Jev, de TypeSafe, renvoie des décisions typées, pas du texte

TypeSafe AI a présenté le 15 septembre 2026 un modèle incapable d'écrire une phrase. Jev prend en entrée l'état désordonné d'un programme en cours d'exécution et renvoie une valeur structurée et typée. L'annonce de l'entreprise indique qu'il produit cette valeur entière en une seule passe, et non token par token. TypeSafe appelle cela un modèle System One, une classe qu'elle dit conçue pour l'automatisation plutôt que pour la conversation.

L'échange est explicite. Jev abandonne totalement la génération de texte et, en retour, l'entreprise annonce une latence de 70 à 500 millisecondes et un prix d'entrée de 0,042 dollar par million de tokens, la sortie étant gratuite.

Ce qu'un modèle System One fait différemment

Un modèle de langage ordinaire écrit de gauche à droite, en choisissant un token à la fois, et une réponse structurée s'extrait de ce flux à force de contorsions. TypeSafe inverse la chose. Jev reçoit la structure d'avance et la remplit d'un coup.

Les sorties portent des probabilités calibrées. Chaque décision arrive donc avec un indice de confiance censé correspondre à la fréquence réelle des bonnes réponses. TypeSafe dit avoir entraîné le modèle par une méthode nommée Reinforcement Learning for Calibrated Decisions, et non par l'approche RLHF des modèles de conversation. L'objectif affiché est que les indices de confiance suivent la précision réelle.

Artificial Intelligence News rapporte un mécanisme concret derrière l'ampleur de ces choix. Pour les sélections à nombreuses options, jusqu'à 255, Jev note les candidats en deux étapes indépendantes avant de trancher.

Le fondateur est Diogo Almeida, qui a travaillé sur la recherche ChatGPT chez OpenAI. L'entreprise et Gigazine disent tous deux que TypeSafe est resté deux ans en mode furtif avant ce lancement.

Les chiffres, et qui les a produits

Tous les chiffres ci-dessous viennent de TypeSafe ou de reprises des affirmations de TypeSafe. Aucune mesure indépendante n'existe encore.

Affirmation	Chiffre
Latence	70 à 500 millisecondes de bout en bout
Vitesse face aux modèles de pointe	40 à 200 fois selon TypeSafe ; Gigazine indique 20 à 200 fois
Sur les workflows à plusieurs étapes	193,6 fois plus rapide et 444,6 fois moins cher
Prix d'entrée	0,042 dollar par million de tokens, contre 0,20 à 10 dollars pour les modèles de conversation
Erreurs de type	0%
Démo	Un bot DOOM à environ 10 requêtes par seconde, pour 7 dollars de l'heure

Le chiffre DOOM est le plus utile, parce que c'est un débit et non un rapport. Dix décisions par seconde à sept dollars l'heure est un chiffre comparable à votre propre charge.

L'affirmation phare demande de la prudence. TypeSafe dit que l'hallucination est mathématiquement impossible, et le mécanisme décrit est la sûreté de typage : la sortie doit respecter la structure que vous avez définie. Cela garantit la forme d'une réponse, pas sa vérité. Une décision peut être parfaitement typée, passer la validation et rester fausse. C'est précisément à cela que sert l'indice de confiance.

Ce que cela signifie pour les développeurs

La façon honnête d'évaluer cela est comme un remplacement d'un appel précis, et non de votre modèle. Imaginez une étape d'un pipeline qui demande à un LLM de choisir parmi des options fixes et de renvoyer du JSON. C'est la forme pour laquelle Jev est fait. Classification, routage, classement et choix d'outil conviennent. Tout ce qui doit produire de la prose ne convient pas, parce que le modèle ne sait pas le faire.

Chiffrez la comparaison sur votre propre trafic avant de croire les multiplicateurs. Des tokens de sortie gratuits changent le calcul surtout là où la réponse est petite et l'entrée grande, ce qui est exactement la forme d'un appel de décision. Une charge de résumé n'en tirerait aucun bénéfice.

Traitez les tests du fournisseur comme ce site a traité les chiffres du CRM Bench de Salesforce : comme une affirmation à reproduire, pas comme une mesure sur laquelle planifier. Le chiffre de 193,6 fois est assez précis pour être testable, alors testez-le sur une vraie décision de votre pile.

Deux limites pratiques avant de planifier. L'accès est précoce, via une liste d'attente, avec la documentation sur docs.typesafe.ai : ce n'est donc pas quelque chose à mettre en production cette semaine. Et la promesse de calibration est la partie à vérifier vous-même : journalisez les indices de confiance à côté des résultats pendant une semaine, puis regardez si 0,7 signifie vraiment soixante-dix pour cent.