Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Utilisation de la CLI Amazon Bedrock Data Automation
La fonctionnalité Amazon Bedrock Data Automation (BDA) fournit un flux de travail CLI rationalisé pour le traitement de vos données. Pour toutes les modalités, ce flux de travail comprend trois étapes principales : la création d’un projet, la création de plans pour une sortie personnalisée et le traitement de documents. Ce guide décrit les principales commandes CLI en cas d’utilisation de BDA.
## Création de votre premier projet d’automatisation des données
Pour commencer à utiliser BDA, créez d’abord un projet à l’aide de la commande `create-data-automation-project`.
Examinez cet exemple de passeport que nous allons traiter :
![\[alt text not found\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/bda/passport2.png)
Lorsque vous créez un projet, vous devez définir vos paramètres de configuration pour le type de fichier que vous souhaitez traiter. La commande suivante représente un exemple fonctionnel minimal de création d’un projet de traitement d’images :
```
aws bedrock-data-automation create-data-automation-project \
--project-name "ImageProcessingProject" \
--standard-output-configuration '{
"image": {
"extraction": {
"category": {
"state": "ENABLED",
"types": ["TEXT_DETECTION"]
},
"boundingBox": {
"state": "ENABLED"
}
},
"generativeField": {
"state": "ENABLED"
}
}
}'
```
La commande valide la configuration d’entrée et crée un projet avec un ARN unique. Une réponse inclurait l’ARN et la phase du projet :
```
{
"projectArn": "Amazon Resource Name (ARN)",
"projectStage": "DEVELOPMENT",
"status": "IN_PROGRESS"
}
```
Si un projet est créé sans paramètres, les paramètres par défaut s’appliquent. Par exemple, lors du traitement d’images, le résumé des images et la détection de texte sont activés par défaut.
## Référence complète des paramètres
Le tableau suivant montre l’ensemble des paramètres disponibles pour la commande `create-data-automation-project` :
**Paramètres pour create-data-automation-project**
| Paramètre | Obligatoire | Par défaut | Description |
| --- | --- | --- | --- |
| --project-name | Oui | N/A | Nom du projet d’automatisation des données |
| --project-type | Non | Le type de projet définit l'API de traitement d'exécution avec laquelle il peut être utilisé. ASYNCles projets ne peuvent être utilisés qu'avec l'invoke-bedrock-data-automation-asyncAPI, tandis que les SYNC projets ne peuvent être utilisés qu'avec l'invoke-bedrock-data-automationAPI. |
| --project-stage | Non | EN SERVICE | Phase du projet (DÉVELOPPEMENT ou EN SERVICE) |
| --standard-output-configuration | Oui | N/A | Configuration JSON pour le traitement de sortie standard |
| --custom-output-configuration | Non | N/A | Configuration JSON pour un traitement de sortie personnalisé |
| --encryption-configuration | Non | N/A | Paramètres de chiffrement pour le projet |
| --client-token | Non | Généré automatiquement | Identifiant unique pour l’idempotence de la demande |
## Création d’un plan
Après avoir créé un projet, vous pouvez créer un plan pour définir la structure de votre traitement de données à l’aide de la commande `create-blueprint`.
Voici un exemple fonctionnel minimal de création d’un plan adapté au traitement de passeports :
```
aws bedrock-data-automation create-blueprint \
--blueprint-name "passport-blueprint" \
--type "IMAGE" \
--blueprint-stage "DEVELOPMENT" \
--schema '{
"class": "Passport",
"description": "Blueprint for processing passport images",
"properties": {
"passport_number": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The passport identification number"
},
"full_name": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The full name of the passport holder"
}
}
}'
```
La commande crée un plan avec le schéma spécifié. Vous pouvez ensuite extraire des données structurées conformément au schéma que vous avez défini à l’aide de ce plan lors du traitement de documents.
