AWS · 2 novembre 2026 · Data & AI
Haiku 5.5 est disponible dans Kiro sur AWS GovCloud (US)
Haiku 5.5 rejoint les modèles disponibles dans l’IDE et la CLI Kiro sur AWS GovCloud (US). Il prend en charge notamment la synthèse de longs contextes, la classification de requêtes, le traitement de texte en volume et les modifications ciblées de fichiers. Le modèle propose cinq niveaux d’effort et une fenêtre de contexte de 1M, avec un multiplicateur de crédits de 0,06x, porté à 0,3x au-delà de 100K tokens.
Ce qui est annoncé
Les utilisateurs de Kiro dans les régions AWS GovCloud (US) peuvent désormais sélectionner Haiku 5.5 depuis l’IDE et la CLI. Cet ajout rend accessibles les trois modèles Claude 5.5 dans cet environnement. Pour faire apparaître le nouveau modèle dans le sélecteur, il faut mettre à jour l’IDE ou la CLI vers la dernière version, puis redémarrer l’outil. AWS présente Claude Haiku 5.5 comme le modèle le plus rapide de la famille Claude 5.5, destiné notamment aux traitements volumineux nécessitant des réponses rapides.
Les usages décrits couvrent la synthèse et la réduction de contextes longs, la classification et l’orientation de requêtes, le traitement de texte en volume ainsi que des modifications ciblées sur de nombreux fichiers. Haiku 5.5 peut aussi intervenir comme sous-agent de revue en parallèle, tandis que Opus 5.5 et Sonnet 5.5 prennent en charge des tâches de planification et de développement plus complexes. Le modèle propose cinq niveaux d’effort de raisonnement adaptatif, avec le niveau medium par défaut, et une fenêtre de contexte de 1M tokens. Le multiplicateur de crédits est de 0.06x, contre 0.3x pour les requêtes dépassant 100K tokens.
Ce que ça change pour les entreprises
Pour les équipes IT utilisant Kiro sur AWS GovCloud (US), cette disponibilité ouvre une possibilité supplémentaire de répartir les travaux entre modèles selon leur complexité. Les opérations répétitives ou les revues parallèles constituent des pistes à évaluer, sans présumer de leur pertinence pour tous les projets. La capacité à effectuer des changements sur plusieurs fichiers appelle notamment une validation adaptée des résultats.
Les DSI devront aussi distinguer capacité de contexte et consommation de crédits : une fenêtre étendue ne signifie pas un multiplicateur identique quelle que soit la taille de la requête. Le choix du niveau d’effort et le volume de contexte transmis sont donc des paramètres à examiner lors des essais, en complément de la qualité des réponses obtenues.
Comment UNEETY peut vous accompagner
Une ESN comme UNEETY peut accompagner le cadrage des usages, l’intégration aux pratiques de développement et la définition de contrôles de sécurité et de validation. L’accompagnement à l’adoption peut aider les équipes à choisir les tâches à expérimenter et à suivre leur consommation.
Découvrez notre offre Data & AI ou contactez-nous.
Source : annonce AWS du 2 novembre 2026.