Modèles décisionnels (1) : pas besoin de mille mots pour décider

Depuis trois ans, nous avons pris l’habitude d’associer intelligence artificielle et génération de texte. On pose une question à un modèle, il réfléchit, il produit quelques dizaines ou quelques centaines de mots. Un humain lit la réponse, ou un programme récupère le résultat et tente d’en faire quelque chose.

Cette façon de travailler est parfaitement logique pour rédiger un courrier, résumer une consultation ou écrire du code. Elle l’est beaucoup moins quand on veut seulement prendre une décision. Et une bonne partie de ce que nous automatisons pour nos clients tient en une décision : ce courriel va-t-il au secrétariat ou à la comptabilité, ce dossier est-il complet, ce message de patient est-il urgent.

Le 15 septembre 2026, une société de San Francisco, TypeSafe AI, a présenté un modèle qui ne fait que cela. Il s’appelle Jev, et il ne sait pas écrire une phrase. Cette première partie explique ce que ce modèle change par rapport à un modèle génératif, ce qui est vérifié et ce qui ne l’est pas encore, et pourquoi la même capacité existait déjà, en partie, dans les modèles ouverts que chacun peut faire tourner chez soi. La seconde partie regarde ce que devient l’automatisation quand une décision coûte cent millisecondes au lieu de dix secondes.

Ce qu’un modèle génératif fait vraiment quand on lui demande une décision

Prenons un exemple banal. Un client écrit : « J’ai reçu ma commande, mais le produit est cassé. » Nous voulons savoir à quel service transmettre le message, avec quelle priorité, et si un remboursement est envisageable.

La pratique courante consiste à demander à un grand modèle de langage de répondre dans un format structuré que le programme sait lire. Le modèle écrit alors, sous forme de texte, l’équivalent de ce petit tableau :

Il faut regarder comment ce résultat est produit. Un modèle de langage écrit par petits morceaux de texte, que l’on appelle des jetons (tokens en anglais) : un mot, une partie de mot, une accolade, un guillemet. Chaque jeton est choisi en fonction de tous les précédents, l’un après l’autre. La réponse ci-dessus fait une trentaine de jetons, donc une trentaine de passages successifs dans le modèle. Le mode « sortie structurée » que proposent les fournisseurs ne change rien à ce mécanisme : il interdit à chaque étape les jetons qui casseraient le format, mais la réponse reste écrite jeton par jeton.

Notre programme attend ensuite que le texte soit terminé, vérifie qu’il est bien formé, en extrait les champs, puis applique sa propre règle. Le trajet complet ressemble à ceci :

Le détour coûte du temps, quelques secondes par appel, et il ouvre une porte aux erreurs de format que le programme doit ensuite rattraper.

Un modèle qui ne sait pas écrire

Jev supprime ce détour. Le programme lui envoie un état, c’est-à-dire une description de la situation en texte libre ou en données, et une ou plusieurs questions dont les réponses possibles sont fixées à l’avance. TypeSafe propose trois types de questions : un choix entre des options nommées, une note sur une échelle décrite par des niveaux, et une réponse oui ou non. Le modèle renvoie, pour chaque question, une valeur typée et une probabilité par option. Voici, simplifié, le genre de réponse documenté par TypeSafe :

Il n’y a plus de texte à interpréter. Les sorties possibles étaient définies avant l’appel, et le programme reçoit des nombres qu’il sait comparer à un seuil. Toutes les questions posées sur un même état sont évaluées ensemble, en un seul passage, et non l’une après l’autre.

Mis côte à côte, les deux trajets se résument ainsi :

C’est le point qui mérite d’être souligné, parce que le reste en découle. Jusqu’ici, la décision était un sous-produit de la génération : on faisait écrire le modèle, puis on lisait dans son texte ce qu’il avait décidé. Jev renverse la relation.

