Qu’est-ce que Jev, le modèle de décision de TypeSafe AI ?

Jev, c’est quoi ?

Jev est le modèle de décision de TypeSafe AI. Vous lui envoyez un contenu, appelé state, et des questions typées. Il renvoie une réponse structurée par question, avec des probabilités. Il ne génère aucun texte.

TypeSafe le présente comme le premier modèle System One. Le nom vient du Système 1 de Kahneman, celui des jugements rapides. Nous détaillons ce concept dans notre article sur les modèles System One.

En pratique, Jev remplace l’appel LLM à qui l’on demande de « répondre en JSON » pour trier, classer ou noter. Votre code reçoit une valeur prête à brancher dans un if.

Qui est derrière Jev ?

• L’éditeur : TypeSafe AI, une société de San Francisco fondée en 2024.
• Le lancement : Jev est sorti sur liste d’attente le 15 septembre 2026, avec une annonce de TypeSafe. Il a été ouvert à tous le 20, puis les nouvelles inscriptions ont été suspendues le 22, face à la demande.
• Le financement : un tour d’amorçage de 40 millions de dollars mené par DCVC, selon Wikipédia et la presse.
• Les fondateurs : Diogo Almeida, passé par OpenAI, avec Erik Gafni et Sasha Sheng. TypeSafe présente Diogo Almeida comme co-inventeur du RLHF, la méthode d’entraînement derrière ChatGPT.

Que renvoie Jev ?

Jev connaît trois types de questions, que TypeSafe appelle des primitives. Vous pouvez les mélanger dans un même appel.

• Les probabilités d’une choice ont une somme de 1.
• La confiance résume leur répartition. La documentation en donne une approximation, (n × p − 1) ÷ (n − 1), où p est la plus forte probabilité. Nos appels réels la retrouvent : avec 3 options et 0,75 sur la meilleure, Jev a renvoyé une confiance de 0,63.
• Le score est la moyenne des niveaux pondérée par leurs probabilités. Il peut tomber entre deux niveaux.
• La noul n’a pas de champ de confiance. Vous fixez vous-même le seuil.
• Le champ model indique la version exacte qui a répondu.

Voici la forme d’une requête. Chaque clé de questions est un nom que vous choisissez. La réponse revient sous la même clé.

{
  "model": "jev-1.13.0",
  "state": "Bonjour, j’ai été prélevé deux fois ce mois-ci. Pouvez-vous me rembourser ?",
  "questions": {
    "team": {
      "type": "choice",
      "instructions": "Which team should handle this ticket?",
      "criteria": {
        "billing": "Payment or subscription issues",
        "technical": "Bugs or integration problems",
        "sales": "Pricing or account questions"
      }
    },
    "urgent": {
      "type": "noul",
      "instructions": "The message conveys urgency or time-sensitivity"
    }
  }
}

Lors de notre test, un ticket de facturation en français, envoyé par le relais de notre démo, a donné ceci :

• Service : billing, avec une confiance de 1.
• Urgence, en noul : 0,07.
• Frustration, en score : 0,02.
• 494 ms de bout en bout, 499 tokens d’entrée pour 3 questions, réponse signée jev-1.13.0.

Un seul ticket ne dit rien de la précision. Il montre la forme des réponses et un ordre de grandeur de latence réelle, relais compris. Vous pouvez refaire l’essai sur notre démo.

À quoi sert Jev ?

Jev sert aux décisions fermées, répétées et à fort volume. Celles dont la réponse tient dans une liste connue d’avance.

• Router un ticket, un e-mail ou une demande vers la bonne équipe.
• Noter une urgence, un risque ou une qualité sur une grille que vous définissez.
• Vérifier qu’une affirmation est vraie d’un document avant d’agir.
• Filtrer des passages RAG avant de les confier à un LLM.
• Servir de garde-fou sur les entrées et les sorties d’un LLM.
• Choisir la bonne valeur parmi des candidats trouvés par une regex.

Le point clé est la confiance. Au-dessus d’un seuil, votre code agit. En dessous, il passe la main à un LLM ou à un humain. C’est le schéma de notre guide Jev dans n8n.

