Une entreprise migre une application de génération augmentée par récupération (Retrieval-Augmented Generation) vers AWS. Les documents ont déjà été déplacés dans un compartiment S3. L'application nécessite une recherche textuelle sémantique sur ces fichiers. Quelle solution AWS répond à cette exigence ?

Amazon Kendra est un service de recherche intelligent qui utilise le machine learning pour fournir une recherche sémantique très précise sur une variété de sources de données, y compris les documents stockés dans S3. Son connecteur S3 permet une ingestion facile des documents, et il est conçu spécifiquement pour la recherche sémantique, ce qui en fait la solution la plus directe et efficace pour cette exigence. Les autres options sont moins adaptées : L'exécution d'un job AWS Batch pour calculer les embeddings et les stocker dans AWS Glue, puis les interroger avec SQL, est une approche plus complexe et manuelle qui nécessiterait la construction d'une solution de recherche sémantique personnalisée, alors que Kendra offre cette fonctionnalité prête à l'emploi. L'utilisation d'un notebook Amazon SageMaker pour générer des embeddings et les stocker dans SageMaker Feature Store, puis les interroger avec SQL, est également une approche personnalisée qui demande plus d'efforts de développement et de maintenance que Kendra. Amazon Textract est un service d'extraction de texte et de données à partir de documents, pas un service de recherche sémantique. Il peut être utilisé en amont pour préparer les documents, mais ne fournit pas la capacité de recherche sémantique elle-même.