## Utilisation de votre plan
### Ajout d’un plan à un projet
Ajoutez un plan à votre projet à l’aide de la commande `update-data-automation-project` :
```
aws bedrock-data-automation update-data-automation-project \
--project-arn "Amazon Resource Name (ARN)" \
--standard-output-configuration '{
"image": {
"extraction": {
"category": {
"state": "ENABLED",
"types": ["TEXT_DETECTION"]
},
"boundingBox": {
"state": "ENABLED"
}
},
"generativeField": {
"state": "ENABLED",
"types": ["IMAGE_SUMMARY"]
}
}
}' \
--custom-output-configuration '{
"blueprints": [
{
"blueprintArn": "Amazon Resource Name (ARN)",
"blueprintVersion": "1",
"blueprintStage": "LIVE"
}
]
}'
```
### Vérification de l’intégration du plan
Vous pouvez vérifier l’intégration du plan à l’aide de la commande `get-data-automation-project` :
```
aws bedrock-data-automation get-data-automation-project \
--project-arn "Amazon Resource Name (ARN)"
```
### Gestion de plusieurs plans
Affichez tous vos plans à l’aide de la commande `list-blueprints` :
```
aws bedrock-data-automation list-blueprints
```
## Traiter les documents de manière asynchrone
Avant de traiter des documents avec BDA, vous devez d'abord les télécharger dans un compartiment S3. Une fois le projet configuré, vous pouvez traiter les documents à l'aide de la commande : `invoke-data-automation-async`
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://my-bda-documents/invoices/invoice-123.pdf"
}' \
--output-configuration '{
"s3Uri": "s3://my-bda-documents/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
```
La commande renvoie un ARN d’invocation vous permettant de vérifier le statut du traitement :
```
{
"invocationArn": "Amazon Resource Name (ARN)"
}
```
## Vérification du statut de traitement
Pour vérifier le statut de votre tâche de traitement, utilisez la commande `get-data-automation-status` :
```
aws bedrock-data-automation-runtime get-data-automation-status \
--invocation-arn "Amazon Resource Name (ARN)"
```
La commande renvoie le statut actuel de la tâche de traitement :
```
{
"status": "COMPLETED",
"creationTime": "2025-07-09T12:34:56.789Z",
"lastModifiedTime": "2025-07-09T12:45:12.345Z",
"outputLocation": "s3://my-bda-documents/output/efgh5678/"
}
```
Voici les valeurs de statut possibles :
+ `IN_PROGRESS` : la tâche de traitement est en cours d’exécution.
+ `COMPLETED` : la tâche de traitement s’est terminée avec succès.
+ `FAILED` : la tâche de traitement a échoué. Consultez la réponse pour obtenir des informations détaillées sur l’erreur.
+ `STOPPED` : la tâche de traitement a été arrêtée manuellement.
## Récupération des résultats
Une fois le traitement terminé, vous pouvez répertorier les fichiers de sortie dans votre compartiment S3 :
```
aws s3 ls s3://my-bda-documents/output/efgh5678/
```
Pour télécharger les résultats sur votre ordinateur local :
```
aws s3 cp s3://my-bda-documents/output/efgh5678/ ~/Downloads/bda-results/ --recursive
```
La sortie inclut des données structurées basées sur la configuration de votre projet et les plans que vous avez appliqués.
## Traitez les documents de manière synchrone
Avant de traiter des documents avec BDA, vous devez d'abord les télécharger dans un compartiment S3. L'API de synchronisation prend en charge à la fois les entrées via le compartiment S3 ou les octets d'image (c'est-à-dire le traitement de documents sans S3). La commande renvoie des données structurées en fonction de la configuration de votre projet et des plans que vous avez appliqués :
```
aws bedrock-data-automation-runtime invoke-data-automation \
--input-configuration '{
"s3Uri": "s3://my-bda-documents/invoices/invoice-123.pdf"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
```
## Traiter les images de manière synchrone
La commande renvoie des données structurées en fonction de la configuration de votre projet et des plans que vous avez appliqués :
```
aws bedrock-data-automation-runtime invoke-data-automation \
--input-configuration '{
"s3Uri": "s3://my-bda-documents/invoices/advertisement_latest.jpeg"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
```
# Opérations de plan à l’aide de la CLI
Ce guide couvre les opérations Blueprint disponibles via l'interface de ligne de commande (CLI) AWS pour l'automatisation Amazon Bedrock des données (BDA).
## Création de plans
Les plans définissent la structure et les propriétés des données que vous souhaitez extraire de vos documents, images et fichiers audio ou vidéo. Définissez un nouveau plan à l’aide de la commande create-blueprint.
La commande suivante crée un plan conçu pour extraire les données d’une image de passeport.
