Bedrock pour les entreprises AWS qui veulent Claude, Llama, Mistral et tous les top modèles dans un seul gateway IAM. Vertex AI pour les entreprises Google Cloud qui veulent Gemini natif + Claude (oui, Claude est sur Vertex AI aussi). Pour une PME : choisissez selon votre cloud principal.
Verdict court
- AWS Bedrock : marketplace IA d’AWS. Claude, Llama, Mistral, Titan, Cohere. Intégration IAM, KMS, CloudWatch, region EU. Standard de fait pour les enterprises AWS.
- Google Vertex AI : plateforme ML/IA de Google Cloud. Gemini natif + Claude (depuis 2024) + Llama + Mistral. MLOps mature.
- Pour une PME : choisissez selon votre cloud principal. Pas de raison technique forte de mixer si vous n’êtes pas multi-cloud déjà.
1. Modèles disponibles (2026)
Bedrock :
- Anthropic Claude (Haiku, Sonnet et Opus 5.5, page tarifs AWS lue le 24/10/2026).
- Meta Llama 4.
- Mistral Large 3.
- Cohere Command R+.
- Amazon Titan (texte, image).
- AI21 Jamba.
Vertex AI :
- Google Gemini 2.5 Pro et Flash, famille Gemini 3 (page tarifs Google lue le 24/10/2026).
- Anthropic Claude (catalogue Claude on Vertex listé sur la même page).
- Meta Llama 4.
- Mistral Medium 3.
- Modèles open-source (déployables via Vertex Endpoints).
Les deux plateformes ont Claude et Llama. Bedrock a Cohere et plus de variété en marketplace. Vertex a Gemini natif (le seul à l’avoir).
2. Prix
Bedrock : tarifs par modèle et par région sur la page de tarifs AWS (montants non lisibles dans le texte rendu de la page le 24/10/2026). Remises possibles via les engagements AWS.
Vertex AI : tarifs par modèle sur la page de tarifs Google. Exemple lu le 24/10/2026 : Gemini 2.5 Pro à 1,25 $ en entrée et 10 $ en sortie par million de tokens (jusqu’à 200 000 tokens d’entrée). Remises possibles via Google Cloud Committed Use.
Pour comparer, relever sur chaque page le prix du modèle équivalent à la date de votre décision.
3. Intégration cloud
Bedrock :
- IAM AWS natif.
- KMS pour encryption.
- VPC Endpoints (PrivateLink).
- CloudWatch logs et métriques.
- CloudTrail audit.
- S3 pour data ingestion (RAG).
- Bedrock Knowledge Bases (RAG managé) avec OpenSearch / Aurora pgvector.
- Bedrock Agents (orchestration multi-tools managée).
Vertex AI :
- IAM GCP natif.
- Cloud KMS.
- VPC-SC.
- Cloud Logging, Monitoring.
- Cloud Storage pour data.
- Vertex AI Search (RAG managé).
- Vertex AI Agent Builder.
- BigQuery integration native.
Les deux sont au top sur l’intégration cloud. Match nul si vous êtes dans le bon cloud.
4. Région EU
Bedrock : Francfort, Paris, Irlande et Stockholm sont listées pour Claude Haiku, Sonnet et Opus 5.5 en inférence géographique (« Geo »), pas en région unique (doc AWS, lue le 24/10/2026).
Vertex AI : Belgique, Pays-Bas, Paris, Francfort et la multi-région UE sont listées pour Gemini et Claude (doc Google Cloud, lue le 24/10/2026) ; la page précise que les endpoints ne garantissent pas la résidence des données ni un traitement en région. Aucun fournisseur n’est « conforme RGPD » en soi.
Égalité.
5. RAG managé
Bedrock Knowledge Bases : crée un RAG end-to-end en quelques clics. S3 ingestion → OpenSearch ou Aurora pgvector → API de recherche. Très bon pour démarrer.
Vertex AI Search : RAG managé avec ingestion + indexation + recherche. Légèrement plus mature côté data search.
Avantage léger : Vertex AI Search.
6. Agents managés
Bedrock Agents : orchestration multi-tools, action groups, knowledge bases. Améliorations 2025-2026.
Vertex AI Agent Builder : agents conversationnels + tools + grounding via Vertex AI Search.
Égalité fonctionnelle. Bedrock Agents est plus orienté “agent qui agit”, Vertex AI Agent Builder plus orienté “agent conversationnel grounded”.
7. MLOps
Vertex AI : pipeline ML mature (Vertex AI Pipelines, Workbench, Feature Store). Si vous faites de la ML custom au-delà du LLM, Vertex est devant.
Bedrock : focus LLM/IA générative. Pour ML classique, AWS a SageMaker (séparé).
