C'est quoi TypeSafe AI et Jev ?

TypeSafe AI est un lab fondé par Diogo Almeida, co-auteur du papier InstructGPT qui a mené à ChatGPT. Il est sorti de stealth le 15 septembre 2026 avec 40 millions de dollars de financement. Jev est son premier modèle, appelé System One Model. Il ne génère pas de texte : il prend des décisions typées (choix, score, vrai/faux) avec des probabilités et un score de confiance, conçues pour être consommées directement par du code.

Jev coûte 0,042 dollar par million de tokens en entrée (42 dollars par milliard de tokens). La sortie est gratuite, parce qu'il n'y a pas de génération autoregressive à facturer. TypeSafe affirme être jusqu'à 200 fois plus rapide et 400 fois moins cher que les LLMs comparables sur les tâches pour lesquelles Jev est conçu.

Jev peut-il remplacer un LLM ?

Non. Jev ne génère pas de texte, ne rédige pas de résumés, ne écrit pas de code. Il classifie, score et vérifie. Pour les tâches qui demandent de la génération de texte (réponses aux clients, résumés, code), un LLM reste nécessaire. Jev et les LLMs sont complémentaires : Jev pour le routing et la décision, un LLM pour la rédaction.

Qu'est-ce que RLCD et la calibration ?

RLCD (Reinforcement Learning for Calibrated Decisions) est la méthode d'entraînement de TypeSafe. Au lieu d'optimiser pour la préférence humaine (RLHF) ou pour des récompenses vérifiables (RLVR), RLCD optimise pour la calibration : un modèle qui dit être sûr à 70% doit avoir raison 70% du temps. La calibration permet à ton code de décider quand agir automatiquement et quand escalader vers un humain.

Que veut dire zéro hallucination pour Jev ?

La garantie est structurelle : les réponses possibles sont définies avant que le modèle tourne (tu fournis les options, l'échelle ou l'affirmation). Jev ne peut pas produire une valeur hors type. Ça élimine les erreurs de format (JSON invalide, clé inexistante, tool call malformé). Ça n'élimine pas les erreurs de jugement : Jev peut classer un ticket dans la mauvaise catégorie, et la réponse sera parfaitement bien formée tout en étant fausse.

Actualité · Modèles IA

TypeSafe AI et Jev : le modèle qui ne génère pas de texte, il prend des décisions

16 septembre 2026 · 6 min de lecture

Illustration aquarelle d'un petit robot astronaute violet à casque transparent, debout à un poste de travail avec un laptop, trois cartes de décision typées flottant au-dessus (coche, jauge, toggle oui/non) avec probabilités et barres de confiance, un speedometer et une étiquette de prix à flèche descendante, comme un inspecteur de qualité prenant des décisions rapides

TypeSafe AI est sorti de stealth le 15 septembre 2026. Le lab, fondé par Diogo Almeida, un des co-auteurs du papier InstructGPT qui a mené à ChatGPT, a levé 40 millions de dollars et présente son premier modèle : Jev. La promesse est inhabituelle. Jev ne génère pas de texte. Il ne chat pas, il n'écrit pas de code, il ne rédige pas de résumés. Tu lui envoies un état (un email, un ticket de support, une ligne de log, un blob JSON) et une liste de questions typées. Il renvoie des réponses structurées avec des probabilités et un score de confiance. C'est tout.

La vitesse et le prix sont les chiffres qui attirent l'attention : 70 à 500 millisecondes par appel, 0,042 dollar par million de tokens en entrée, sortie gratuite. TypeSafe affirme être jusqu'à 200 fois plus rapide et 400 fois moins cher que les LLMs comparables sur les tâches pour lesquelles Jev est conçu. Le comparatif vient de l'entreprise elle-même, ce qui appelle la prudence habituelle. Mais un test indépendant mené par Every, le seul publié dans les premières 48 heures, confirme l'ordre de grandeur : 777 jugements en 0,7 seconde pour environ un quart de centime.

Le problème que TypeSafe identifie

Les LLMs sont entraînés avec du RLHF (Reinforcement Learning from Human Feedback), une méthode que Diogo Almeida a contribué à inventer chez OpenAI. Le RLHF optimise les modèles pour plaire aux humains : suivre des instructions, être utiles, être polis. Le résultat, ce sont des modèles qui génèrent du texte que les humains préfèrent lire. Chat, code, résumés, analyse.

Le problème, selon TypeSafe, c'est que le RLHF crée des effets de bord : surconfiance, mode dropping (le modèle évite certains types de réponses), manque de fiabilité. Un modèle optimisé pour plaire à un humain dans une conversation n'est pas optimisé pour prendre des décisions qu'un logiciel peut exécuter de façon fiable. Si tu demandes à un LLM de te dire s'il est sûr de sa réponse, il dira oui même quand il a tort. Si tu lui demandes de renvoyer du JSON, il peut mal le formater. Si tu l'intègres dans une pipeline automatisée, tu dois mettre un humain dans la boucle pour vérifier ce qu'il produit.