**Syntaxe**
```
aws bedrock-data-automation create-blueprint \
--blueprint-name "passport-blueprint" \
--type "IMAGE" \
--blueprint-stage "DEVELOPMENT" \
--schema '{
"class": "Passport",
"description": "Blueprint for processing passport images",
"properties": {
"passport_number": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The passport identification number"
},
"full_name": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The full name of the passport holder"
},
"expiration_date": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The passport expiration date"
}
}
}'
```
## Référence complète des paramètres
Le tableau suivant montre l’ensemble des paramètres disponibles pour la commande `create-blueprint` :
**Paramètres pour create-blueprint**
| Paramètre | Obligatoire | Par défaut | Description |
| --- | --- | --- | --- |
| --blueprint-name | Oui | N/A | Nom du plan |
| --type | Oui | N/A | Type de contenu (IMAGE, DOCUMENT, FICHIER AUDIO, VIDÉO) |
| --blueprint-stage | Non | EN SERVICE | Phase du plan (DÉVELOPPEMENT ou EN SERVICE) |
| --schema | Oui | N/A | Schéma JSON définissant la structure du plan |
| --client-token | Non | Généré automatiquement | Identifiant unique pour l’idempotence de la demande |
## Affichage des configurations de plan
**Établissement de la liste de tous les plans**
Récupérez la liste de tous les plans associés à votre compte à l’aide de la commande list-blueprints.
**Syntaxe**
```
aws bedrock-data-automation list-blueprints
```
**Affichage des détails du plan**
Consultez des informations détaillées sur un plan spécifique, notamment son schéma et sa configuration, à l’aide de la commande get-blueprint.
**Syntaxe**
```
aws bedrock-data-automation get-blueprint \
--blueprint-arn "Amazon Resource Name (ARN)"
```
**Inspection d’une version spécifique**
Lorsque vous utilisez des plans versionnés, affichez une version particulière à l’aide de la commande get-blueprint avec l’option --blueprint-version.
**Syntaxe**
```
aws bedrock-data-automation get-blueprint \
--blueprint-arn "Amazon Resource Name (ARN)" \
--blueprint-version "version-number"
```
**Inspection d’une phase spécifique**
Affichez les plans en phase DÉVELOPPEMENT ou EN SERVICE à l’aide de :
```
aws bedrock-data-automation get-blueprint \
--blueprint-arn "Amazon Resource Name (ARN)" \
--blueprint-stage "LIVE"
```
## Modification des spécifications du plan
**Mise à jour des paramètres du plan**
Modifiez le schéma ou les propriétés d’un plan existant à l’aide de la commande update-blueprint.
**Syntaxe**
```
aws bedrock-data-automation update-blueprint \
--blueprint-arn "Amazon Resource Name (ARN)" \
--schema '{
"class": "Passport",
"description": "Updated blueprint for processing passport images",
"properties": {
"passport_number": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The passport identification number"
},
"full_name": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The full name of the passport holder"
},
"expiration_date": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The passport expiration date"
}
}
}'
```
**Remarque :** lorsque vous mettez à jour un plan, vous devez fournir le schéma complet, même pour les champs que vous ne modifiez pas.
**Promotion vers EN SERVICE**
Déplacez un plan de la phase DÉVELOPPEMENT vers la phase EN SERVICE à des fins de production à l’aide de la commande update-blueprint avec l’option --blueprint-stage.
**Syntaxe**
```
aws bedrock-data-automation update-blueprint \
--blueprint-arn "Amazon Resource Name (ARN)" \
--blueprint-stage "LIVE"
```
**Gestion des versions du plan**
Créez une nouvelle version de votre plan afin de conserver son état actuel avant d'apporter des modifications importantes à l'aide de la create-blueprint-version commande.
**Syntaxe**
```
aws bedrock-data-automation create-blueprint-version \
--blueprint-arn "Amazon Resource Name (ARN)"
```
## Gestion des balises de plan
Les balises aident les utilisateurs à organiser et classer les plans pour une gestion simplifiée.
**Ajout de balises**
Appliquez des métadonnées à votre plan en ajoutant des balises.
**Syntaxe**
```
aws bedrock-data-automation tag-resource \
--resource-arn "Amazon Resource Name (ARN)" \
--tags '{"Department":"Finance","Project":"PassportProcessing"}'
```
**Suppression de balises**
Supprimez des balises spécifiques de votre plan à l’aide de la commande untag-resource.