TypeSafe appelle Jev un « System One Model ». L’expression renvoie aux deux systèmes de pensée décrits par le psychologue Daniel Kahneman : le système 1, rapide et intuitif, qui reconnaît un visage ou sent qu’un message est agressif sans y réfléchir, et le système 2, lent et délibéré, qui pose une multiplication ou pèse un argument. Les modèles de raisonnement apparus en 2024 et 2025, ceux qui « réfléchissent » avant de répondre, ont été présentés comme des systèmes 2 artificiels. TypeSafe fait le mouvement inverse et revendique un système 1 : un jugement immédiat, sans raisonnement écrit, vendu comme un produit à part entière.

TypeSafe en tire une affirmation forte, que son annonce formule ainsi.

On dit d’un modèle de langage qu’il hallucine lorsqu’il écrit avec aplomb une chose fausse ou inventée. Au sens strict, l’affirmation tient : un modèle qui n’écrit rien ne peut inventer ni une option, ni un champ, ni un fait, et sa réponse reste toujours parmi les choix qu’on lui a fournis. Elle ne dit pas pour autant que le choix est juste. Jev peut encore retenir la mauvaise option avec une confiance élevée, et c’est pourquoi la qualité des probabilités qu’il renvoie compte autant.

L’entreprise décrit une méthode d’entraînement qu’elle nomme Reinforcement Learning for Calibrated Decisions. L’objectif annoncé n’est pas que la réponse plaise à un relecteur humain, comme dans l’entraînement des assistants conversationnels, mais que la probabilité renvoyée corresponde à la fréquence réelle des bonnes réponses : quand le modèle dit 0,8, il devrait avoir raison huit fois sur dix. TypeSafe annonce des temps de réponse compris entre 70 et 500 millisecondes selon la charge, un exemple de flux de travail exécuté en 114 millisecondes contre 8,6 secondes pour la même chaîne confiée à un grand modèle de langage, et un prix de 0,042 dollar par million de jetons d’entrée.

Ces chiffres appellent trois réserves, que nous reprenons des premières analyses publiées dans la semaine du lancement. D’abord, ils viennent de TypeSafe : les comparaisons de vitesse et de coût prennent pour référence des modèles qui rédigent un raisonnement complet, et l’écart se resserre nettement face au modèle le plus proche en précision. Ensuite, le jeu de test interne est noté par d’autres modèles de langage, pas par des relecteurs humains, et aucune courbe de calibration n’a été publiée à ce jour : la documentation renvoie l’utilisateur à ses propres mesures. Enfin, Jev est un service fermé, dont ni l’architecture ni la taille ne sont connues. Une partie des commentateurs y voit un classificateur soigneusement entraîné plutôt qu’une rupture. Ce débat ne retire rien à ce qui nous intéresse ici, qui est le changement d’interface, et il justifie de regarder ce que les modèles ouverts permettent déjà.

SemIf : la même capacité, lue dans un modèle ouvert

Dès le lendemain de l’annonce, le 16 septembre, un développeur indépendant, Theodore Lee, a publié un projet nommé d’abord OpenJev, puis SemIf, sans lien avec TypeSafe. Le projet ne cherche pas à reproduire le modèle, dont rien n’est public, mais l’interface : une situation, des options, des probabilités.

SemIf s’appuie sur Qwen3.5-4B, un modèle ouvert de quatre milliards de paramètres qui tient sur une carte graphique de particulier. Il ne lui demande pas d’écrire. Il lui présente la situation, la question et les options étiquetées A, B, C, et il lit directement les scores que le modèle attribue à chacune de ces lettres pour le jeton suivant. Ces scores internes, que l’on appelle des logits, existent à chaque étape dans tout modèle de langage : ce sont les nombres à partir desquels le prochain jeton est normalement tiré. SemIf les convertit en probabilités et s’arrête là. Aucun jeton n’est généré.

L’auteur appelle cela un semantic if : une condition logicielle dont la règle n’est pas écrite dans le code, mais comprise par un modèle. Le modèle apporte sa connaissance du langage et du monde. Il sait qu’un patient qui décrit une douleur intense deux jours après une opération ne raconte pas la même chose qu’un patient qui réclame une facture. On ne lui demande simplement plus de le dire.

