Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Jev, un modèle d’IA conçu pour le code et orienté décision plutôt que conversation, aligne réponses structurées et probabilités. Sa vidéo de lancement a approché 40 millions de vues et le Discord de TypeSafe dépasse 100 000 membres, tandis que des VCs auraient proposé d’investir à 10 milliards de dollars. Des développeurs décrivent des intégrations rapides, des coûts moindres et des temps de réponse en nette baisse, sous réserve de l’intégrer finement dans leurs systèmes.
Des signaux de traction : vues massives, Discord et intérêt des VCs
La vidéo de lancement de Jev, diffusée à la mi-septembre, a cumulé près de 40 millions de vues sur X. Le serveur Discord de TypeSafe rassemble plus de 100 000 membres. Certains investisseurs en capital-risque ont proposé d’investir dans la startup à une valorisation de 10 milliards de dollars. À San Francisco, l’arrivée de Jev ce mois-ci a suscité un fort engouement, suivi d’un hackathon. Des développeurs affirment avoir déjà intégré Jev dans leurs produits.
Des cas d’usage rapportés : tri, recherche et agents personnels
Allie Laabs cite la classification comme un domaine où Jev excelle, par exemple pour trier des requêtes de support client ou modérer rapidement des fils de discussion en ligne. Selon Jalaja Kurubarahalli, une accélération du tri des questions par Jev pourrait raccourcir le temps de réponse dans les solutions vocales de Quintess AI utilisées par les techniciens de maintenance. Hitesh Viswasam avance qu’un modèle tel que Jev offrirait la possibilité à des robots d’atteindre une réactivité à la chaleur ou au danger équivalente à celle des humains. Lawrence Liang mentionne avoir déployé Jev sur 80 % de la base de code de son agent IA personnel et constate que le modèle identifie plus vite que les LLMs les outils requis pour traiter une demande. Avram Cheaney rapporte qu’ajouter Jev à son produit de recherche IA pour eBay, JunkDrawer.ai, a permis de réduire fortement les coûts et les temps de réponse par rapport à l’utilisation exclusive de LLMs, précisant que des gains de quelques secondes sont particulièrement importants pour les produits destinés au grand public.
Fonctionnement revendiqué : décisions rapides et sorties probabilisées
Jev est conçu pour le code et prend des décisions en quelques millisecondes. Ses réponses sont structurées et comportent des estimations de probabilité d’exactitude. Le modèle se distingue des LLMs axés sur la génération de texte en privilégiant la prise de décision. Il est présenté comme très rapide et abordable. Selon Allie Laabs, Jev fonctionne mieux lorsque les requêtes sont décomposées en éléments très spécifiques.
Conditions d’adoption et positionnement de TypeSafe AI
TypeSafe AI développe Jev, dont le fondateur est Diogo Almeida, ancien chercheur d’OpenAI. Almeida estime que la focalisation sur les chatbots n’automatise pas suffisamment le travail répétitif. Allie Laabs souhaite promouvoir une nouvelle approche dans un secteur dominé par les LLMs et décrit le succès précoce de Jev comme une expérience rare. Elle souligne que Jev ne correspond pas à l’image habituelle d’une IA générant du code ou de longues réponses, et qu’un ingénieur doit l’intégrer dans un système pour en tirer parti. Un hackathon Jev s’est tenu samedi dans les bureaux de CodeRabbit à San Francisco. Le modèle adopte une approche différente des grands modèles de langage.
