La semaine dernière, je découvrais en même temps que le reste du monde de la tech le nouveau modèle d’IA de l’entreprise TypeSafe AI : Jev. Promis comme ultra-rapide, ultra-performant et très peu coûteux, cet outil a été la grande actualité de la semaine. Des centaines et des centaines de vidéos et d’articles ont instantanément vu le jour sur le sujet.
Grâce à la mise à disposition immédiate de l’outil au public, on peut déjà se faire une idée précise de ses capacités, de ses limites et de l’utilisation que nous pouvons en faire.
Qu’est-ce que le « One System Model » de TypeSafe AI ?
Ce 15 septembre, Diogo Almeida, ancien ingénieur chez OpenAI et co-créateur de ChatGPT, a publié sur X une vidéo de présentation très prometteuse sur l’IA développée par son entreprise. Il nous présente un nouveau système, bien différent de l’habituel LLM que l’on retrouve chez OpenAI, Google ou Anthropic : le « One System Model ».
C’est le tout premier modèle de ce type à être accessible au public ! Premier aussi parce qu’il ne s’agit pas d’une norme industrielle préexistante, mais d’un concept qu’Almeida a lui-même baptisé ainsi.
LLM vs Jev : quelles différences ?
Pour bien mesurer la rupture, il faut comprendre le fonctionnement des outils traditionnels.
1. Le fonctionnement des LLM classiques (ChatGPT, Gemini)
Jusqu’à présent, la plupart des IA génératives accessibles au public fonctionnent avec des LLM (Large Language Models). Elles sont interactives et prennent la forme d’un chat. Le modèle de langage génère du texte mot après mot, token par token. Il est ainsi capable d’analyser ou de produire un texte complet et de tenir une conversation fluide avec un humain.
Ce type d’IA est pré-entraîné en ingérant une très grande quantité d’informations textuelles (articles, code, livres). Ces modèles sont par la suite renforcés par le RLHF (Reinforcement Learning from Human Feedback) : ils apprennent continuellement grâce aux interactions quotidiennes qu’ils ont avec les utilisateurs.
2. Le fonctionnement du modèle Jev
Jev, lui, est fondamentalement différent : il n’est pas capable de générer du texte, de donner l’explication de son raisonnement mot par mot, ni de tenir une conversation. Ce nouveau modèle n’est pas directement destiné aux humains, mais aux ordinateurs.
- Son mode d’apprentissage : Il apprend à partir d’un fonctionnement totalement nouveau que TypeSafe désigne comme le RLCD (Reinforcement Learning from Calibrated Decisions) et ne nécessite pas de phase de pré-apprentissage classique.
- Sa mission : Jev a été créé pour comprendre et analyser une situation donnée, puis pour fournir une réponse précise dans un cadre strict que vous avez préalablement défini.
- Son fonctionnement basique : Vous lui donnez un contexte, une ou plusieurs questions, et vous définissez les choix possibles pour la réponse. Votre demande est alors traitée en un seul passage, et Jev fournit une réponse sous forme de probabilités calibrées.
Ces réponses sont directement structurées pour être exploitées par du code informatique. En résumé : cette IA n’est pas faite pour converser avec des humains, mais pour piloter des ordinateurs.
Qu’est-ce que ça change par rapport aux LLM ?
Sur le plan des performances pures, l’approche de TypeSafe est bien plus intéressante sur quelques points clés :
- Une vitesse d’exécution inégalée : Jev est avant tout beaucoup plus efficace que les modèles utilisés pour ChatGPT ou Gemini. Almeida promet une rapidité d’exécution 193,6 fois supérieure.
- Un coût dérisoire : Il est aussi 444,6 fois moins cher, avec un tarif défiant toute concurrence : 0,042 $ par million de tokens. Ce coût minime est permis par son fonctionnement interne (il ne génère pas de réponse token par token) et par la gratuité des données de sortie (outputs).
- L’absence d’hallucinations : Son système permet une absence totale des hallucinations inhérentes aux LLM. Jev peut se tromper dans son arbitrage, mais sa marge d’erreur est grandement réduite et il ne peut pas inventer de texte.
Quel intérêt peuvent y trouver les entreprises B2B ?
Outre le prix extrêmement bas des tokens, le fonctionnement même de Jev pourrait permettre un gain de temps et d’argent considérable pour les petites et moyennes structures.
L’objectif principal d’Almeida était de créer une intelligence artificielle optimisée pour l’automatisation de tâches à haute fréquence. Ce test permet de voir à quel point Jev travaille rapidement sur de gros volumes de données.
Certes, créer un système d’automatisation des tâches sur-mesure en interne est possible et souvent plus efficace que Jev — les nombreux tests effectués par les utilisateurs depuis le lancement ont d’ailleurs tendance à relativiser l’efficacité de Jev face à des systèmes ultra-spécialisés. Cependant, cela représente un coût de développement élevé que toutes les entreprises ne peuvent pas se permettre, et qui n’est pas forcément nécessaire pour une PME ou une TPE.
Concrètement, qu’est-ce que peut faire Jev ?
L’exemple d’utilisation de Jev qui revient le plus souvent dans tous les tests effectués depuis son lancement est le tri d’e-mails, de messages et de requêtes sur un site internet.
Ce n’est pas très impressionnant dit comme ça, mais cela peut s’avérer très utile pour un business. Il est capable de :
- Déterminer l’urgence de chaque demande.
- Régler le problème ou fournir une réponse quand il le peut.
- Renvoyer la personne au bon service.
Et il fait ce travail en une fraction de seconde !
Vous pouvez également espérer améliorer le SEO de votre site internet grâce à Jev. Aujourd’hui, le trafic des sites web est fortement impacté par les nouveaux outils IA développés par les moteurs de recherche (ex: Google AI Overview), et optimiser son SEO est une tâche technique et fastidieuse. Jev, toujours pour moins cher et plus rapidement que d’autres IA, peut vous permettre de faire ce travail automatiquement.
Conclusion
Dès sa sortie, Jev a été très impressionnant et a fait ses preuves en termes de performance (même s’il faut relativiser, il a aussi son lot d’erreurs !).
Vous pouvez explorer jevable.com qui répertorie les projets déjà existants menés par les utilisateurs, ou suivre son créateur sur X ou LinkedIn pour vous renseigner sur cette IA. Il ne reste plus qu’à découvrir tout ce qu’on peut en faire !
Finalement, cela nous prouve que l’IA est loin d’être un domaine figé et qu’on peut toujours en attendre des nouveautés, ce qui est particulièrement excitant et prometteur pour l’avenir des entreprises.