Jev, le modèle d'IA qui ne sait pas écrire

CCapucine

TypeSafe AI, fondée par Diogo Almeida, aurait lancé Jev, un modèle conçu pour répondre à des questions fermées à partir d’un état fourni. René Cotton décrit cette approche dans son article « IA : Jev vous ai compris », publié sur son blog. Jev ne vise ni la conversation ni la rédaction. À partir d’une situation, comme un ticket client, il renvoie un choix, une note ou une réponse par oui ou par non. L’article examine ainsi une piste : confier à un modèle des décisions répétitives de back-office, plutôt que lui demander de tout faire.

CCapucine

Le problème concret est celui d’un usage qui ne se traduit pas forcément en productivité. L’article cite une enquête du NBER menée auprès de près de 6 000 dirigeants : 69 % des entreprises utilisent l’intelligence artificielle, mais 89 % ne constatent aucun effet sur leur productivité. Ces chiffres signalent un écart, sans en établir la cause. René Cotton avance une explication : les modèles tournés vers la conversation peuvent fournir des réponses qu’un humain doit relire. La capacité à dialoguer ne signifie donc pas, à elle seule, que la tâche est prise en charge de bout en bout.

CCapucine

Le modèle proposé s’écarte de ce schéma. L’article présente Diogo Almeida comme connu pour ses travaux fondateurs sur le RLHF chez OpenAI. Avec Jev, l’entrée est un état, par exemple un ticket client, et la demande porte sur une question fermée. La sortie peut être un choix, une note ou un oui ou non, accompagné d’une probabilité. Jev n’est pas décrit comme un assistant généraliste répondant à une demande ouverte. Il vise une opération définie : classer ou évaluer une situation, puis livrer un résultat court.

CCapucine

Les caractéristiques annoncées sont précises : Jev répond en moins de 500 millisecondes et son tarif indiqué est de 0,042 dollar par million de tokens. Ce sont des indications de vitesse et de coût, pas la preuve que le modèle convient à tous les usages ni qu’il améliore déjà la productivité. Elles éclairent plutôt l’objectif : répéter rapidement une opération ciblée sur de nombreuses situations. Dans un service de back-office, une réponse courte peut aider si elle correspond à la décision attendue. L’article présente une piste d’automatisation, sans démontrer un gain généralisé dans les organisations.

CCapucine

Les projets répertoriés sur Jevable rendent cette idée concrète. Un tableur y évalue l’urgence de chaque ligne. Un autre projet classe 3 000 goûters en 28 secondes, pour 11 centimes. Dans les deux cas, le modèle reçoit une consigne délimitée et produit une évaluation ou un classement. Ces exemples illustrent des tâches répétitives auxquelles une réponse structurée peut s’appliquer, sans établir que le même résultat serait obtenu dans toute entreprise.

CCapucine

À retenir, Jev déplace la question : moins « un modèle peut-il parler comme un humain ? » que « peut-il prendre en charge une petite décision interne ? ». L’enquête du NBER rappelle que l’adoption de l’intelligence artificielle ne garantit pas un effet visible sur la productivité. L’article défend donc une hypothèse, pas une conclusion générale : des modèles spécialisés pourraient s’insérer dans certaines tâches répétitives, lorsque la décision est bien délimitée. Les exemples de Jevable rendent cette piste concrète, sans prouver à eux seuls un gain à grande échelle. L’intérêt de Jev, dans cette perspective, est de traiter un choix précis plutôt que de produire un long texte.