Sur cette page
Répondez de tête, puis ouvrez. Forces et limites de l'IA
1Une IA rédige un premier jet de compte rendu. Qu'est-ce qui reste à faire ?
Le relire et le corriger : un modèle écrit vite et bien, mais peut se tromper sur un fait, un chiffre ou un nom, sans le signaler.
2Pourquoi une tâche rare et lourde de conséquences convient-elle mal à un premier essai ?
Parce qu'on ne peut ni mesurer le gain, faute de répétition, ni absorber une erreur ; une tâche fréquente et contrôlable s'y prête mieux.
- Beaucoup de tâches sont des choix fermés : quel service, quelle urgence, oui ou non. Le programme a besoin d'une option et d'un degré de confiance, pas d'un texte.
- Quatre façons de trancher : une règle écrite, un classifieur entraîné sur vos exemples, un modèle de langage contraint à répondre par une option, un modèle de décision.
- Un modèle de décision n'écrit pas : il rend l'option et sa probabilité, toutes les questions en une seule passe. Il ne peut pas répondre hors des options ; il peut se tromper parmi elles.
- Le gain dépend de ce qu'on remplace : mesuré 1,7 fois plus rapide qu'un petit modèle de langage pour une question, 100,7 fois plus rapide qu'un grand modèle qui raisonne pour six questions d'un coup.
- Le prix d'une question ne dit pas l'économie : dans une vraie chaîne de vérification, le même outil a fait gagner 1,7 %, dans le bruit des mesures.
Problème
Une PME reçoit quatre cents courriels par jour sur son adresse de contact. Il faut envoyer chacun au bon service, commercial, technique, comptabilité, et repérer les urgences. Un modèle de langage peut le faire, mais il rédige un texte à chaque fois, prend une à plusieurs secondes et, par son interface de programmation, se paie à chaque token écrit. Le programme qui trie n'a besoin que de deux choses : un service et un degré de confiance, pour renvoyer les cas douteux à une personne. La situation est fabriquée pour l'exemple.
Principe
Écrire ou choisir. Un modèle de langage produit un texte, un morceau après l'autre ; pour trancher, il faut ensuite lire ce texte et en tirer l'option. Un modèle de décision reçoit un état, un courriel, un ticket, une fiche, et des questions dont les réponses possibles sont déclarées d'avance ; il rend, pour chaque question, l'option retenue et sa probabilité, toutes en une seule passe.
La probabilité sert de seuil. Si elle est bien calibrée, une probabilité élevée annonce une réponse juste : on laisse passer au-dessus d'un seuil, on renvoie le reste à une personne. C'est l'usage que décrit un utilisateur de Jev : sous 0,5, une personne relit.
Fonctionnement
Quatre façons de faire trancher une machine.
| Façon de trancher | Ce qu'il faut | Ce qu'elle rend | Sa limite |
|---|---|---|---|
| Une règle écrite | Des mots-clés, des montants, des expéditeurs connus | Toujours la même réponse, expliquée | Ne comprend pas une formulation nouvelle |
| Un classifieur entraîné | Des centaines d'exemples étiquetés, ou une recherche par le sens (les embeddings) | Une catégorie et un score | À réentraîner quand les catégories changent |
| Un modèle de langage contraint | Une consigne et la liste des options (le format imposé) | Une option, parfois une explication | Plus lent et plus cher par question, dans les mesures citées plus bas |
| Un modèle de décision | L'état, les questions et leurs options | Chaque option avec sa probabilité, en une passe | Ne juge que ce que le texte fourni permet de trancher ; offre récente |
Deux modèles de décision, en octobre 2026. La catégorie est jeune : TypeSafe a ouvert Jev le 15 septembre 2026 ; un article concurrent a suivi cinq jours plus tard. La page sur Jev détaille l'annonce et ce qui en a été vérifié.
Exemple détaillé
Questions de forme, questions de savoir. TrueStandard, qui vend un outil de vérification de textes, a soumis à Jev trois sortes de questions le 18 septembre 2026, et publié ses mesures avec leur méthode.
