--- title: "Les modèles de décision" description: "Des modèles qui choisissent entre des options connues, plus vite et moins cher qu'un modèle qui écrit." url: https://meridal.fr/apprendre/modeles-de-decision/ language: fr written: 2026-10-08 verified: 2026-10-08 license: CC BY 4.0 --- [Apprendre](https://meridal.fr/apprendre/) › [Automatisation](https://meridal.fr/apprendre/dossier/automatiser/) Comprendre · Niveau 2, Pratiquer · 12 minutes # Les modèles de décision Quelle catégorie, quelle urgence, oui ou non : beaucoup de tâches d'entreprise sont des choix fermés. Un modèle de décision y répond par une option et sa probabilité, sans écrire, plus vite et moins cher qu'un modèle de langage. Ce qu'il fait, ce qu'il ne fait pas, et quand il vaut la peine. Écrit le 8 octobre 2026 · Vérifié le 8 octobre 2026 ## Vous saurez - Reconnaître une tâche qui est un choix fermé - Distinguer quatre façons de faire trancher une machine - Savoir ce qu'un modèle de décision sait juger, et ce qu'il refuse - Mesurer le gain sur votre propre chaîne, pas sur une annonce ## Dans le parcours [Automatisation d'une tâche](https://meridal.fr/apprendre/parcours/automatiser/) Étape 2 sur 7 Aussi dans : [Choix des modèles](https://meridal.fr/apprendre/modeles-de-decision/) - [← Avant Forces et limites de l'IA](https://meridal.fr/apprendre/forces-et-limites-de-l-ia/) - [→ Ensuite Jev : un modèle qui décide sans écrire](https://meridal.fr/apprendre/jev/) Rappel de la page précédente Répondez de tête, puis ouvrez. [Forces et limites de l'IA](https://meridal.fr/apprendre/forces-et-limites-de-l-ia/) **1 Une 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. **2 Pourquoi 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. L'essentiel 1. 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. 2. 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. 3. 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. 4. 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. 5. 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. Deux mots **Choix fermé** : une question dont les réponses possibles sont connues d'avance. **Probabilité calibrée** : une probabilité qui dit vrai ; sur cent réponses données à 0,9, environ quatre-vingt-dix sont justes. ## Fonctionnement ![Quatre façons de trancher un choix fermé : une règle écrite, un classifieur entraîné sur vos exemples, un modèle de langage contraint à une option, un modèle de décision qui rend l'option et sa probabilité ; toutes rendent une option parmi celles prévues.](https://meridal.fr/assets/apprendre/medias/apprendre-decision-quatre.svg) *Quatre façons de trancher le même choix fermé ; aucune n'écrit de texte.* **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](https://meridal.fr/apprendre/embeddings-et-bases-vectorielles/) ) | 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](https://meridal.fr/apprendre/format-impose/) ) | 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](https://meridal.fr/apprendre/jev/) détaille l'annonce et ce qui en a été vérifié. | Modèle | Où il tourne | Ce qui est publié | |---|---|---| | Jev 1.13, TypeSafe AI | Un service sur la côte ouest des États-Unis, en accès anticipé | 0,042 dollar par million de tokens lus, la réponse gratuite ; 64 000 tokens par requête ; texte seul ; l'anglais le mieux pris en charge | | this-that-model-1.0 | Sur la carte graphique d'un ordinateur portable : les données ne quittent pas la machine | 2 milliards de paramètres, 30,9 millisecondes par décision, selon ses auteurs, concurrents de Jev ; article non relu par des pairs | ## 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. | La question posée à Jev | Jugements | Résultat | |---|---|---| | Cette phrase est-elle une affirmation vérifiable ? | 84, en un appel | 84 justes, en une seconde et demie environ | | Cette source soutient-elle cette affirmation ? | 108 | 104 justes, soit 96,3 % ; une affirmation vraie notée 0,10 | | Cette affirmation est-elle vraie, sans source ? | 13 | Une tranchée ; pour les douze autres, il signale qu'il faut une recherche | 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 | Le risque | Ce qu'on a vu | Ce qu'on fait | |---|---|---| | Confondre confiance et vérité | Une affirmation vraie notée 0,10 | Un seuil, et une personne pour les cas douteux | | Croire l'économie annoncée | 26 % dans un banc d'essai, 1,7 % dans la vraie chaîne, déjà efficace | Mesurer contre votre chaîne actuelle, pas contre une version naïve | | Une langue moins bien servie | L'anglais le mieux pris en charge, selon l'éditeur | Essayer sur vos propres textes, en français | | Un modèle qui change sans prévenir | L'alias « jev-latest » change de version à chaque sortie | Figer la version, et refaire l'essai avant de la changer | | Des données qui sortent d'Europe | Un service basé aux États-Unis | Pas de données personnelles sans contrat ; ou un modèle qui tourne chez vous | ## Mise en place 1. **Écrire les options** : la question est-elle vraiment fermée, et toutes les réponses possibles sont-elles connues ? 