Avec Jev, Diogo Almeida veut une IA qui décide sans écrire

Diogo Almeida a lancé Jev le 15 septembre 2026, via sa start-up TypeSafe AI. Cet ancien chercheur d’OpenAI présente le modèle comme une alternative aux systèmes qui génèrent du texte. Jev prend directement des décisions à la place du code. Son lancement intervient après deux années de développement menées discrètement. Almeida avait contribué aux méthodes de réglage fin par instructions associées à ChatGPT. Dans une vidéo de présentation de moins de trois minutes, il explique vouloir automatiser des tâches plutôt que produire des réponses destinées à satisfaire un humain. TypeSafe AI propose désormais un accès anticipé à Jev pour certains usages d’automatisation logicielle. Voir l’annonce de TypeSafe AI.

Un engouement rapide a suivi cette présentation. En une dizaine d’heures, la vidéo publiée le 15 septembre a dépassé 10 millions de vues. L’article de blog consacré à Jev est aussi arrivé en tête de Hacker News. Almeida relie cette approche à une question née de son expérience avec les modèles de conversation. Selon lui, ces modèles n’ont pas entraîné l’automatisation massive attendue après leurs progrès. Jev répond à cette interrogation avec un modèle conçu pour des décisions ciblées. TypeSafe AI appelle cette catégorie « System One Models ». Le nom renvoie à la pensée rapide et intuitive théorisée par Daniel Kahneman, plutôt qu’au raisonnement lent des modèles de chat.

Jev calcule des réponses typées

Une sortie contrainte distingue Jev d’un modèle comme ChatGPT ou Claude. Un modèle de langage produit habituellement du texte token par token. Cette méthode apporte de la flexibilité, puisqu’elle permet d’écrire un poème, du code ou une réponse. Elle peut aussi ralentir les traitements et produire des formats non conformes. Jev reçoit plutôt une question structurée, comme l’évaluation du risque d’un client sur une échelle de 1 à 5. Il calcule alors une réponse typée, définie à l’avance, avec une probabilité de confiance. TypeSafe AI présente cette méthode comme une application de la RLCD, pour « Reinforcement Learning for Calibrated Decisions ». La publication originale détaille cette méthode.

Des gains annoncés accompagnent cette architecture. Diogo Almeida avance des temps de réponse compris entre 70 et 500 millisecondes. Il les compare aux délais de plusieurs secondes, voire de plusieurs minutes, associés à un modèle de langage classique. TypeSafe AI annonce aussi des coûts jusqu’à 400 fois inférieurs. Les jetons de sortie seraient gratuits selon cette présentation. L’entreprise met enfin en avant un taux d’hallucination de zéro et un taux d’erreur nul pour les sorties structurées. Cette dernière garantie découlerait du nombre défini de réponses possibles. Ces chiffres restent des promesses de lancement portées par TypeSafe AI et Diogo Almeida, sans résultat publié sur les benchmarks publics.

TypeSafe cible l’automatisation logicielle

L’accès anticipé est désormais ouvert par l’intermédiaire d’une liste d’attente sur le site de TypeSafe AI. L’entreprise cible d’abord la classification, le scoring et le routage de requêtes. Elle cite aussi la détection de tentatives de contournement sur d’autres modèles. La vérification des sorties produites par des agents IA figure également parmi les usages visés. Ces fonctions sont aujourd’hui réalisées avec des règles écrites à la main ou avec des modèles de langage détournés de leur usage initial. TypeSafe AI choisit de ne publier aucun résultat sur les benchmarks publics. L’entreprise juge ces évaluations trop exposées aux effets d’annonce et prévoit des tests ponctuels pour chaque mise à jour.