TypeSafe part d'un autre endroit. Au lieu d'optimiser pour la préférence humaine (RLHF) ou pour des récompenses vérifiables (RLVR, utilisé pour les maths et le code), l'entreprise a créé une méthode appelée RLCD : Reinforcement Learning for Calibrated Decisions. L'objectif n'est pas que le modèle ait raison tout le temps. C'est que le modèle sache quand il a raison et quand il n'a pas raison. Un modèle calibré qui dit "je suis sûr à 70%" doit avoir raison 70% du temps. La confiance devient une variable exploitable par le code, pas une décoration.

Comment Jev fonctionne

Jev expose trois primitives. Pas plus.

Choice : tu donnes une liste d'options, le modèle en choisit une et renvoie une probabilité pour chaque candidat plus un score de confiance. Exemple : ce ticket de support est-il facturation, technique ou réclamation ? Le modèle renvoie "facturation, 82% de probabilité, confiance 0,91".

Score : tu définis une échelle, le modèle place l'état dessus et renvoie le niveau, la probabilité par niveau et la confiance. Exemple : évalue le risque de churn de ce client sur une échelle de 0 à 4.

Noul : un portmanteau de "no" et "null". Tu fais une affirmation, le modèle renvoie la probabilité qu'elle soit vraie. Exemple : "cet email contient des informations personnelles" renvoie 0,93.

Les trois primitives peuvent être mélangées dans un seul appel. Chaque question est évaluée en parallèle contre le même état. Ajouter des questions ne change pratiquement pas le temps de réponse. C'est ça qui fait chuter le coût par jugement : tu paies pour une passe, pas pour une génération.

La limite pratique : 32 000 tokens par requête (environ 150 000 caractères), pas d'image ni d'audio à ce stade, et l'API ne suit pas la convention chat-completions d'OpenAI. Il faut un client dédié.

L'argument "zéro hallucination", et ce qu'il veut dire

TypeSafe affirme que Jev ne peut pas halluciner. C'est vrai, et c'est plus étroit que ça en a l'air.

L'argument est structurel. Les réponses possibles sont énumérées avant que le modèle tourne : tu as fourni la liste de choix, l'échelle de score, ou l'affirmation vrai/faux. Il n'y a pas d'espace pour que le modèle émette une valeur hors type. Un appel d'outil malformé, un champ JSON invalide, une clé qui n'existe pas : Jev ne peut pas produire ça. Pour quiconque a passé du temps à écrire des retries autour de parsing failures, c'est de l'argent réel.

Ce que ça ne couvre pas : la justesse du jugement. Jev peut classer une réclamation facturière dans la file technique, et la réponse sera parfaitement bien formée tout en étant fausse. Diogo Almeida le dit lui-même : il est possible d'avoir tort avec assurance. La garantie "zéro hallucination" élimine la classe d'erreur qui vient du format de sortie. Elle ne fait rien pour la classe d'erreur qui vient du raisonnement. La question de fiabilité se réduit donc à la calibration, et la calibration, c'est à toi de la mesurer sur tes données.

Les nombres, triés par source

TypeSafe annonce 193,6x plus rapide et 444,6x moins cher sur son meilleur cas. L'entreprise précise que ce sont les gains les plus élevés, pas la moyenne. Le pricing est public et vérifiable : 0,042 dollar par million de tokens en entrée, sortie gratuite. La sortie est gratuite pour une raison mécanique : il n'y a pas de décodage autoregressif à facturer.

Le benchmark interne de TypeSafe (4 workflows, 711 cas) compare Jev à la moyenne des jugements de GPT-6 Astra et Claude Fable 5.1. Jev agrège à 67,8% contre 74,1% pour le meilleur comparateur. Sur les workflows individuels : incidents de sécurité 61,7% contre 66,2% pour Opus 5, observabilité des traces d'agents 71,6% contre 76,6%, traitement de factures 61,8% contre 79,1%, service client 76,0% contre 78,3%. Jev gagne le coût et la latence. Il perd la précision.

Le test indépendant d'Every : 1 709 jugements à travers 11 expériences pour moins d'un centime. Sur une tâche de classification de 12 passages avec 7 défauts plantés, Jev en a attrapé 6. Claude Fable 5.1 en a attrapé 7. Jev était 25 fois plus rapide pour environ 1/580 du coût. Every conclut : "bon mais pas parfait", et veut un test plus approfondi avant la production.

Ce qui est inconnu : l'architecture (pas de papier à ce stade), le nombre de paramètres, les données d'entraînement, les poids. TypeSafe dit que les détails sont gardés proches pour l'instant, un papier viendra peut-être plus tard.

