Cette IA n'écrit pas de code. Elle décide.

Jev, une nouvelle IA de TypeSafe AI, n'est pas une énième IA bavarde. C'est un modèle de système 1, conçu pour une prise de décision intuitive et instantanée, ce qui contraste fortement avec les modèles de langage (LLM) comme Claude et GPT. Alors que les LLM s'engagent dans un raisonnement lent de « système 2 » pour générer du texte, Jev fournit des réponses rapides et définitives.

Son fonctionnement est simple : fournissez à Jev un « état » — un contexte tel qu'une chaîne de caractères ou un objet JSON — et une liste de questions à choix multiples. Jev traite toutes les questions en parallèle, renvoyant des probabilités structurées et des scores de confiance. Il ne s'agit pas de générer du texte de manière séquentielle ; il s'agit d'une évaluation directe et simultanée.

Pour ces tâches de décision spécifiques, les performances de Jev sont stupéfiantes. Il fonctionne 20 à 200 fois plus vite que les LLM, avec des temps de réponse généralement compris entre 70 et 500 millisecondes. Plus important encore, il est 40 à 1 000 fois moins cher, avec des jetons d'entrée coûtant environ 0,042 $ par million et des jetons de sortie gratuits. Cette vitesse et cette rentabilité rendent enfin la prise de décision automatisée à haut volume pratique et économiquement viable, modifiant fondamentalement l'économie des flux de travail IA, en particulier pour le codage par IA.

Les assistants de codage IA sont souvent trop zélés, lisant vos fichiers .env ou supprimant des dossiers entiers sans réfléchir. Même des règles globales soigneusement élaborées échouent lorsque le contexte s'alourdit ou que les prompts offrent des solutions de contournement, permettant aux agents d'effectuer des actions destructrices. S'appuyer sur un modèle de langage traditionnel pour vérifier chaque action est lent et prohibitif, coûtant des centaines ou des milliers de dollars par mois. Les méthodes basées sur les Regex sont bon marché mais imprécises, manquant de nombreuses menaces et créant des faux positifs frustrants.

Jev agit comme un garde de sécurité incorruptible, intégré via un hook PreToolUse. Ce hook intercepte l'action prévue d'un agent, comme l'exécution d'une commande ou la lecture d'un fichier, avant l'exécution. Jev analyse rapidement le nom de l'outil, son effet, ses entrées et le répertoire de travail actuel par rapport à une liste de contrôle des risques de sécurité :

• Exposition de secrets (ex. : lecture de fichiers .env)
• Destruction de données (ex. : suppression de dossiers)
• Exfiltration d'informations (ex. : via injection de prompt)
• Sortie du cadre de la tâche

Les résultats sont impressionnants. Jev offre une précision de niveau LLM pour ces contrôles de sécurité critiques avec pratiquement zéro faux positif. Il est également incroyablement efficace : 20 à 200 fois plus rapide que les LLM, avec des temps de réponse généralement compris entre 70 et 500 millisecondes. Cela le rend 40 à 1 000 fois moins cher, coûtant seulement 0,042 $ par million de jetons d'entrée, les jetons de sortie étant gratuits. C'est une sécurité robuste sans la perte habituelle de performance ou de coût.

Les LLM ont du mal avec les exigences en temps réel. Imaginez un agent IA essayant de jouer à un jeu vidéo tournant à 60 images par seconde. Un modèle de langage standard, prenant de précieuses secondes pour traiter et générer une réponse, verrait l'état du jeu changer complètement avant même de pouvoir décider de son prochain mouvement. Cette lenteur inhérente rend les LLM peu pratiques pour les environnements dynamiques et en évolution rapide où les décisions à la fraction de seconde sont essentielles.

Jev, cependant, excelle ici. Sa latence inférieure à la seconde — souvent entre 70 et 500 millisecondes — lui permet de prendre des décisions presque instantanément. Cela signifie que Jev peut agir comme un testeur de jeu en temps réel, décidant d'« attaquer », d'« esquiver » ou de « bouger » image par image. De tels réflexes rapides révèlent des bugs et des problèmes d'interaction subtils que les méthodes de test statiques traditionnelles manqueraient tout simplement.

Au-delà du gaming, la vitesse de Jev révolutionne également le browser testing. L'automatisation des clics et de la navigation devient nettement plus rapide, moins coûteuse (jusqu'à 1 000 fois moins chère que les LLM) et plus fiable. Cette efficacité est cruciale pour les applications web complexes, réduisant les temps d'exécution des suites de tests et les coûts d'infrastructure. Bien que Jev excelle dans les décisions rapides, les LLM continuent de gérer la saisie de texte ou les tâches de raisonnement complexes. Pour en savoir plus sur la façon dont l'architecture de Jev permet cela, consultez Jev System One Model: How Typed AI Decisions Work in Software - Hugging Face.

Jev n'est pas là pour remplacer vos Large Language Models existants. Considérez-le plutôt comme le composant spécialisé qui manquait à vos agents IA. Alors que les LLM excellent dans le system 2 reasoning complexe — concevoir des harnais de test complets ou planifier des tâches complexes en plusieurs étapes — Jev est conçu spécifiquement pour les décisions instantanées et intuitives avec lesquelles les LLM ont du mal. C'est un partenaire, pas un concurrent, conçu pour combler des lacunes critiques.

Le flux de travail optimal combine leurs forces. Un LLM peut définir la stratégie globale, comme cartographier une suite de tests complète pour un nouveau code. Ensuite, Jev intervient pour les jugements rapides et répétitifs au sein de ce plan. Cela inclut d'agir comme un agent de sécurité IA, bloquant instantanément les tentatives de lecture de fichiers .env sensibles, ou fournissant des réflexes en temps réel pour les agents testant des environnements dynamiques, réagissant aux changements de jeu en quelques millisecondes. Il peut également surveiller si un agent s'écarte de sa tâche.

Ce hybrid model — LLM pour la stratégie, Jev pour la tactique — est la clé pour construire des agents IA véritablement robustes et efficaces. En déchargeant des milliers de micro-décisions sur Jev, qui est 20 à 200 fois plus rapide et 40 à 1 000 fois moins cher qu'un LLM pour ces tâches, vous créez un système plus rentable et réactif. Il s'agit d'utiliser le bon outil pour chaque tâche spécifique, rendant votre IA plus intelligente, plus rapide et moins sujette aux erreurs coûteuses.

Qu'est-ce que Jev ?

Jev est un modèle d'IA 'System 1' de TypeSafe AI spécialisé dans la prise de décisions rapides et structurées, contrairement aux LLM qui sont conçus pour générer du texte.

En quoi Jev est-il différent d'un LLM comme GPT ou Claude ?

Jev est 20 à 200 fois plus rapide et 40 à 1 000 fois moins cher pour les tâches de prise de décision. Il renvoie des données structurées avec des probabilités, et non du texte libre, ce qui le rend plus fiable et efficace pour des fonctions logicielles spécifiques.

Quels sont les meilleurs cas d'utilisation pour Jev dans le codage IA ?

Jev excelle dans la création de garde-fous de sécurité pour les agents IA, les tests d'applications en temps réel (comme les jeux) et l'automatisation des interactions avec le navigateur, où des décisions rapides et fiables sont critiques.

Jev remplace-t-il les LLM ?

Non, Jev complète les LLM. Il gère les décisions à haut volume et faible latence, tandis que les LLM effectuent des raisonnements complexes et de la génération de texte, créant ainsi un système d'IA hybride plus efficace.