, et Amazon propose des liaisons API pour des langages tels que Python, JavaScript, Ruby, Java et Go. Le SDK Python SageMaker est accessible via le canal conda-forge d'Anaconda, et des instances gérées de Jupyter Notebook prennent en charge la programmation interactive. En décembre 2025, de nouvelles capacités de personnalisation sans serveur ont été annoncées, permettant l'interaction avec des modèles d'IA comme Amazon Nova, Llama, Qwen, DeepSeek et GPT-OSS.
Historique et fonctionnalités
SageMaker a été lancé le 29 novembre 2017 lors d'AWS re:Invent. Les étapes clés incluent :
- 27 février 2018 : Prise en charge de l'entraînement et de l'inférence de réseaux neuronaux profonds gérés avec TensorFlow et MXNet.
- 28 février 2018 : Mise à l'échelle automatique de l'inférence de modèles sur plusieurs instances de serveur.
- 13 juillet 2018 : Prise en charge de l'entraînement de réseaux neuronaux récurrents, word2vec, apprenant linéaire multiclasse et entraînement distribué dans Chainer avec LARS.
- 17 juillet 2018 : AWS Batch Transform pour l'inférence non temps réel à haut débit.
- 8 novembre 2018 : Entraînement et inférence de plongements de mots Object2Vec.
- 27 novembre 2018 : SageMaker Ground Truth pour l'étiquetage de données à l'aide d'annotateurs humains via Mechanical Turk, de fournisseurs tiers ou d'employés.
- 28 novembre 2018 : SageMaker Reinforcement Learning pour développer des modèles d'apprentissage par renforcement à grande échelle, et SageMaker Neo pour déployer des modèles sur des appareils périphériques comme les smartphones et les caméras intelligentes.
- 29 novembre 2018 : AWS Marketplace pour SageMaker, permettant aux développeurs tiers d'acheter et de vendre des modèles d'apprentissage automatique.
- 27 janvier 2019 : SageMaker Neo publié en tant que logiciel open source.
Ces fonctionnalités ont élargi l'utilité de SageMaker, en faisant un outil central dans les offres d'IA d'AWS.
Intégration avec l'écosystème AWS
SageMaker fait partie d'une pile d'IA AWS plus large, qui comprend des services comme Amazon Lex, Amazon Polly et Amazon Rekognition. Il est également lié à AWS Trainium, le silicium personnalisé d'AWS pour l'entraînement d'apprentissage automatique, qui peut être utilisé dans SageMaker pour un entraînement rentable. L'intégration de la plateforme avec d'autres services AWS permet aux développeurs de créer des applications d'apprentissage automatique complexes qui exploitent toute la puissance du cloud.