Le patron qui se dégage de toutes ces sources : Jev est bien moins cher et bien plus rapide, tout le monde est d'accord. Personne, y compris TypeSafe, ne montre qu'il est plus précis que les modèles frontier. Sur le propre dashboard de l'entreprise, il se situe au niveau d'un bon modèle de milieu de gamme. La comparaison qui tient n'est pas "aussi intelligent qu'un frontier pour un centième du prix", c'est "proche du jugement d'un modèle de milieu de gamme pour une fraction de centime par appel, assez rapide pour tourner à chaque interaction".

Un exemple chez Maisons&Mobilia

Sophie, responsable support client chez Maisons&Mobilia (M&M, enseigne de meubles fictive), traite 3 000 tickets par semaine. Son équipe de 8 personnes fait du tri manuel le matin : chaque ticket est lu, classé (facturation, livraison, produit, réclamation), priorisé, et assigné. Ça prend 90 minutes par jour à l'équipe.

Aujourd'hui, Sophie utilise un LLM pour automatiser le tri. Le problème : le modèle se trompe sur 8% des tickets, et quand il se trompe, il le fait avec assurance. Le ticket arrive dans la mauvaise file, le client attend plus longtemps, et l'équipe doit vérifier un échantillon des classifications pour attraper les erreurs. Le coût en tokens est aussi un facteur : 3 000 tickets x 200 tokens de sortie x 50 dollars par million de tokens de sortie = 30 dollars par jour juste pour générer les réponses.

Avec Jev, Sophie envoie le texte du ticket plus 4 questions : choix de catégorie (4 options), score de priorité (échelle 0 à 3), noul "le client menace de résilier", noul "le ticket mentionne un produit en rupture". Jev renvoie les 4 réponses en parallèle avec leurs probabilités et la confiance. Pas de génération de texte, pas de parsing, pas de retry.

Le coût : 3 000 tickets x 300 tokens d'entrée x 0,042 dollar par million = 0,038 dollar par jour. La sortie est gratuite. Le temps : chaque appel prend 100 à 200 ms, donc tout le tri du matin tourne en moins de 10 minutes.

La calibration est ce qui change le workflow. Sophie fixe deux seuils dans son code : confiance au-dessus de 0,85, le ticket est assigné automatiquement. Entre 0,60 et 0,85, il va dans une file de relecture rapide. En dessous de 0,60, un humain le lit. Si la calibration est honnête, 70% des tickets passent en automatique, 20% en relecture rapide, 10% en manuel. L'équipe récupère du temps sur les cas difficiles au lieu de trier les faciles.

La limite que Sophie doit vérifier elle-même : la calibration de Jev sur ses données. TypeSafe le dit dans sa doc : les seuils de confiance sont spécifiques à chaque cas d'usage et doivent être testés contre tes propres exemples étiquetés. Sophie prend 500 tickets déjà classifiés par son équipe, les fait passer par Jev, et compare. Si le modèle dit "confiance 0,90" et a raison 90% du temps, la calibration est bonne. Si il dit "0,90" et a raison 75% du temps, le modèle est surconfiant et les seuils doivent être ajustés. Personne ne peut faire ce test à sa place.

L'autre limite : Jev ne fait pas tout. Si un ticket demande une réponse personnalisée (résumer le problème, rédiger une réponse au client), il faut toujours un LLM. Jev classifie, score, vérifie. Il ne rédige pas. Sophie garde un LLM pour la rédaction et utilise Jev pour le routing et la priorisation. Les deux sont complémentaires.

Le manifeste et la philosophie

Le manifeste de TypeSafe est clair sur la posture : "Build Prod, not God." L'entreprise ne court pas après l'AGI. Elle part du principe que l'intelligence des modèles actuels suffit déjà à créer de la valeur économique massive, mais que le blocage n'est pas l'intelligence brute, c'est la fiabilité. Une intelligence qu'on ne peut pas enterrer dans une dependency chain cinq couches profond sans la surveiller, c'est une intelligence qu'on ne peut pas composable.

L'analogie de TypeSafe : les bases de données avant SQL. Puissantes, mais chaque usage était bespoke. Quand la query est devenue aussi fiable qu'un appel de fonction, les développeurs ont empilé les abstractions. L'explosion Cambrienne de software qui en a résulté, personne ne l'avait dessinée top-down. TypeSafe veut faire la même chose avec l'intelligence : en faire un primitif qu'un développeur peut invoquer pour du jugement sémantique, comme il invoque une fonction pour du calcul exact.