**Syntaxe**
```
aws bedrock-data-automation untag-resource \
--resource-arn "Amazon Resource Name (ARN)" \
--tag-keys '["Department","Project"]'
```
**Affichage des balises**
Répertoriez toutes les balises associées à votre plan à l'aide de la list-tags-for-resource commande.
**Syntaxe**
```
aws bedrock-data-automation list-tags-for-resource \
--resource-arn "Amazon Resource Name (ARN)"
```
## Suppression de plans
**Suppression de l’intégralité d’un plan**
Supprimez définitivement un plan et toutes ses versions à l’aide de la commande delete-blueprint.
**Syntaxe**
```
aws bedrock-data-automation delete-blueprint \
--blueprint-arn "Amazon Resource Name (ARN)"
```
**Attention :** cette commande supprime définitivement un plan et ne peut pas le récupérer.
**Important :** vous ne pouvez pas supprimer un plan actuellement utilisé par un projet. Avant de supprimer un plan, assurez-vous qu’il n’est pas référencé dans la configuration de sortie personnalisée d’un projet.
## Optimisation du plan
### Invoquer l'optimisation du plan
Lancez une tâche d'optimisation de plan asynchrone pour améliorer les instructions du plan pour chacun de vos champs de plan et la précision des résultats.
**Syntaxe**
```
aws bedrock-data-automation invoke-blueprint-optimization-async \
--blueprint blueprintArn="arn:aws:bedrock:::blueprint/",stage="DEVELOPMENT" \
--samples '[
{
"assetS3Object": {
"s3Uri": "s3://my-optimization-bucket/samples/document1.pdf"
},
"groundTruthS3Object": {
"s3Uri": "s3://my-optimization-bucket/ground-truth/document1-expected.json"
}
}
]' \
--output-configuration s3Object='{s3Uri="s3://my-optimization-bucket/results/optimization-output"}' \
--data-automation-profile-arn "Amazon Resource Name (ARN):data-automation-profile/default"
```
### Vérification de l'état d'optimisation du plan
Surveillez la progression et les résultats d'une tâche d'optimisation du plan.
**Syntaxe**
```
aws bedrock-data-automation get-blueprint-optimization-status \
--invocation-arn "arn:aws:bedrock:::blueprint-optimization-invocation/opt-12345abcdef"
```
Utilisez cette commande pour suivre l'état de la tâche d'optimisation. La réponse inclut l'état actuel (Créé InProgress ServiceError, Succès ou ClientError) et les détails de la configuration de sortie une fois terminée.
### Copier les étapes du plan
Copier un plan d'une étape à l'autre
**Syntaxe**
```
aws bedrock-data-automation copy-blueprint-stage \
--blueprint-arn "arn:aws:bedrock:::blueprint/" \
--source-stage "DEVELOPMENT" \
--target-stage "LIVE"
```
**Attention :** Cette commande copie l'intégralité de la configuration du Blueprint de la phase source vers la phase cible, en remplaçant toute configuration existante dans la phase cible.
**Important :** Assurez-vous que le plan est soigneusement testé au stade source avant de le copier vers l'étape de production (LIVE). Cette opération ne peut pas être facilement annulée.
