Le co-créateur de ChatGPT lance « Jev », un modèle qui ne rédige rien et c’est là toute la solution

Anti Language-Language Model : voici le message imprimé sur l’un des t-shirts portés par Diogo Almeida dans une vidéo publiée le 15 septembre 2026.

Face caméra, pendant un peu moins de trois minutes, l’ancien chercheur d’OpenAI y annonce le lancement et les spécificités de Jev, le premier modèle public de sa start-up TypeSafe AI.

Depuis deux ans, celui qui a contribué aux méthodes de fine-tuning par instructions à l’origine de ChatGPT travaillait dans la plus totale discrétion.

Son pitch de lancement s’appuie d’ailleurs largement sur cette expérience : après avoir participé à la création de modèles de chat « surhumains », il dit s’être interrogé sur l’absence d’automatisation massive qu’on aurait pu en attendre.

Sa réponse tient en un nouveau type de modèle, pensé non pas pour discuter et produire des réponses qui satisfassent un humain, mais pour prendre des décisions à la place du code.

En une dizaine d’heures, la vidéo de présentation a dépassé les 10 millions de vues, et l’article de blog associé a grimpé en tête de Hacker News, la référence des communautés tech et développeurs. Mais alors, pourquoi un tel engouement ?

Ce qui distingue vraiment Jev

La réponse tient dans un changement complet d’approche.

Un LLM comme ChatGPT, ou Claude, génère du texte mot par mot (ou plus précisément token par token), chaque mot étant choisi en fonction des précédents.

C’est ce qui le rend flexible. Il peut écrire un poème, du code ou une réponse à une question, mais c’est aussi ce qui le rend lent, coûteux et parfois sujet à l’hallucination. Rien ne garantit que la sortie respecte un format donné.

Jev développe une autre approche. Face à une question structurée, par exemple « quel est le niveau de risque de ce client, sur une échelle de 1 à 5 ? », l’IA ne rédige rien. Elle calcule directement, en parallèle, une réponse typée, c’est-à-dire dans un format défini à l’avance, accompagnée d’une probabilité de confiance. TypeSafe appelle cette catégorie les « System One Models », en référence à la pensée rapide et intuitive théorisée par Daniel Kahneman, par opposition au raisonnement lent des modèles de chat actuels.

Cette approche repose sur une méthode d’entraînement maison, baptisée RLCD (Reinforcement Learning for Calibrated Decisions). Là où l’apprentissage par renforcement classique (RLHF) optimise un modèle pour produire des réponses que des humains préfèrent, la RLCD l’entraîne à livrer des probabilités fiables.

Sur le papier, l’entrepreneur promet des gains spectaculaires avec des temps de réponse de 70 à 500 millisecondes, contre plusieurs secondes, voire minutes, pour un LLM classique. À celà s’ajouterait des coûts 400 fois inférieur, les tokens de sortie étant même gratuits.

Autre argument mis en avant : la fin programmée des hallucinations et l’impossibilité mathématique d’une erreur de format, puisque les réponses possibles sont définies en amont.

Place au test grandeur nature

Jev a déjà réussi une étape majeure, celle de susciter l’intérêt. Reste la seconde, prouver sa valeur sur des cas d’usage réels.

TypeSafe a ouvert aujourd’hui un accès anticipé au modèle, via une liste d’attente sur son site. L’entreprise cible en priorité des tâches d’automatisation logicielle : classification, scoring, routage de requêtes, détection de tentatives de jailbreaks sur d’autres modèles, ou vérification de sorties produites par des agents IA. Autant de fonctions aujourd’hui assurées par des règles de code écrites à la main, ou par des LLM détournés de leur usage premier.

TypeSafe annonce par ailleurs ne publier aucun résultat sur les benchmarks publics, jugés trop sujets aux effets d’annonce, et privilégier des évaluations ponctuelles, propres à chaque mise à jour.

Toute l'actu tech en un clin d'œil

Ajoutez Numerama à votre écran d'accueil et restez connectés au futur !

Installer Numerama