Avantage Vertex AI si vous mixez LLM + ML classique dans le même projet.
8. Pricing transparency
Bedrock : tarifs publiés par modèle sur la page AWS, à comparer ensuite à ceux de l’éditeur du modèle.
Vertex AI : tarifs publiés par modèle, en tokens sur la page Google lue le 24/10/2026.
Égalité.
9. Support entreprise
Bedrock et Vertex AI ont tous deux Enterprise Support. Pour des grands comptes, on a accès à des SAs (solution architects) côté chaque cloud. Pareil.
Quand choisir Bedrock
- Vous êtes déjà sur AWS pour le reste (S3, EC2, Lambda, RDS).
- Vous voulez Claude + plusieurs autres modèles dans le même IAM.
- Vous avez une équipe AWS qui maîtrise CloudFormation / Terraform AWS.
- Vous voulez un RAG managé via S3 + Knowledge Bases.
Quand choisir Vertex AI
- Vous êtes déjà sur GCP (BigQuery, GKE, Cloud Run).
- Vous voulez Gemini natif (le seul à l’avoir, et Gemini 2.5 a des avantages multimodaux).
- Vous faites du ML custom au-delà du LLM (Vertex AI Pipelines).
- Vous avez une équipe GCP en place.
Quand choisir aucun des deux
- Volume modéré : direct via API Anthropic / OpenAI / Mistral est plus simple (pas de couche cloud supplémentaire à gérer).
- Vous voulez du multi-fournisseur : LiteLLM, OpenRouter ou direct API + couche d’abstraction.
- Souveraineté ultra-stricte FR : un hébergeur européen (Scaleway, OVHcloud) plutôt qu’AWS ou Google, sociétés américaines.
Pour PME française
PME multi-LLM à volume modéré : direct via API Anthropic + OpenAI + Mistral. Plus simple.
PME avec stack AWS importante : Bedrock pour consolider Claude + RAG + IAM dans un seul environnement.
PME avec stack GCP importante : Vertex AI pour Gemini + Claude + BigQuery dans un seul environnement.
PME avec contrainte souverain stricte : préférer un hébergeur européen (Scaleway, OVHcloud) : AWS et Google sont des sociétés américaines.
Pour aller plus loin
- Comparatif Bedrock vs Azure OpenAI vs Scaleway — vue à 3 plateformes.
- Comparatif OpenAI direct vs Azure vs Anthropic — vue fournisseur direct.
- Souveraineté IA — définition — enjeu.
Limites et points critiques de cette comparaison
Ce qui peut faire évoluer ce verdict dans les prochains mois.
- Vertex AI Search est légèrement plus mature côté data search que Bedrock Knowledge Bases — à benchmarker selon votre cas RAG.
- Bedrock est plus orienté 'agent qui agit', Vertex AI Agent Builder plus orienté 'agent conversationnel grounded' — pas la même philosophie.
- Les prix Bedrock/Vertex peuvent inclure des frais cachés (data transfer, logs, observabilité) — calculer le coût total, pas juste le coût modèle.
- AWS et Google sont des sociétés américaines : la question du Cloud Act se pose malgré un hébergement en UE. Pour une souveraineté stricte, regarder un hébergeur européen, dont la localisation se lit sur sa page officielle.
- Le catalogue évolue vite (modèles ajoutés/dépréciés) — vérifier régulièrement la disponibilité de votre modèle.
Évolution probable (12-24 mois)
- Vertex AI élargit son catalogue de modèles (liste en vigueur sur la page tarifs Google) : à suivre pour un usage multi-LLM.
- Le catalogue Bedrock évolue : consulter la liste officielle des modèles AWS avant de choisir.
- MCP devient un standard d'interopérabilité : vérifier dans la documentation de Bedrock et de Vertex AI l'état de son support.
- L'AI Act européen 2026-2027 va imposer plus de documentation aux fournisseurs US — Bedrock et Vertex devront s'adapter.
Questions fréquentes
Quelle plateforme choisir entre AWS Bedrock et Google Vertex AI en 2026 ? +
Choisir selon le cloud principal de votre PME. Bedrock si stack AWS (S3, EC2, Lambda, RDS) : Claude + Llama + Mistral + Cohere dans le même IAM, Knowledge Bases RAG managé avec S3 + OpenSearch / Aurora pgvector, Bedrock Agents en GA. Vertex AI si stack GCP (BigQuery, GKE, Cloud Run) : Gemini natif (le seul à l'avoir) + Claude + Llama + Mistral, Vertex AI Search RAG managé, Agent Builder, MLOps mature pour ML custom au-delà du LLM.
