TypeSafe a présenté Jev le 15 septembre. Ce qui me plaît est assez banal : les petites décisions d'une application pourraient coûter assez peu pour en mettre partout.
Prenez une bouilloire cassée. Vous écrivez au magasin : « La poignée s'est cassée dans la boîte. Vous pouvez m'en renvoyer une ? » Le logiciel doit comprendre le problème, identifier votre demande et transmettre le dossier au bon endroit. J'essaierais Jev sur ce genre de tâche.
Des questions précises, des réponses exploitables
Jev est le premier modèle « System One » de TypeSafe. Vous lui fournissez des informations et des questions précises ; il renvoie des décisions et des probabilités. Il ne rédige pas la réponse au client.
Il existe trois types de questions :
| Type | Votre question | La réponse |
|---|---|---|
| Choice | Quel problème dans cette liste ? | Une option, les probabilités des options et un indicateur de confiance |
| Score | Quelle urgence, selon ces niveaux décrits ? | Un score pondéré par les probabilités, les probabilités des niveaux et un indicateur de confiance |
| Noul | Ce message demande-t-il un remplacement ? | Une probabilité entre 0 et 1, sans champ de confiance distinct |
Pour la bouilloire, deux questions Choice pourraient identifier « article endommagé » et « remplacement demandé ». Le code vérifie ensuite la commande et les conditions de remplacement. La base de données reste utile. La personne chargée de trouver une autre bouilloire aussi.
Essayez maintenant : « Elle est arrivée cassée et vous m'avez facturé deux fois. » Imposez une seule catégorie de réclamation et vous perdez la moitié du problème. Même à bas prix, une décision exige un processus bien pensé.
Vous pouvez poser plusieurs questions indépendantes ensemble, puis exploiter leurs réponses dans le code. Elles ne consultent pas leurs réponses respectives. Une décision dépendant d'informations récupérées ensuite demande une étape supplémentaire.
Le prix me donne envie d'essayer
TypeSafe affiche actuellement Jev 1.13 à 0,042 $ par million de tokens en entrée, sans facturation des tokens de sortie. Il accepte du texte, y compris des données structurées ; photos et audio nécessitent un prétraitement.
Par exemple, 10 000 requêtes de 1 000 tokens facturables en moyenne coûteraient 0,42 $ pour les tokens envoyés à Jev. Comptez aussi les questions et options. La recherche d'informations, les autres modèles, les nouvelles tentatives et la vérification humaine s'y ajoutent.
À ce prix, je l'envisagerais pour repérer les mails de l'école demandant une réponse ou annonçant un changement d'organisation. Créer l'événement dans l'agenda demanderait encore d'extraire et vérifier la date. « Vendredi » a déjà causé assez de dégâts.
Un assistant domestique pourrait identifier la pièce, l'appareil et l'action dans « Éteins les lumières de la cuisine ». L'application associerait ces réponses aux appareils réels. La démo domotique de TypeSafe combine déjà Jev avec un LLM pour la conversation et les demandes composées. Elle montre l'assemblage, pas sa fiabilité chez quelqu'un.
Les modèles de raisonnement ont encore du travail
Comparez « Quel service traite cette réclamation ? » et « Les retours ont doublé depuis le changement de fournisseur ; cherchez pourquoi ». La deuxième demande des preuves, des calculs, plusieurs explications possibles et une recommandation.
Je répartirais les rôles ainsi : un modèle de décision pour l'interprétation courante, du code pour les règles et les actions, un modèle de raisonnement pour les analyses difficiles. Un modèle génératif rédigerait la réponse quand une réponse type ne suffit pas.
Des vérifications moins chères permettraient aussi à un assistant de relire davantage ses brouillons, pour vérifier par exemple qu'un remboursement promis respecte les conditions fournies. Il faudrait mesurer les erreurs détectées. Un modèle qui valide les mauvaises réponses avec assurance n'aide personne.
Une réponse valide peut être fausse
La promesse de lancement « ne peut pas halluciner » mérite une précision. Limité aux retours, à la livraison et à la facturation, un modèle ne peut pas inventer un quatrième service. Il peut choisir le mauvais. Les LLM existants proposent aussi des mécanismes de sortie structurée ; structure valide et valeurs correctes sont deux problèmes distincts.
TypeSafe appelle son approche d'entraînement Reinforcement Learning for Calibrated Decisions, ou RLCD. L'objectif : des probabilités cohérentes avec les résultats. Parmi des prédictions comparables auxquelles le modèle attribue 80 % de probabilité, environ 80 % devraient être correctes. Ça se mesure sur un ensemble de cas. Ce n'est pas une promesse pour votre bouilloire.
Le champ confidence résume la répartition des probabilités pour Choice et Score. Ce n'est ni la probabilité de l'option retenue ni un pourcentage de fiabilité garanti. Un seuil doit être testé sur vos propres exemples.
Ce que montrent les premiers tests
LiteLLM a testé 80 prompts rédigés pour l'occasion, répétés trois fois par classificateur. La latence médiane de classification était de 126,81 ms pour Jev 1.13 contre 688,40 ms pour Claude Haiku 4.5, soit environ 5,43 fois plus rapide. Les réponses de référence n'ont pas été vérifiées indépendamment, et le test ne mesurait pas la qualité des réponses finales.
LangChain a évalué cinq traces d'un agent météo, 100 fois chacune. Jev a donné les mêmes verdicts de réussite ou d'échec que les humains, avec des scores stables. Encourageant, mais cinq exemples répétés 100 fois restent cinq exemples.
J'y vois deux raisons de lancer un essai. La page des limites de TypeSafe signale des faiblesses en calcul, dates, raisonnement indirect, contexte non pertinent et entrées malveillantes. Je mettrais tout ça dans mes tests.
Par où je commencerais
Si vous dirigez une équipe : essayez des suggestions sur d'anciens tickets avant d'automatiser leur attribution. Comptez les erreurs de destination, les cas à vérifier et le temps gagné. Incluez des messages contenant plusieurs problèmes.
Si vous codez : comparez avec votre approche actuelle et un petit LLM aux sorties contraintes. Fixez la version de Jev, gardez un jeu de test final séparé et mesurez les erreurs parmi les cas acceptés automatiquement. Comptez le coût des solutions de secours et des corrections.
J'aimerais plus de logiciels capables de comprendre une demande confuse et de la transmettre au bon endroit. Jev mérite un essai. Le client à la bouilloire cassée décidera si on a amélioré quelque chose.
Sources liées dans le texte. Vérifiées le 22 septembre 2026. Capacités et tarifs fournis par TypeSafe ; les tests externes couvrent des tâches limitées. Exemples et calculs de coût sont illustratifs.