AWS Step Functions transforme vos workflows existants en outils pour agents IA

29 octobre 2026. AWS annonce que les workflows Step Functions peuvent désormais être appelés comme outils par des agents IA, via le gateway AgentCore d’Amazon Bedrock. 29 octobre 2026. La mécanique est explicite : l’agent décide quand déclencher un workflow et quel paramètre passer ; Step Functions exécute chaque étape exactement comme vous l’avez définie. 29 octobre 2026. Vos workflows Standard et Express existants deviennent des cibles de connecteur, sans réécriture. Pourquoi c’est important : le workflow déterministe redevient le garde-fou sous le modèle, et l’IA agentique gagne une couche de gouvernance qu’elle n’avait pas.

Pour une équipe qui a déjà des années de logique métier encodée dans des workflows Step Functions, ce n’est pas une nouveauté gadget. C’est la réponse à une question précise : comment laisser un agent agir sans lui confier l’ordre des opérations.

La division du travail : le modèle propose, le workflow dispose

Le principe tient en une phrase, répétée dans l’annonce : « l’agent décide quand exécuter un workflow et quelle entrée passer ; Step Functions exécute chaque étape exactement comme vous l’avez définie ». C’est une division du travail nette entre deux natures opposées.

L’agent — un LLM — est bon pour comprendre une demande et choisir l’action pertinente. Il est mauvais pour garantir qu’un enchaînement de dix étapes se déroule toujours dans le même ordre, avec les mêmes contrôles. Le workflow Step Functions est l’inverse : il est déterministe, idempotent quand on le conçoit ainsi, et il orchestre déjà plus de 220 services AWS. L’annonce assemble les deux : le modèle garde le jugement, le workflow garde l’exécution.

Concrètement, un agent de support client peut déclencher votre workflow de remboursement : Step Functions exécute la vérification d’éligibilité, l’approbation du manager et l’écriture du crédit — dans cet ordre, à chaque fois — parce que cet ordre n’a jamais été laissé à l’improvisation du modèle.

Ce qui change techniquement : MCP, connecteurs et lecture des exécutions

Sous le capot, l’intégration passe par le gateway AgentCore de Bedrock, qui relie les agents à leurs outils via le Model Context Protocol (MCP). Vos workflows Standard et Express existants sont éligibles comme cibles de connecteur : rien à réécrire, il suffit de les décrire.

Le détail le plus intéressant n’est pas l’appel lui-même, mais la lecture des exécutions. Un agent peut interroger l’historique des runs : un agent d’opérations peut ainsi dire à l’ingénieur d’astreinte quel run de commande a échoué cette nuit et à quelle étape, le renvoyant directement sur le pas qui a cassé. L’agent ne se contente pas de déclencher — il rend compte en s’appuyant sur une trace d’exécution que le workflow a produite de toute façon.

La disponibilité suit celle du gateway AgentCore ; la facturation reste aux tarifs standard de Step Functions et d’AgentCore, sans surcoût dédié.

Pourquoi c’est une décision d’architecture, pas une fonctionnalité

La valeur de l’annonce ne tient pas à la nouveauté du geste — appeler une API depuis un agent se fait depuis des mois. Elle tient à ce que l’on confie, ou non, au modèle. Un agent qui invoque une API brute exécute une opération unique. Un agent qui invoque un workflow déclenche un enchaînement déjà approuvé, déjà testé, déjà audité par vos équipes.

Deux exemples publiés la même semaine illustrent l’échelle. MoEngage a transformé environ 400 opérations REST internes en outils via AgentCore Gateway, en économisant six mois d’ingénierie selon l’entreprise — avec une leçon précise : un listing complet d’outils dépassait 20 000 tokens par connexion, si bien que les agents cherchent l’outil en décrivant la tâche au lieu de recevoir le catalogue. Nubank, de son côté, raconte avoir fait passer un cycle de test de 4 h 30 à environ 40 minutes en confiant la collecte de preuves à l’agent DevOps d’AWS.

Le point commun : dans les deux cas, l’agent ne remplace pas le processus — il le pilote, pendant que la logique vérifiée reste là où elle a toujours vécu.

Ce qu’il faut en faire

La bonne manière de lire l’annonce est de commencer par votre inventaire de workflows. Vous n’avez pas besoin d’un agent pour en tirer parti : il faut d’abord identifier les workflows Standard et Express qui encodent une logique métier sensible — approbations, remboursements, provisioning, reprises d’incident — puis les documenter comme outils.

# Lister les machines à états existantes (la matière première de l'intégration)
aws stepfunctions list-state-machines --query 'stateMachines[].name'

Ensuite seulement, branchez l’agent. L’intérêt du connecteur Step Functions est qu’il hérite de tout ce que le workflow apporte déjà : la traçabilité d’X-Ray, les retries, les timeouts, la gestion des erreurs. L’agent n’a pas à réinventer ces filets — il les traverse.

Verdict

L’intégration de Step Functions au gateway AgentCore de Bedrock n’est pas une démo d’agent autonome de plus. C’est un levier de gouvernance : elle rend l’IA agentique adossable à de la logique déterministe, testée et auditable, sans réécriture.

Si vous avez déjà des workflows Step Functions qui encodent des processus réglementés ou financiers, branchez-les comme outils avant de laisser un agent improviser — le workflow garantit l’ordre, l’agent apporte le jugement, et l’audit reste là où il a toujours été. Si vous partez de zéro, ne codez pas d’agent d’abord : encodez d’abord vos processus en workflows, car c’est eux qui feront la différence entre un agent qui suggère et un agent sur lequel on peut s’appuyer. Le piège n’est pas la capacité du modèle — c’est de croire que la gouvernance se règle après coup.

Références

• AWS — Step Functions workflows now available as AI agent tools (29 octobre 2026)
• AWS — Weekly Roundup: GPT-6.1 Terra on Bedrock, Step Functions as agent tools (2 novembre 2026)
• AWS — Step Functions connector targets, AgentCore Gateway documentation
• AWS — How MoEngage turned over 400 APIs into agent tools with AgentCore Gateway
• AWS — How Nubank automated disaster recovery with the AWS DevOps Agent