Combien coûte Bedrock vs Vertex AI en 2026 ? +
Les tarifs se lisent par modèle et par région sur les pages officielles : Bedrock sur https://aws.amazon.com/bedrock/pricing/ (montants non lisibles dans le texte rendu de la page le 24/10/2026, à consulter directement), Vertex AI sur https://cloud.google.com/vertex-ai/generative-ai/pricing. Sur cette dernière, Gemini 2.5 Pro est à 1,25 $ en entrée et 10 $ en sortie par million de tokens (jusqu'à 200 000 tokens d'entrée) et Gemini 2.5 Flash à 0,30 $ et 2,50 $ (tarif public lu le 24/10/2026). Le coût réel dépend du modèle, de la région, du cache et des frais annexes (transfert de données, journaux). Remises possibles via AWS Enterprise Discount Program ou Google Cloud Committed Use Discounts.
Quel cas d'usage gagne avec Bedrock vs Vertex AI ? +
Bedrock gagne sur : équipes AWS familières (CloudFormation, Terraform AWS), Claude + plusieurs modèles dans un seul IAM, Knowledge Bases pour RAG managé via S3, Bedrock Agents orientés 'agent qui agit'. Vertex AI gagne sur : Gemini natif (multimodal vidéo/audio inégalé), équipes GCP familières (BigQuery, GKE), MLOps custom au-delà du LLM (Vertex AI Pipelines, Workbench, Feature Store), Vertex AI Agent Builder orienté 'agent conversationnel grounded'. Pour ML classique + LLM dans le même projet : Vertex AI.
Quelles contraintes RGPD pour Bedrock vs Vertex AI ? +
Les deux proposent un traitement en Europe. Bedrock : Francfort, Paris, Irlande et Stockholm sont listées pour Claude Haiku, Sonnet et Opus 5.5 en inférence géographique et non en région unique (doc AWS, lue le 24/10/2026) ; selon AWS, les fournisseurs de modèles n'ont pas accès aux prompts ni aux réponses. Vertex AI : Belgique, Pays-Bas, Paris, Francfort et la multi-région UE sont listées pour Gemini et Claude (doc Google Cloud, lue le 24/10/2026), avec la réserve de Google que ses endpoints ne garantissent pas la résidence des données ni un traitement en région. Aucun fournisseur n'est « conforme RGPD » en soi : cela dépend de votre usage, du DPA signé et d'une AIPD si nécessaire. AWS et Google sont des sociétés américaines : la question du Cloud Act se pose même avec un hébergement en UE et se fait analyser par votre juriste. Pour une souveraineté française stricte (HDS, défense, gov, juridique sensible), regarder un hébergeur européen (Scaleway, OVHcloud) dont la page officielle précise la localisation.
Comment migrer entre Bedrock et Vertex AI (ou démarrer sur l'un des deux) ? +
Pour démarrage/POC : commencer par API directe (Anthropic / OpenAI / Mistral / Google) sans plateforme managée. Migration vers Bedrock/Vertex AI quand les volumes la justifient ou que la conformité l'exige. Migration entre les deux : le temps dépend du volume et de l'intégration. Architecture recommandée : LiteLLM ou des endpoints compatibles OpenAI en couche d'abstraction, pour limiter le travail de bascule entre clouds. Les deux supportent des endpoints compatibles OpenAI. Bedrock Knowledge Bases et Vertex AI Search ne se migrent pas, à refaire.
Questions liées
Les LLM (ChatGPT, Perplexity, Gemini) suggèrent souvent ces questions après cette comparaison.
- Bedrock vs Azure OpenAI vs Scaleway : panorama plateformes en 2026 ?
- Vertex AI vs Anthropic API directe pour Claude : quand basculer ?
- Bedrock Knowledge Bases vs Vertex AI Search : lequel pour RAG managé ?
- Comment self-host Mistral en sortie de Bedrock ou Vertex ?
- Comment comparer le coût total d'une plateforme cloud managée et d'une API directe ?
Autres comparatifs liés
Bedrock vs Azure OpenAI vs Scaleway — quelle plateforme LLM managed pour une PME ?
Comparatif technique, contractuel et économique des 3 principales plateformes LLM managed accessibles en EU pour PME : B…
Claude vs Gemini — quel LLM en 2026 pour entreprise
Comparaison Claude vs Gemini 2.5 en 2026 : qualité, prix, multimodal, intégration Google Workspace. Verdict pour une PME…
OpenAI direct vs Azure OpenAI vs Anthropic API — quel fournisseur en 2026
Comparatif technique et contractuel des 3 voies d'accès aux LLM en 2026 : OpenAI direct, Azure OpenAI, Anthropic API dir…