La mesure publiée est nette. Sur une carte RTX 3090, avec exactement le même Qwen3.5-4B, la même situation et les mêmes 21 questions binaires, la lecture directe des scores a produit les 21 paires de probabilités en 1,023 seconde, sans générer un seul jeton. Faire écrire au même modèle un tableau compact de 21 valeurs a pris 5,332 secondes, soit cinq fois plus. Les deux lectures étaient d’accord sur 18 des 21 questions, ce que l’auteur présente honnêtement comme une comparaison de vitesse, et non comme une preuve que les deux méthodes décident la même chose.

Il est tout aussi honnête sur ce qui manque. Inverser l’ordre des options a fait changer 10 réponses sur 144 dans son jeu de test. Et il écrit que la probabilité obtenue est un score conditionnel aux options fournies, « pas une confiance opérationnelle calibrée ». Ces deux faiblesses ne sont pas nouvelles : la recherche a décrit dès 2021 que les modèles de langage favorisent certaines réponses selon leur position ou leur fréquence dans les textes d’entraînement, et proposé des corrections. D’autres projets ouverts, parus la même semaine, s’y attaquent en affinant un petit modèle spécifiquement pour ce mode de sortie.

Ce que SemIf montre est donc limité, mais conceptuellement important.

Pourquoi ne pas utiliser du machine learning classique ?

À première vue, tout cela ressemble beaucoup à ce que l’on sait faire depuis vingt ans avec une régression logistique, une forêt aléatoire ou XGBoost, des méthodes qui apprennent à classer à partir d’exemples étiquetés. Et sur une famille de problèmes, ces méthodes restent supérieures.

Supposons que l’on veuille estimer le risque d’une complication après une chirurgie oculaire à partir de variables parfaitement structurées : l’âge, la pression intraoculaire, l’épaisseur de la cornée, le type d’intervention, les antécédents. Si l’on dispose de plusieurs dizaines de milliers de dossiers correctement renseignés, faire appel à un modèle de quatre milliards de paramètres serait une mauvaise hypothèse de départ. Un modèle à base d’arbres est minuscule, tourne sur un processeur ordinaire en une fraction de milliseconde et apprend précisément la relation statistique qui nous intéresse. Une étude de référence de 2022 le confirme sur 45 jeux de données tabulaires : les arbres restent devant les réseaux de neurones sur des données de taille moyenne, même sans compter leur avantage de vitesse.

Prenons un message reçu par le secrétariat d’un cabinet : « J’ai été opéré avant-hier et depuis ce matin je vois beaucoup moins bien. Mon œil me fait très mal. » Nous souhaitons choisir entre quatre suites : une réponse administrative, une consultation normale, un avis médical rapide, une urgence. Pour construire un classificateur classique, il faut réunir assez de messages, fixer les catégories, faire annoter chaque exemple par quelqu’un qui sait lire un message de patient, nettoyer, entraîner, puis recommencer le jour où le cabinet change ses catégories. Les études qui comparent les deux approches situent le point de bascule bas, autour de quelques centaines d’exemples annotés : au-delà, un petit modèle affiné bat le grand modèle utilisé sans exemples. Mais en dessous, et surtout au premier jour, le grand modèle est le seul à répondre.

Un modèle généraliste possède déjà une représentation de concepts comme chirurgie récente, douleur, baisse de vision ou urgence. SemIf ou Jev l’exploitent immédiatement, sans jeu de données local. Le machine learning traditionnel apprend votre problème particulier. Le modèle généraliste a déjà appris un modèle approximatif du monde, et vous lui indiquez, dans la requête, le problème particulier que vous voulez résoudre.

Les catégories sortent du modèle et entrent dans le programme

Cette propriété devient précieuse en automatisation, parce que les organisations changent d’avis. Un classificateur entraîné pour trier entre « spam », « normal » et « urgent » a appris ces trois classes. Si l’organisation décide six mois plus tard de distinguer le secrétariat, la comptabilité, le support technique, la direction et l’urgence, le problème a changé et il faut réannoter puis réentraîner. Une étude de 2026 sur la détection d’intention le mesure sans détour : un classificateur figé obtient zéro sur un nouveau schéma de catégories, là où un modèle généraliste continue de répondre.