Le nom "System One" vient de Kahneman (Thinking, Fast and Slow). System 1, c'est la pensée rapide et intuitive. System 2, la pensée lente et délibérée. Les LLMs actuels imitent System 2 : ils réfléchissent, génèrent, s'expliquent. Jev imite System 1 : il prend des décisions rapides, structurées, avec un estimateur de confiance. Le choix du nom "Jev" vient de William Stanley Jevons, l'économiste du 19e siècle. Le paradoxe de Jevons dit que quand l'efficacité d'une ressource augmente, la demande augmente aussi. TypeSafe parie que chaque ordre de grandeur en moins sur le coût de l'intelligence débloque des ordres de grandeur de cas d'usage.

Ce que ça change si tu apprends l'IA

Les modèles ne sont pas tous des générateurs de texte. Jev est un modèle qui ne sort pas de texte du tout. Il sort des décisions typées avec des probabilités. Comprendre ça, c'est savoir que "modèle IA" ne signifie plus "LLM". Il existe d'autres catégories, optimisées pour d'autres usages. Les LLMs sont faits pour les humains. Jev est fait pour le code.
La calibration est la compétence qui rend l'IA automatisable. Un modèle surconfiant ne peut pas être automatisé : il dira "oui, je suis sûr" même quand il a tort. Un modèle calibré dit "je suis sûr à 70%" et ton code décide si 70% suffit pour agir ou s'il faut un humain. La compétence pratique : savoir mesurer la calibration d'un modèle sur tes données, fixer des seuils de confiance, et construire des workflows qui escaladent vers un humain quand le modèle n'est pas assez sûr.
Composable veut dire empilable. Jev renvoie des décisions typées que ton code peut brancher comme des if-statements flous. Pas besoin de parser du texte, pas besoin de retry sur du JSON cassé. La promesse : tu empile des décisions IA dans une pipeline comme tu empiles des appels de fonction. La limite : chaque décision reste un jugement, pas une vérité. Le code autour du modèle fait le travail de contrainte. Le modèle fait le jugement. La composition, c'est ton boulot.

Aller plus loin

Pour comprendre comment un agent IA utilise des outils et enchaîne des étapes, notre article sur comment fonctionne un agent IA pose les bases du tool use et de l'orchestration. Pour voir les garde-fous à mettre en place quand un agent accède à tes données, le guide sur les garde-fous des agents IA détaille le moindre privilège et le human in the loop. Pour comprendre l'évolution des modèles frontier, notre article sur DeepSeek V4.1-Flash et le KV cache réduit 8x couvre une autre direction d'innovation architecturelle. Et pour t'entraîner à ces notions en 5 minutes par jour, l'app saisir.ai propose des modules interactifs sur les modèles, les agents et le déploiement, en français, sans coder.

Sources

Questions fréquentes

C'est quoi TypeSafe AI et Jev ?: TypeSafe AI est un lab fondé par Diogo Almeida, co-auteur du papier InstructGPT qui a mené à ChatGPT. Il est sorti de stealth le 15 septembre 2026 avec 40 millions de dollars de financement. Jev est son premier modèle, appelé System One Model. Il ne génère pas de texte : il prend des décisions typées (choix, score, vrai/faux) avec des probabilités et un score de confiance, conçues pour être consommées directement par du code.
Combien coûte Jev ?: Jev coûte 0,042 dollar par million de tokens en entrée (42 dollars par milliard de tokens). La sortie est gratuite, parce qu'il n'y a pas de génération autoregressive à facturer. TypeSafe affirme être jusqu'à 200 fois plus rapide et 400 fois moins cher que les LLMs comparables sur les tâches pour lesquelles Jev est conçu.
Jev peut-il remplacer un LLM ?: Non. Jev ne génère pas de texte, ne rédige pas de résumés, ne écrit pas de code. Il classifie, score et vérifie. Pour les tâches qui demandent de la génération de texte (réponses aux clients, résumés, code), un LLM reste nécessaire. Jev et les LLMs sont complémentaires : Jev pour le routing et la décision, un LLM pour la rédaction.
Qu'est-ce que RLCD et la calibration ?: RLCD (Reinforcement Learning for Calibrated Decisions) est la méthode d'entraînement de TypeSafe. Au lieu d'optimiser pour la préférence humaine (RLHF) ou pour des récompenses vérifiables (RLVR), RLCD optimise pour la calibration : un modèle qui dit être sûr à 70% doit avoir raison 70% du temps. La calibration permet à ton code de décider quand agir automatiquement et quand escalader vers un humain.
Que veut dire zéro hallucination pour Jev ?: La garantie est structurelle : les réponses possibles sont définies avant que le modèle tourne (tu fournis les options, l'échelle ou l'affirmation). Jev ne peut pas produire une valeur hors type. Ça élimine les erreurs de format (JSON invalide, clé inexistante, tool call malformé). Ça n'élimine pas les erreurs de jugement : Jev peut classer un ticket dans la mauvaise catégorie, et la réponse sera parfaitement bien formée tout en étant fausse.