# Traitement au moyen de la CLI
Avant de traiter des documents avec BDA, vous devez d’abord les charger dans un compartiment S3 :
**Syntaxe**
```
aws s3 cp [--options]
```
Exemple :
```
aws s3 cp /local/path/document.pdf s3://my-bda-bucket/input/document.pdf
```
------
#### [ Async ]
**Structure de commande de traitement de base**
Traitez les fichiers à l’aide de la commande `invoke-data-automation-async` :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://amzn-s3-demo-bucket/sample-images/sample-image.jpg"
}' \
--output-configuration '{
"s3Uri": "s3://amzn-s3-demo-bucket/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
```
**Structure de commande de traitement avancée**
**Traitement vidéo avec segments temporels**
Pour les fichiers vidéo, vous pouvez spécifier les segments temporels à traiter :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://my-bucket/video.mp4",
"assetProcessingConfiguration": {
"video": {
"segmentConfiguration": {
"timestampSegment": {
"startTimeMillis": 0,
"endTimeMillis": 300000
}
}
}
}
}' \
--output-configuration '{
"s3Uri": "s3://my-bucket/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
```
**Utilisation de plans personnalisés**
Vous pouvez spécifier des plans personnalisés directement dans la commande :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://my-bucket/document.pdf"
}' \
--output-configuration '{
"s3Uri": "s3://my-bucket/output/"
}' \
--blueprints '[
{
"blueprintArn": "Amazon Resource Name (ARN)",
"version": "1",
"stage": "LIVE"
}
]' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
```
**Ajout d’une configuration de chiffrement**
Pour renforcer la sécurité, vous pouvez ajouter une configuration de chiffrement :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://my-bucket/document.pdf"
}' \
--output-configuration '{
"s3Uri": "s3://my-bucket/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--encryption-configuration '{
"kmsKeyId": "Amazon Resource Name (ARN)",
"kmsEncryptionContext": {
"Department": "Finance",
"Project": "DocumentProcessing"
}
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
```
**Notifications d’événements**
Activez EventBridge les notifications pour la fin du traitement :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://my-bucket/document.pdf"
}' \
--output-configuration '{
"s3Uri": "s3://my-bucket/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--notification-configuration '{
"eventBridgeConfiguration": {
"eventBridgeEnabled": true
}
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
```
**Vérification de l'état du traitement**
Vérifiez le statut de votre tâche de traitement à l’aide de la commande `get-data-automation-status` :
```
aws bedrock-data-automation-runtime get-data-automation-status \
--invocation-arn "Amazon Resource Name (ARN)"
```
La réponse inclut le statut actuel :
```
{
"status": "COMPLETED",
"creationTime": "2025-07-24T12:34:56.789Z",
"lastModifiedTime": "2025-07-24T12:45:12.345Z",
"outputLocation": "s3://my-bucket/output/abcd1234/"
}
```
**Récupérez les résultats du traitement**
**Localisation des fichiers de sortie dans S3**
Répertoriez les fichiers de sortie de votre compartiment S3 :
```
aws s3 ls s3://amzn-s3-demo-bucket/output/
```
Téléchargez les résultats sur votre ordinateur local :
```
aws s3 cp s3://amzn-s3-demo-bucket/output/ ~/Downloads/bda-results/ --recursive
```
**Présentation de la structure de sortie**
La sortie inclut généralement les éléments suivants :
+ `standard-output.json` : contient les résultats d’extraction standard
+ `custom-output.json` : contient les résultats de plans personnalisés
+ `metadata.json` : contient des métadonnées de traitement et des scores de confiance
**Champs de réponse courants**
La sortie standard inclut généralement les éléments suivants :
+ `extractedData` : principales informations extraites
+ `confidence` : scores de confiance pour chaque champ extrait
+ `metadata` : informations de traitement, y compris les horodatages et les détails du modèle
+ `boundingBoxes` : informations de localisation pour les éléments détectés (en cas d’activation)
**Gestion des erreurs et résolution des problèmes**
Scénarios d’erreur courants et solutions :
+ **URI S3 non valide** : assurez-vous que votre compartiment S3 existe et que vous disposez des autorisations appropriées.
+ ** data-automation-profile-arnManquant** : ce paramètre est obligatoire pour toutes les demandes de traitement
+ **Projet introuvable** : vérifiez que l’ARN de votre projet est correct et que le projet existe.
+ **Format de fichier non pris en charge** : vérifiez que votre format de fichier est pris en charge par BDA.
**Ajout de balises aux tâches de traitement**
Vous pouvez ajouter des balises pour vous aider à organiser et suivre vos tâches de traitement :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://my-bucket/document.pdf"
}' \
--output-configuration '{
"s3Uri": "s3://my-bucket/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--tags '[
{
"key": "Department",
"value": "Finance"
},
{
"key": "Project",
"value": "InvoiceProcessing"
}
]' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
```
------
#### [ Sync ]
**Structure de commande de traitement de base**
Traitez les fichiers à l’aide de la commande `invoke-data-automation` :
```
aws bedrock-data-automation-runtime invoke-data-automation \
--input-configuration '{
"s3Uri": "s3://amzn-s3-demo-bucket/sample-images/sample-image.jpg"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
--region "aws-region"
```
**Structure de commande de traitement avancée**
Sortie vers le compartiment S3
```
aws bedrock-data-automation-runtime invoke-data-automation \
--input-configuration '{
"s3Uri": "s3://amzn-s3-demo-bucket/sample-images/sample-image.jpg"
}' \
--output-configuration '{"s3Uri": "s3://amzn-s3-demo-bucket/output/" }' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
--region "aws-region" //document only
```
Utiliser la saisie d'octets
```
aws bedrock-data-automation-runtime invoke-data-automation \
--input-configuration '{
"bytes": #blob input
}' \
--output-configuration '{"s3Uri": "s3://amzn-s3-demo-bucket/output/" }' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
--region "aws-region"
```
**Note**
**Octets**
Blob d'octets de document codés en base64. La taille maximale d'un document fourni dans un blob d'octets est de 50 Mo. Le type doit être un objet de données binaires codé en Base64.