Le développeur garde la structure du problème sous son contrôle, dans du code qu’il peut lire, tester et modifier, et le modèle ne fournit que la partie difficile à écrire : comprendre ce que signifie la situation observée. Cela rapproche l’intelligence artificielle du logiciel ordinaire, et c’est exactement la place que nous lui donnons dans notre méthode d’automatisation : des micro-processus dont chaque étape est lisible, avec le modèle là où une règle écrite ne suffit pas.

Ce que la suite explore

Résumons. Un modèle génératif écrit un texte que le programme doit ensuite relire pour y trouver une décision. Un modèle décisionnel reçoit la situation et les options, et renvoie une probabilité par option, en un seul passage. Les catégories ne sont plus figées dans le modèle ; elles sont écrites dans le programme, où l’on peut les lire et les changer. Et cette capacité n’est pas réservée à un service fermé : SemIf montre qu’une partie en existe déjà dans un modèle ouvert de quatre milliards de paramètres, au prix de limites que son auteur documente lui-même.

Tout cela ferait de Jev ou de SemIf des classificateurs plus souples, et ce serait déjà utile.

À cette vitesse, le modèle entre dans des boucles où l’on observe, où l’on compare plusieurs actions avant d’agir, et où un petit modèle spécialisé finit par prendre le relais sur les cas fréquents. C’est l’objet de la seconde partie de cet article.

Si vous avez un processus où une décision revient des dizaines de fois par jour et repose aujourd’hui sur la lecture d’une personne, un échange de trente minutes suffit généralement à savoir si un modèle de ce type lui convient. Écrivez-nous en bas de page, ou réservez directement un créneau dans notre agenda.

Sources

• TypeSafe AI, Introducing System One Models & Jev (15 septembre 2026)
  Annonce officielle : les trois types de questions, l’évaluation parallèle, la méthode d’entraînement, les latences de 70 à 500 ms, l’exemple à 114 ms et le prix.

• TypeSafe AI, documentation : confidence
  Page qui décrit le score de confiance et renvoie l’utilisateur à ses propres mesures pour la calibration.

• Business Wire, TypeSafe AI Emerges From Stealth With $40M in Funding (15 septembre 2026)
  Communiqué de lancement : financement, fondateurs et positionnement.

• Pear Pages, Jev, sorted: what TypeSafe’s System One model actually is, and what is still just a claim (16 septembre 2026)
  Analyse critique des comparaisons publiées par TypeSafe et de l’absence de courbes de calibration.

• Hacker News, discussion du lancement de TypeSafe AI
  Réception par les développeurs, dont l’objection « c’est un classificateur ».

• Theodore Lee, SemIf (anciennement OpenJev), dépôt GitHub
  Méthode de lecture directe des scores, mesure 1,023 s contre 5,332 s sur RTX 3090, tests de perturbation et limites énoncées par l’auteur.

• Zhao et al., Calibrate Before Use: Improving Few-Shot Performance of Language Models (ICML 2021)
  Biais de position et de fréquence dans les réponses des modèles de langage, et correction proposée.

• Zheng et al., Large Language Models Are Not Robust Multiple Choice Selectors (ICLR 2024)
  Sensibilité des modèles à l’ordre et à l’étiquette des options.

• Grinsztajn, Oyallon, Varoquaux, Why do tree-based models still outperform deep learning on tabular data? (NeurIPS 2022)
  Référence pour la supériorité des arbres sur les données tabulaires de taille moyenne.

• Bucher et Martini, Fine-Tuned ‘Small’ LLMs (Still) Significantly Outperform Zero-Shot Generative AI Models in Text Classification (2024)
  Point de bascule autour de quelques centaines d’exemples annotés.

• When Do LLMs Replace Fine-Tuned NLU? A Decision Framework for Intent Detection in Production Conversational Systems (2026)
  Comparaison sur un schéma de catégories qui change : le classificateur figé ne répond plus.