Ce que cela montre : un modèle de décision tranche ce que le texte placé devant lui permet de trancher. Ce qui demande un savoir du monde, une vérité, un chiffre à jour, il ne le tranche pas, ou il le dit. Un modèle de langage, lui, répondrait quand même, de mémoire : c'est là que naissent les réponses inventées.
Risques
Mise en place
- Écrire les options : la question est-elle vraiment fermée, et toutes les réponses possibles sont-elles connues ?
- Étiqueter cent cas réels, à la main : c'est la mesure de départ, et le seul juge de la justesse.
- Essayer d'abord le plus simple : une règle, puis un modèle de langage contraint aux options ; un modèle de décision si le volume ou la vitesse le justifient.
- Fixer un seuil : sous un certain degré de confiance, une personne tranche.
- Mesurer contre ce que vous faites aujourd'hui, sur les cent cas, en temps, en prix et en erreurs.
- Figer la version du modèle, et refaire la mesure avant d'en changer.
Exercice
Pour chacune : une règle, un modèle de décision, un modèle de langage, ou autre chose ?
- Envoyer chaque facture fournisseur au bon centre de coûts, selon le fournisseur.
- Classer quatre cents courriels par jour en cinq services, et repérer les urgences.
- Répondre au client qui conteste une facture.
- Dire si un devis respecte la grille de remises en vigueur, jointe à la demande.
- Dire si le taux de TVA d'un pays étranger a changé ce mois-ci.
Ouvrir la correction
1. Une règleLe fournisseur décide du centre de coûts : une table suffit, sans IA.
2. Un modèle de décision, ou un modèle de langage contraintUn choix fermé, répété, en volume ; un seuil, et les cas douteux à une personne.
3. Un modèle de langageIl faut écrire ; une personne relit avant l'envoi.
4. Un modèle de décisionLa grille est jointe : le texte fourni permet de trancher.
5. Ni l'un ni l'autre seulC'est une question de savoir, à jour : une recherche dans une source officielle, puis une lecture.
Vérification
1ComprendreQu'est-ce qu'un modèle de décision rend, au lieu d'un texte ?
Pour chaque question, une option parmi celles qu'on a déclarées, avec sa probabilité ; jamais une réponse hors des options, mais parfois une option fausse.
2ComprendrePourquoi le gain annoncé d'un modèle de décision ne se reporte-t-il pas tel quel chez vous ?
Parce qu'il dépend de ce qu'on remplace : une question ou une suite de questions, un petit modèle ou un grand qui raisonne ; et de ce que votre chaîne fait déjà.
3AppliquerVous voulez trier quatre cents courriels par jour en cinq services. Par quoi commencer ?
Étiqueter cent courriels réels ; essayer une règle, puis un modèle contraint aux cinq options, puis un modèle de décision si le volume le justifie ; mesurer les erreurs, et renvoyer les cas douteux à une personne.
Lectures suivantes
Rien avant : c'est un point de départ.
Les modèles de décision
Automatisation d'une tâche · étape 3 sur 7
Rien avant : c'est un point de départ.
Limites et sources
La catégorie est récente : deux modèles publiés en septembre 2026, des mesures surtout d'éditeurs ou de concurrents. Les mesures indépendantes citées viennent de TrueStandard, qui vend un outil de vérification et les a faites pour son produit.
Aucune mesure en français n'est publiée.
Les durées et les prix sont ceux du 18 septembre 2026, avec les modèles de cette date.
- TypeSafe AI, Introducing System One Models & Jev ; TypeSafe, documentation des modèles ; TrueStandard, Is Jev Really 193x Faster? ; TrueStandard, We Put Jev in Our Pipeline and Saved Nothing ; TrueStandard, Can Jev Fact-Check Claims? ; arXiv 2609.23886.
- Le relevé :
apprendre/recherches/2026-10-08-jev.json.
Écrit par Meridal, avec l'aide de l'IA ; chaque fait vérifié à sa source et relu avant publication. Texte et schémas sous licence CC BY 4.0 : reprenez-les en citant Meridal. Le code sous licence MIT.
Ne plus recopier d'un logiciel à l'autre
1 100 € à 3 400 €, puis sur devis