**Utiliser des plans personnalisés (uniquement pour l'image)**
```
aws bedrock-data-automation-runtime invoke-data-automation \
--input-configuration '{
"s3Uri": "s3://amzn-s3-demo-bucket/sample-images/sample-image.jpg"
}' \
--blueprints '[{"blueprintArn": "Amazon Resource Name (ARN)", "version": "1", "stage": "LIVE" } ]' \
--data-automation-profile-arn "Amazon Resource Name (ARN)"
--region "aws-region"
```
------
# Cas d’utilisation de traitements
L’automatisation des données Amazon Bedrock vous permet de traiter des documents, des images et des fichiers audio et vidéo au moyen de l’interface de ligne de commande (CLI). Pour chaque modalité, le flux de travail consiste à créer un projet, invoquer l’analyse et récupérer le résultat.
Choisissez l’onglet correspondant à votre méthode préférée, puis suivez les étapes :
------
#### [ Documents ]
**Extraction de données depuis un formulaire W2**
![\[Exemple de formulaire W2 avec des champs standard, illustrant la disposition et les champs de données extraits.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/bda/W2.png)
Lors du traitement d’un formulaire W2, voici un exemple de schéma :
```
{
"class": "W2TaxForm",
"description": "Simple schema for extracting key information from W2 tax forms",
"properties": {
"employerName": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The employer's company name"
},
"employeeSSN": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The employee's Social Security Number (SSN)"
},
"employeeName": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The employee's full name"
},
"wagesAndTips": {
"type": "number",
"inferenceType": "explicit",
"instruction": "Wages, tips, other compensation (Box 1)"
},
"federalIncomeTaxWithheld": {
"type": "number",
"inferenceType": "explicit",
"instruction": "Federal income tax withheld (Box 2)"
},
"taxYear": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The tax year for this W2 form"
}
}
}
```
La commande pour invoquer le traitement du formulaire W2 serait semblable à ce qui suit :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://w2-processing-bucket-301678011486/input/W2.png"
}' \
--output-configuration '{
"s3Uri": "s3://w2-processing-bucket-301678011486/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN):data-automation-profile/default"
```
Exemple de sortie attendue :
```
{
"documentType": "W2TaxForm",
"extractedData": {
"employerName": "The Big Company",
"employeeSSN": "123-45-6789",
"employeeName": "Jane Doe",
"wagesAndTips": 48500.00,
"federalIncomeTaxWithheld": 6835.00,
"taxYear": "2014"
},
"confidence": {
"employerName": 0.99,
"employeeSSN": 0.97,
"employeeName": 0.99,
"wagesAndTips": 0.98,
"federalIncomeTaxWithheld": 0.97,
"taxYear": 0.99
},
"metadata": {
"processingTimestamp": "2025-07-23T23:15:30Z",
"documentId": "w2-12345",
"modelId": "amazon.titan-document-v1",
"pageCount": 1
}
}
```
------
#### [ Images ]
**Exemple de publicité de voyage**
![\[Exemple d’image montrant comment les utilisateurs peuvent extraire des informations de publicités.\]](http://docs.aws.amazon.com/fr_fr/bedrock/latest/userguide/images/bda/TravelAdvertisement.jpg)
Voici un exemple de schéma pour les publicités de voyage :
```
{
"class": "TravelAdvertisement",
"description": "Schema for extracting information from travel advertisement images",
"properties": {
"destination": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The name of the travel destination being advertised"
},
"tagline": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The main promotional text or tagline in the advertisement"
},
"landscapeType": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The type of landscape shown (e.g., mountains, beach, forest, etc.)"
