La nouvelle idée de l’un des créateurs de ChatGPT est une IA qui ne sait pas écrire. C’est précisément son avantage

Diogo Almeida n’est pas n’importe quel entrepreneur en IA. Il a travaillé chez OpenAI et a été l’un des auteurs d’InstructGPT, l’étude sur l’apprentissage par renforcement à partir du feedback humain (RLHF) qui a jeté les bases de ChatGPT. Quatre ans plus tard, il a créé une nouvelle société appelée TypeSafe AI et un nouveau modèle appelé Jev. Ce qui est curieux, c’est que ce modèle sacrifie exactement ce qui a rendu ChatGPT célèbre : il ne peut pas générer de texte.

Une IA qui parle aux machines. Lorsqu’un LLM (comme GPT-5.6 Sol, par exemple, que nous utilisons chez ChatGPT) reçoit une question et construit une réponse, il le fait en générant un jeton après l’autre comme un « perroquet stochastique ». Jev est conçu pour autre chose : ce modèle reçoit des informations non structurées et renvoie des décisions accompagnées de probabilités. Par exemple : lors d’une transaction, un programme ou une application pourrait demander à Jev si la transaction pourrait être frauduleuse, si elle nécessite un examen humain et quelle est la priorité de cette alerte. Jev ne plaisante pas : il renvoie simplement les options autorisées et à quel point il « fait confiance » à chacune.

D’où vient le nom ? « Jev » fait référence à l’économiste anglais du XIXe siècle. XIX, William Stanley Jevons, connu pour le paradoxe de Jevons. Selon cette théorie, l’efficacité technologique de l’utilisation du charbon n’a pas réduit sa consommation, mais l’a plutôt augmentée. Cela a fini par devenir un paradoxe transférable au monde technologique et spécifiquement à cette idée. L’objectif est qu’une plus grande efficacité dans la génération de jetons ne réduira pas sa consommation, mais l’augmentera même si les prix baissent. À l’ère des agents IA, cette affirmation semble plausible.

Beaucoup plus rapide et moins cher. En n’ayant pas à taper une réponse textuellement, TypeSafe garantit qu’il peut calculer de très nombreuses décisions en parallèle. L’entreprise parle d’une vitesse entre 20 et 200 fois plus élevée et d’un coût entre 40 et 400 fois inférieur aux modèles d’IA habituels pour ces tâches. Le prix : 42 $ pour 1 milliard de jetons d’entrée (0,042 $ par million de jetons), mais le plus drôle, c’est que les « jetons de sortie » sont gratuits car ils sont « trop bon marché » pour être mesurés.

Jev ne parle pas, décide-t-il. Dans l’une des démos publiées lors de l’annonce officielle, Jev jouait à Doom en prenant environ dix décisions par seconde pour environ sept dollars de l’heure. Dans un autre scénario, j’essayais de passer d’un article Wikipédia à un autre en choisissant à plusieurs reprises parmi des dizaines de liens. Le modèle n’a pas besoin de parler, mais plutôt de décider et de décider à nouveau immédiatement après.

Jev ne peut théoriquement pas halluciner… Si un développeur définit sur sa plateforme qu’une réponse ne peut être que « faible », « moyenne » ou « élevée », l’architecture du modèle garantit que Jev n’inventera pas une quatrième option ou ne renverra pas un format incorrect. Grâce à cela, TypeSafe affirme que Jev a un taux d’hallucinations de 0%, bien qu’il reconnaisse qu’il ne s’agit pas d’un chiffre empirique.

… mais il y a des petits caractères. Ce qu’ils ne garantissent pas, c’est que Jev répond « élevé » alors que la bonne réponse était « faible ». Leur nouvelle technique, appelée (RLCD), est précisément conçue pour que les probabilités reflètent correctement cette incertitude, mais pour le moment il n’existe pas d’article reproductible ni d’évaluations indépendantes permettant de valider cette affirmation.

Est-ce vraiment une révolution ? Les LLM actuels peuvent déjà, par exemple, produire des fichiers JSON, se conformer à certains schémas et limiter leurs réponses à un ensemble d’options prédéterminé. Amjad Masad, PDG de Replit, a posé une question intéressante : si nous connaissons toutes les réponses possibles à l’avance, pourquoi ne pas entraîner un modèle pour produire leurs probabilités ? De plus, les meilleurs résultats de Jev proviennent d’évaluations conçues par l’entreprise elle-même, ce qui, selon eux, peut favoriser leurs résultats en termes de coût et de rapidité. Ceux qui ont pu l’essayer semblent très satisfaits de sa capacité.

Des décisions, des décisions. Lorsque nous parlons à ChatGPT, nous pouvons nous attendre à ce que le modèle explique en détail sa réponse (par exemple) aux raisons pour lesquelles une transaction semble frauduleuse. En réalité, le programme qui devrait l’envoyer en révision n’aurait besoin que d’une décision de « révision » et d’une probabilité (80 %, par exemple). Jev rend totalement inutile la lecture de la réponse par un humain.

Il ne remplace pas ChatGPT, mais le complète. La même chose se produit constamment avec les opérations qui doivent simplement choisir en permanence leur prochaine action. C’est là qu’intervient Jev, qui n’a pas vocation à remplacer ChatGPT. Au lieu de cela, le pari est que certaines des futures IA n’auront même pas besoin de ressembler à un chatbot. L’idée, c’est le moins qu’on puisse dire, est intrigante.

À Simseo | En Chine, les jetons IA sont les nouveaux points de fidélité : ils vous les donnent en mangeant, en buvant ou en utilisant une carte