Blog›Guides

Jev : le modèle d'IA System One qui décide au lieu de discuter

TypeSafe AI a lancé Jev, un modèle « System One » non-conversationnel qui renvoie des décisions typées avec des probabilités calibrées au lieu de texte en prose. Voici ce que c'est, les performances annoncées, et pourquoi il complète le prompting génératif.

Jev : Le modèle IA « System One » qui décide au lieu de discuter

Depuis trois ans, la conversation sur l'IA tourne autour de modèles qui parlent : des assistants de chat qui rédigent des essais, du code et des réponses. En septembre 2026, une startup nommée TypeSafe AI a lancé quelque chose de délibérément différent. Jev ne discute pas du tout. Il n'écrit ni prose ni code. Étant donné un état et une liste de questions typées, il renvoie des réponses typées avec des probabilités calibrées, en quelques centaines de millisecondes. TypeSafe l'appelle le premier « Modèle System One », et il vaut la peine de comprendre pourquoi ce cadrage importe pour quiconque construit avec l'IA.

System 1 vs System 2

Le nom fait référence à *Thinking, Fast and Slow* de Daniel Kahneman, qui divise la cognition humaine en System 1 (rapide, automatique, intuitif) et System 2 (lent, délibéré, exigeant). La plupart des grands modèles de langage actuels sont des machines System 2 : ils raisonnent étape par étape, génèrent de longues sorties, et sont excellents pour l'écriture ouverte et la résolution de problèmes. Mais une grande partie de l'IA de production réelle n'est pas du tout ouverte. C'est une décision rapide oui/non ou parmi plusieurs options, exécutée des millions de fois : cette transaction est-elle frauduleuse, à quelle file ce ticket va-t-il, cette image viole-t-elle la politique, quelle est la prochaine étape dans ce flux de travail.

Jev cible exactement cette couche System 1. Au lieu de demander à un modèle de chat de « répondre en JSON » et d'espérer qu'il obéisse, vous donnez à Jev une question typée avec un ensemble fixe de réponses, et il renvoie l'une d'elles avec une probabilité associée.

Comment cela fonctionne réellement

L'interface est le point central :

Vous envoyez un état - une facture, un ticket de support, une alerte de sécurité, une fiche produit.

Vous envoyez des questions typées - chacune avec un ensemble défini de réponses possibles.

Jev renvoie des réponses typées - l'option choisie plus un score de confiance calibré, assez rapide pour s'intégrer en ligne dans une requête.

Parce que la sortie est contrainte et typée plutôt que du texte libre, votre code la consomme directement, sans analyse de prose, sans échecs du type « le modèle a encore enveloppé le JSON dans des backticks ». Et parce qu'il ne génère pas des centaines de jetons d'explication, il est considérablement moins cher et plus rapide sur ces tâches étroites.

Les chiffres (et l'astérisque)

Au lancement, TypeSafe a rapporté que Jev fonctionnait environ 193 fois plus vite que Claude Sonnet 5 et coûtait environ 444 fois moins cher que Claude Opus 5 sur des charges de décision. Ce sont des chiffres frappants, et ils viennent avec un astérisque honnête : les benchmarks sont ceux de TypeSafe, les flux de travail ont été écrits par l'équipe de TypeSafe, et l'entreprise affirme que les gains se situent dans la fourchette haute de l'utilisation réelle attendue. La vérification indépendante était encore mince dans les premières semaines. Traitez les chiffres principaux comme une affirmation de fournisseur, pas comme un benchmark établi, et testez sur votre propre charge de travail.

TypeSafe est dirigé par Diogo Almeida, un ancien chercheur d'OpenAI lié aux premiers travaux sur ChatGPT, ce qui explique en partie pourquoi le lancement a attiré autant d'attention.

Pourquoi les créateurs de prompts devraient s'y intéresser

Si vous vivez dans le monde des prompts génératifs, comme la plupart de notre catalogue, Jev n'est pas un concurrent pour vos prompts image et vidéo, ni pour vos recettes ChatGPT et Claude. C'est un complément. Le modèle qui émerge est une pile à deux vitesses :

System 2 (modèles génératifs) pour le travail créatif et de raisonnement : écrire, concevoir, coder, idéer. C'est là que le bon prompting brille.

System 1 (modèles de décision comme Jev) pour la classification et le routage rapides autour de cela : filtrer, scorer, modérer, décider quoi faire ensuite.

Le point pratique à retenir : lorsque vous construisez des flux de travail IA, remarquez quelles parties sont réellement ouvertes (gardez-les sur un modèle de chat puissant et investissez dans le prompt) et quelles parties sont en réalité juste une décision rapide (un classificateur typé sera moins cher, plus rapide et plus fiable là-bas). Savoir à quel mode une tâche appartient devient discrètement une compétence de prompting en soi.

Lisez l'analyse complète dans notre wiki : Jev.