Toutes les actualités

AWS · 17 novembre 2026 · Data & AI

Amazon EMR Serverless propose un agent d’optimisation Apache Spark

Amazon EMR Serverless propose un agent qui analyse les exécutions terminées de traitements Spark et recommande des changements de configuration selon un objectif de coût ou de performance. Ses recommandations reposent sur un moteur déterministe et s’accompagnent de données de télémétrie et d’explications. L’agent est accessible depuis la console EMR Serverless ou via SageMaker Unified Studio MCP Server.

Ce qui est annoncé

AWS annonce Apache Spark Optimization Agent pour Amazon EMR Serverless. Cet agent examine les exécutions terminées de traitements Spark et fournit en quelques secondes des recommandations de configuration selon un objectif de coût ou de performance. Chaque proposition s’accompagne d’éléments de télémétrie et d’une explication en langage courant. L’analyse peut porter sur une exécution isolée ou sur une comparaison avec une exécution de référence. L’accès se fait depuis la console EMR Serverless ou via SageMaker Unified Studio MCP Server.

Les recommandations proviennent d’un moteur déterministe qui croise configuration, journaux et télémétrie Spark. Il recherche notamment un parallélisme insuffisant, des clés de jointure déséquilibrées, une pression mémoire ou des ressources sous-utilisées. Les suggestions sont classées selon leur périmètre : infrastructure, configuration Spark, code ou organisation des données. Le moteur examine aussi des bonnes pratiques, comme une version Spark plus récente ou des processeurs Graviton. L’agent est proposé sans supplément pour les versions EMR 7.6 et ultérieures, dans les régions où EMR Serverless est disponible, hors GovCloud (US) et régions de Chine. Les accès sont authentifiés avec AWS IAM et journalisés dans AWS CloudTrail.

Ce que ça change pour les entreprises

Pour les équipes IT, l’intérêt est de disposer de pistes argumentées pour orienter le réglage des traitements, plutôt que d’examiner séparément chaque source technique. La comparaison avec une référence peut aider à comprendre une variation de durée ou de coût. Lorsqu’un compromis existe entre ces deux critères, le moteur privilégie l’objectif choisi en maintenant la dégradation de l’autre dans des limites définies. Cela ne constitue toutefois pas une garantie de gains pour chaque traitement.

Les équipes d’ingénierie des données peuvent également utiliser l’agent pendant le développement, avant le passage en production. Les recommandations touchant des périmètres différents, leur évaluation peut nécessiter de distinguer les ajustements de ressources des modifications de code ou de données.

Comment UNEETY peut vous accompagner

Une ESN comme UNEETY peut accompagner le cadrage des objectifs d’optimisation, l’intégration de cet outil aux pratiques des équipes et la sécurisation des accès. Elle peut aussi aider à organiser l’évaluation des recommandations et leur adoption progressive.

Découvrez notre offre Data & AI ou contactez-nous.

Source : annonce AWS du 17 novembre 2026.

Au-delà de cette annonce, transformer les avancées de la donnée et de l'IA en projets adaptés à l'entreprise suppose de choisir un accompagnement spécialisé. UNEETY est une des meilleurs sociétés spécialisées dans l'IA.