2. **Étiqueter cent cas réels**, à la main : c'est la mesure de départ, et le seul juge de la justesse. 3. **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. 4. **Fixer un seuil** : sous un certain degré de confiance, une personne tranche. 5. **Mesurer contre ce que vous faites aujourd'hui**, sur les cent cas, en temps, en prix et en erreurs. 6. **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 ? Cinq tâches · fabriquées pour l'exercice 1. Envoyer chaque facture fournisseur au bon centre de coûts, selon le fournisseur. 2. Classer quatre cents courriels par jour en cinq services, et repérer les urgences. 3. Répondre au client qui conteste une facture. 4. Dire si un devis respecte la grille de remises en vigueur, jointe à la demande. 5. Dire si le taux de TVA d'un pays étranger a changé ce mois-ci. **Ouvrir la correction** **1. Une règle**Le fournisseur décide du centre de coûts : une table suffit, sans IA. **2. Un modèle de décision, ou un modèle de langage contraint**Un choix fermé, répété, en volume ; un seuil, et les cas douteux à une personne. **3. Un modèle de langage**Il faut écrire ; une personne relit avant l'envoi. **4. Un modèle de décision**La grille est jointe : le texte fourni permet de trancher. **5. Ni l'un ni l'autre seul**C'est une question de savoir, à jour : une recherche dans une source officielle, puis une lecture. ## Vérification **1 Comprendre Qu'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. **2 Comprendre Pourquoi 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. **3 Appliquer Vous 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 ↑ Plus général Rien avant : c'est un point de départ. ← Avant [Forces et limites de l'IA Comprendre · Niveau 1 · 10 minutes](https://meridal.fr/apprendre/forces-et-limites-de-l-ia/) Vous êtes ici Les modèles de décision → Ensuite [Jev : un modèle qui décide sans écrire Décrypter · Niveau 2 · 10 minutes](https://meridal.fr/apprendre/jev/) Automatisation d'une tâche · étape 3 sur 7 ↓ Plus concret Rien avant : c'est un point de départ. [Tout le dossier « Automatisation »](https://meridal.fr/apprendre/dossier/automatiser/) Les pages qui renvoient ici - [Automatisation avec une IA dans la boucle](https://meridal.fr/apprendre/automatiser-avec-une-ia/) - [Jev : un modèle qui décide sans écrire](https://meridal.fr/apprendre/jev/) - [L'IA au service client](https://meridal.fr/apprendre/ia-au-service-client/) - [Lecture d'un classement de modèles](https://meridal.fr/apprendre/lire-un-classement/) - [Mode opératoire : le tri des demandes entrantes](https://meridal.fr/apprendre/tri-des-demandes-entrantes-pas-a-pas/) - [Projet : le tri d'une boîte de réception](https://meridal.fr/apprendre/projet-tri-d-une-boite-de-reception/) **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. 1. [TypeSafe AI, Introducing System One Models & Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev) ; [TypeSafe, documentation des modèles](https://docs.typesafe.ai/models) ; [TrueStandard, Is Jev Really 193x Faster?](https://truestandard.ai/blog/is-jev-really-193x-faster) ; [TrueStandard, We Put Jev in Our Pipeline and Saved Nothing](https://truestandard.ai/blog/jev-in-our-pipeline-saved-nothing) ; [TrueStandard, Can Jev Fact-Check Claims?](https://truestandard.ai/blog/can-jev-fact-check-claims) ; [arXiv 2609.23886](https://arxiv.org/abs/2609.23886). 2. 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](https://creativecommons.org/licenses/by/4.0/deed.fr) : reprenez-les en citant Meridal. Le code sous licence MIT. Service correspondant Ne plus recopier d'un logiciel à l'autre 1 100 € à 3 400 €, puis sur devis [Voir le service](https://meridal.fr/offre/#automatisation) ## Un premier échange de 30 minutes En visio et sans frais : vous décrivez votre situation, nous vous indiquons ce qui est réalisable, avec quels outils et pour quel ordre de prix. Vous pouvez aussi nous écrire ; chaque message reçoit une réponse écrite. [Réserver 30 minutes](https://meridal.fr/contact/#reserver) [Écrire un message](https://meridal.fr/contact/)