TypeSafe lance Jev, IA de choix rapide à bas coût

TypeSafe AI dévoile Jev, un modèle qui rend des jugements et des probabilités au lieu de générer du texte. L’entreprise, cofondée par Diogo Almeida, ex-OpenAI et co‑auteur d’InstructGPT, annonce des réponses en 70 à 500 ms et un prix de 0,042 $ par million de tokens d’entrée, sorties gratuites. L’accès débute via liste d’attente et les tests publiés comportent des limites.

Pas d’hallucinations garanties sur la forme, pas sur le fond

TypeSafe présente Jev comme un modèle qui ne peut pas halluciner. Cette promesse concerne uniquement la structure de la réponse : le modèle reste limité aux options prédéfinies, mais il peut tout de même sélectionner une option incorrecte sur le fond. Jev est conçu pour effectuer de nombreux jugements discrets en arrière-plan à moindre coût, mais la fiabilité de ces décisions devra être évaluée par chaque entreprise selon ses besoins. Les tests de performance publiés présentent des limites : TypeSafe compare quatre flux de travail qu'elle a créés et utilise des réponses d'autres modèles comme référence, sans validation indépendante et sans inclure GPT-6 Astra. Par ailleurs, les modèles de langage classiques peuvent déjà produire des catégories et des structures de données, et OpenAI propose des Structured Outputs. Un format structuré ne suffit donc pas à distinguer Jev ; il devra aussi offrir une vitesse ou un coût avantageux sans sacrifier la qualité.

Tarifs annoncés et accès limité au lancement

TypeSafe annonce un tarif de 0,042 $ par million de tokens d'entrée et précise que les sorties ne sont pas facturées. L'accès à Jev pour les développeurs commence par une liste d'attente. Le modèle vise à rendre plus économiques de nombreux jugements automatiques en tâche de fond.

Comment Jev s’intègre à un flux métier

Les développeurs définissent les questions et les réponses autorisées, puis relient leur logiciel à Jev. À chaque message reçu, le texte est transmis au modèle qui renvoie des étiquettes et des probabilités, par exemple « problème de paiement » et la probabilité qu’un remboursement soit souhaité. Le logiciel applique ensuite des règles fixes, comme orienter les problèmes de paiement vers la comptabilité ou signaler les demandes de remboursement. Si l’étiquette est incertaine, un membre du personnel peut intervenir. Jev fournit l’évaluation, mais la décision finale dépend du logiciel et de ses règles.

Sous la seconde annoncée et des cas d’usage de contrôle

TypeSafe affirme que Jev répond en 70 à 500 millisecondes, ce qui serait plusieurs fois plus rapide que les modèles de langage les plus rapides. Selon l'entreprise, cette performance s'explique par l'absence de génération de texte étape par étape et le calcul parallèle de plusieurs sorties, l'ajout de questions dans un même appel n'augmentant que très peu la latence. Cette rapidité pourrait permettre d'effectuer des vérifications avant chaque réponse d'un assistant IA, comme détecter une contradiction avec la conversation en cours ou une mention de remboursement non enregistrée. TypeSafe décrit ces usages dans ses exemples de flux de travail et cite aussi des applications en vente et service client, telles que la détection d'intention d'achat, le tri thématique des demandes ou l'identification des situations nécessitant une intervention humaine.