},
"waterFeatures": {
"type": "string",
"inferenceType": "explicit",
"instruction": "Description of any water features visible in the image (ocean, lake, river, etc.)"
},
"dominantColors": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The dominant colors present in the image"
},
"advertisementType": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The type of travel advertisement (e.g., destination promotion, tour package, etc.)"
}
}
}
```
La commande pour invoquer le traitement de la publicité de voyage serait semblable à ce qui suit :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://travel-ads-bucket-301678011486/input/TravelAdvertisement.jpg"
}' \
--output-configuration '{
"s3Uri": "s3://travel-ads-bucket-301678011486/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN):data-automation-profile/default"
```
Exemple de sortie attendue :
```
{
"documentType": "TravelAdvertisement",
"extractedData": {
"destination": "Kauai",
"tagline": "Travel to KAUAI",
"landscapeType": "Coastal mountains with steep cliffs and valleys",
"waterFeatures": "Turquoise ocean with white surf along the coastline",
"dominantColors": "Green, blue, turquoise, brown, white",
"advertisementType": "Destination promotion"
},
"confidence": {
"destination": 0.98,
"tagline": 0.99,
"landscapeType": 0.95,
"waterFeatures": 0.97,
"dominantColors": 0.96,
"advertisementType": 0.92
},
"metadata": {
"processingTimestamp": "2025-07-23T23:45:30Z",
"documentId": "travel-ad-12345",
"modelId": "amazon.titan-image-v1",
"imageWidth": 1920,
"imageHeight": 1080
}
}
```
------
#### [ Audio ]
**Transcription d’un appel téléphonique**
Voici un exemple de schéma pour un appel téléphonique :
```
{
"class": "AudioRecording",
"description": "Schema for extracting information from AWS customer call recordings",
"properties": {
"callType": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The type of call (e.g., technical support, account management, consultation)"
},
"participants": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The number and roles of participants in the call"
},
"mainTopics": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The main topics or AWS services discussed during the call"
},
"customerIssues": {
"type": "string",
"inferenceType": "explicit",
"instruction": "Any customer issues or pain points mentioned during the call"
},
"actionItems": {
"type": "string",
"inferenceType": "explicit",
"instruction": "Action items or next steps agreed upon during the call"
},
"callDuration": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The duration of the call"
},
"callSummary": {
"type": "string",
"inferenceType": "explicit",
"instruction": "A brief summary of the entire call"
}
}
}
```
La commande pour invoquer le traitement d’un appel téléphonique serait semblable à ce qui suit :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://audio-analysis-bucket-301678011486/input/AWS_TCA-Call-Recording-2.wav"
}' \
--output-configuration '{
"s3Uri": "s3://audio-analysis-bucket-301678011486/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN):data-automation-profile/default"
```
Exemple de sortie attendue :
```
{
"documentType": "AudioRecording",
"extractedData": {
"callType": "Technical consultation",
"participants": "3 participants: AWS Solutions Architect, AWS Technical Account Manager, and Customer IT Director",
"mainTopics": "AWS Bedrock implementation, data processing pipelines, model fine-tuning, and cost optimization",
"customerIssues": "Integration challenges with existing ML infrastructure, concerns about latency for real-time processing, questions about data security compliance",
"actionItems": [
"AWS team to provide documentation on Bedrock data processing best practices",
"Customer to share their current ML architecture diagrams",
"Schedule follow-up meeting to review implementation plan",
"AWS to provide cost estimation for proposed solution"
],
"callDuration": "45 minutes and 23 seconds",
"callSummary": "Technical consultation call between AWS team and customer regarding implementation of AWS Bedrock for their machine learning workloads. Discussion covered integration approaches, performance optimization, security considerations, and next steps for implementation planning."
},
"confidence": {
"callType": 0.94,
"participants": 0.89,
"mainTopics": 0.92,
"customerIssues": 0.87,
"actionItems": 0.85,
"callDuration": 0.99,
"callSummary": 0.93
},
"metadata": {
"processingTimestamp": "2025-07-24T00:30:45Z",
"documentId": "audio-12345",
"modelId": "amazon.titan-audio-v1",
"audioDuration": "00:45:23",
"audioFormat": "WAV",
"sampleRate": "44.1 kHz"
},
"transcript": {
"segments": [
{
"startTime": "00:00:03",
"endTime": "00:00:10",
"speaker": "Speaker 1",
"text": "Hello everyone, thank you for joining today's call about implementing AWS Bedrock for your machine learning workloads."