Ce que Jev ne fait pas

• Rédiger : pas de réponse client, pas de résumé, pas de code.
• Remplacer le LLM d’un agent de code : la documentation l’écarte clairement.
• Calculer : compter, comparer des montants ou des dates sont des points faibles documentés. Ce travail reste dans votre code.
• Raisonner en plusieurs étapes : les doubles négations et les questions à plusieurs sauts perdent en fiabilité.
• Lire autre chose que du texte : ni image, ni audio, ni vidéo.
• Résister à l’injection : un contenu écrit pour orienter le modèle peut déplacer sa réponse. TypeSafe le reconnaît dans sa liste des faiblesses de jev-1.13.

Combien coûte Jev ?

Jev coûte 0,042 $ par million de tokens d’entrée. Les tokens de sortie sont gratuits. Ce sont les tarifs publics de la page Models.

Notre ticket de test a consommé 499 tokens. Un million d’appels de cette taille coûterait environ 21 $.

• Les limites de débit peuvent changer sans préavis pendant la montée en charge, prévient TypeSafe.
• TypeSafe reconnaît ne pas pouvoir prouver que ce prix n’est pas subventionné.
• Les cas que vous renvoyez à un LLM restent facturés au prix du LLM.

Versions et alias : jev-latest ou jev-1.13.0 ?

Épinglez la version en production. Le seul modèle actuel est jev-1.13.0. Deux alias pointent vers lui.

• jev-latest suit la dernière version stable. C’est la valeur par défaut des SDK.
• jev-preview suit la dernière version, officielle ou non. Aucune préversion n’existe pour l’instant.

Un alias bouge quand une version sort. Vos réponses changent alors sans aucune modification de votre côté, et vos seuils de confiance avec. Gardez la version exacte dans votre journal de décisions.

Jev fonctionne-t-il en français ?

Oui, mais l’anglais passe en premier. TypeSafe indique que l’anglais est la langue principale d’entraînement. Les autres langues sont acceptées, avec une précision moindre.

Notre ticket français a été bien classé. C’est un cas, pas une mesure. Avant de router du trafic en français, mesurez Jev sur quelques centaines de vos propres cas et surveillez la confiance.

Où vont vos données ?

• Hébergement : aux États-Unis, selon la politique de confidentialité de TypeSafe.
• Transfert : TypeSafe n’apparaît pas dans la liste Data Privacy Framework au 23/09/2026. Les transferts depuis l’UE reposent sur les clauses contractuelles types de son DPA.
• Entraînement : Jev n’est pas entraîné sur les requêtes clients. Les mêmes poids servent tous les comptes, sans fine-tuning sur vos données.
• Rétention : la rétention zéro est proposée aux clients entreprise, d’après la page Legal.

Pour des données personnelles, pseudonymisez avant l’envoi et faites valider le transfert par votre DPO.

Les limites à connaître avant de s’engager

• Accès anticipé : le produit est sorti le 15 septembre 2026. Les inscriptions sont suspendues temporairement face à la demande.
• Chiffres de l’éditeur : TypeSafe annonce jusqu’à 193,6 fois plus de vitesse et 444,6 fois moins de coût. Ces chiffres viennent de ses propres workflows, et TypeSafe les place lui-même dans le haut de la fourchette.
• « Pas d’hallucination » : c’est l’argument de TypeSafe. Jev ne peut pas sortir du schéma, mais il peut se tromper avec assurance.
• Calibration : elle se juge sur des groupes de prédictions, jamais sur une réponse isolée. Elle reste à vérifier dans votre langue et sur vos données.

Comment essayer Jev ?

1. Le Playground de TypeSafe, si votre compte est ouvert : collez un texte, ajoutez des questions.
2. L’API : POST https://api.typesafe.ai/v1/systemone, avec votre clé dans l’en-tête Authorization. Des SDK existent en Python et en JavaScript. Voir le démarrage rapide.
3. Notre démo, qui appelle Jev par notre relais.
4. Notre guide n8n, pour un workflow de routage complet avec repli vers votre LLM.

Si un LLM prend déjà ces décisions chez vous, la vraie question est ailleurs. Jev fait-il aussi bien sur vos cas, pour moins cher ? Cela se mesure en mode shadow, sans toucher à la production.

Jev et TypeSafe sont des marques de TypeSafe AI, Inc. Cet article est indépendant et n’est pas affilié à TypeSafe AI.