Après plusieurs années à perfectionner les modèles de langage, un ancien chercheur d’OpenAI a décidé de repenser l’approche même de l’intelligence artificielle. Diogo Almeida, co‑inventeur du renforcement par apprentissage humain (RLHF), a fondé TypeSafe AI afin de créer un modèle qui ne parle pas, mais qui fournit directement des probabilités de décision. Le résultat, baptisé Jev, promet de transformer la façon dont les développeurs intègrent l’IA dans leurs applications.
Un modèle qui ne génère pas de texte
Contrairement aux grands modèles de langage (LLM) traditionnels, Jev ne produit aucun token texte. Il renvoie uniquement des probabilités calibrées, appelées « décisions calibrées ». Cette orientation vers les chiffres a plusieurs conséquences majeures :
- Coût réduit : les jetons de sortie sont gratuits, et les jetons d’entrée sont facturés à l’échelle du milliard, ce qui diminue fortement la facture pour les utilisateurs intensifs.
- Vitesse accrue : l’absence de génération de texte accélère le traitement, rendant le modèle particulièrement adapté aux tâches en temps réel.
- Absence d’hallucinations : en ne produisant que des valeurs numériques, le modèle ne crée pas de contenu factuellement erroné, un problème récurrent des LLM.
Ces caractéristiques ont rapidement séduit la communauté des développeurs, au point que l’API de TypeSafe a brièvement atteint sa capacité maximale.
Des performances impressionnantes pour l’automatisation
Les premiers retours d’expérience montrent que Jev excelle dans les scénarios d’automatisation logicielle. Vercel, une société spécialisée dans l’infrastructure agentique, a remplacé le modèle Luna d’OpenAI par Jev pour la classification de commandes. Les tests ont révélé des gains de vitesse allant de cinq à dix‑huit fois, tout en améliorant la précision.
De son côté, le CTO de Bryo AI, Nikhil Mudholkar, a comparé Jev à Gemini pour la classification d’e‑mails professionnels. Bien que Gemini ait légèrement dépassé Jev en termes d’exactitude, le coût de Gemini était dix à vingt fois supérieur. Mudholkar a souligné l’importance des scores de confiance fournis par Jev : « c’est le seul modèle qui renvoie une vraie probabilité, ce qui le rend idéal pour automatiser des flux de travail ».
Applications pratiques et perspectives
Au-delà du remplacement direct des LLM, Jev peut jouer un rôle de vérification intelligente. En surveillant les agents basés sur des LLM, il permet de détecter les comportements indésirables sans alourdir les coûts. Armin Ronacher, CTO d’Earendil, explique que les développeurs peuvent définir des seuils de probabilité : « si la sortie n’atteint que 50 %, on l’ignore ; si elle atteint 95 %, on agit en conséquence ».
Une autre utilisation envisagée est le routage de modèles. Plutôt que d’envoyer chaque requête à un LLM coûteux, le système peut d’abord interroger Jev pour déterminer si une tâche nécessite réellement la puissance d’un grand modèle. Cette approche rend le tri en temps réel économiquement viable.
Le nom du modèle rend hommage à William Stanley Jevons, économiste du XIXᵉ siècle dont le paradoxe décrit comment la baisse du coût d’une ressource entraîne son usage croissant. Almeida voit dans la réduction du coût de l’intelligence une dynamique similaire, où des logiciels intelligents se déploieront massivement, rappelant l’émergence d’Internet plutôt que les « méga‑applications » centralisées.
Sur le plan technique, TypeSafe garde le voile sur l’architecture exacte de Jev, bien que des experts supposent qu’il repose sur un LLM à poids ouvert. L’entreprise le décrit comme un « modèle System One », axé sur l’intuition plutôt que sur le raisonnement, et entraîné exclusivement sur des données synthétiques grâce à une méthode baptisée « reinforcement learning from calibrated decisions ». Almeida affirme que cette stratégie de données synthétiques a été l’un des meilleurs paris de sa carrière, surpassant même le RLHF traditionnel.
Le succès de Jev ouvre la voie à de nouveaux concurrents. Ronacher anticipe l’apparition de modèles similaires, soulignant que la domination actuelle des LLM a parfois freiné la créativité. TypeSafe prévoit déjà de décliner Jev dans d’autres modalités, consolidant ainsi sa position de pionnier.
En définitive, Jev représente une rupture de paradigme : en abandonnant le texte au profit de décisions probabilistes, il offre aux développeurs une solution plus rapide, moins chère et plus fiable pour automatiser leurs processus. Si la tendance se confirme, on pourrait assister à une prolifération d’applications intelligentes, plus distribuées et moins dépendantes des géants du cloud.