},
{
"startTime": "00:00:12",
"endTime": "00:00:20",
"speaker": "Speaker 2",
"text": "Thanks for having us. We're really interested in understanding how Bedrock can help us streamline our document processing pipeline."
},
{
"startTime": "00:00:22",
"endTime": "00:00:35",
"speaker": "Speaker 3",
"text": "Yes, and specifically we'd like to discuss integration with our existing systems and any potential latency concerns for real-time processing requirements."
}
// Additional transcript segments would continue here
]
}
}
```
------
#### [ Video ]
**Traitement d’une vidéo**
Voici un exemple de schéma pour les vidéos :
```
{
"class": "VideoContent",
"description": "Schema for extracting information from video content",
"properties": {
"title": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The title or name of the video content"
},
"contentType": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The type of content (e.g., tutorial, competition, documentary, advertisement)"
},
"mainSubject": {
"type": "string",
"inferenceType": "explicit",
"instruction": "The main subject or focus of the video"
},
"keyPersons": {
"type": "string",
"inferenceType": "explicit",
"instruction": "Key people appearing in the video (hosts, participants, etc.)"
},
"keyScenes": {
"type": "string",
"inferenceType": "explicit",
"instruction": "Description of important scenes or segments in the video"
},
"audioElements": {
"type": "string",
"inferenceType": "explicit",
"instruction": "Description of notable audio elements (music, narration, dialogue)"
},
"summary": {
"type": "string",
"inferenceType": "explicit",
"instruction": "A brief summary of the video content"
}
}
}
```
La commande pour invoquer le traitement de la vidéo serait semblable à ce qui suit :
```
aws bedrock-data-automation-runtime invoke-data-automation-async \
--input-configuration '{
"s3Uri": "s3://video-analysis-bucket-301678011486/input/MakingTheCut.mp4",
"assetProcessingConfiguration": {
"video": {
"segmentConfiguration": {
"timestampSegment": {
"startTimeMillis": 0,
"endTimeMillis": 300000
}
}
}
}
}' \
--output-configuration '{
"s3Uri": "s3://video-analysis-bucket-301678011486/output/"
}' \
--data-automation-configuration '{
"dataAutomationProjectArn": "Amazon Resource Name (ARN)",
"stage": "LIVE"
}' \
--data-automation-profile-arn "Amazon Resource Name (ARN):data-automation-profile/default"
```
Exemple de sortie attendue :
```
{
"documentType": "VideoContent",
"extractedData": {
"title": "Making the Cut",
"contentType": "Fashion design competition",
"mainSubject": "Fashion designers competing to create the best clothing designs",
"keyPersons": "Heidi Klum, Tim Gunn, and various fashion designer contestants",
"keyScenes": [
"Introduction of the competition and contestants",
"Design challenge announcement",
"Designers working in their studios",
"Runway presentation of designs",
"Judges' critique and elimination decision"
],
"audioElements": "Background music, host narration, contestant interviews, and design feedback discussions",
"summary": "An episode of 'Making the Cut' fashion competition where designers compete in a challenge to create innovative designs. The episode includes the challenge announcement, design process, runway presentation, and judging."
},
"confidence": {
"title": 0.99,
"contentType": 0.95,
"mainSubject": 0.92,
"keyPersons": 0.88,
"keyScenes": 0.90,
"audioElements": 0.87,
"summary": 0.94
},
"metadata": {
"processingTimestamp": "2025-07-24T00:15:30Z",
"documentId": "video-12345",
"modelId": "amazon.titan-video-v1",
"videoDuration": "00:45:23",
"analyzedSegment": "00:00:00 - 00:05:00",
"resolution": "1920x1080"
},
"transcript": {
"segments": [
{
"startTime": "00:00:05",
"endTime": "00:00:12",
"speaker": "Heidi Klum",
"text": "Welcome to Making the Cut, where we're searching for the next great global fashion brand."
},
{
"startTime": "00:00:15",
"endTime": "00:00:25",
"speaker": "Tim Gunn",
"text": "Designers, for your first challenge, you'll need to create a look that represents your brand and can be sold worldwide."
}
// Additional transcript segments would continue here
]
}
}
```
------