JEV expliqué simplement (+ 5 démos)

Un nouveau modèle d'IA, nommé Jeev, suscite l'enthousiasme sur internet en raison de sa rapidité et de sa puissance. Contrairement aux modèles comme Astra ou Fable, Jeev n'est pas conçu pour la conversation ou la création d'applications, mais excelle dans le tri d'informations, cent fois plus vite et à moindre coût. Par exemple, il peut trier 500 e-mails en quelques secondes pour moins d'un centime, ou trouver un billet d'avion en moins de 7 secondes en naviguant sur un site web. Cette vidéo, faisant partie du format "Anti-Hype", vise à tester l'utilité et la véracité de ces démonstrations. La différence fondamentale entre Jeev et un modèle classique réside dans leur mode de réponse. Un LLM répond avec une chaîne de réflexion, écrivant chaque information mot par mot, ce qui prend du temps. Jeev, en revanche, attribue un score de probabilité à différentes options. Par exemple, si on lui demande si une facture est vraie, au lieu d'une réponse verbale, il indiquera "clean" avec la probabilité la plus haute. Il fonctionne comme un QCM, répondant par vrai/faux ou en indiquant l'option la plus probable. Si on lui donne cinq options de couleur pour un site (noir, bleu, rouge, blanc, aucun), il donnera une forte probabilité pour la bonne couleur et de faibles probabilités pour les autres, ce qui rend son temps de réponse 100 fois plus rapide. Initialement, on pourrait penser que Jeev est uniquement destiné à la classification de texte ou de documents, mais son raisonnement peut être poussé plus loin. Dans un jeu vidéo, il peut déterminer la prochaine action la plus probable pour gagner. Il peut également naviguer sur des sites web ; une comparaison a montré que Jeev atteignait un objectif de navigation entre pages Wikipédia en 0,4 seconde, là où d'autres modèles prenaient beaucoup plus de temps car ils devaient lire les pages entièrement. Les modèles classiques sont optimisés pour les interactions humaines, produisant du texte long et verbeux, ou du code pour créer des applications. Diego Almeida, un ancien d'OpenAI ayant travaillé sur ChatGPT, a eu une vision différente : il manquait des modèles pour la prise de décision rapide et la classification. L'utilisation actuelle des modèles d'IA ne se limite pas aux discussions ou à la création d'applications, mais inclut le traitement de données, de longs documents, d'e-mails, de textes, la classification et la navigation. Ces actions nécessitent des automatisations et des workflows qui n'exigent pas une réponse humaine, mais plutôt l'identification de la prochaine action ou la probabilité d'un événement. C'est là que Jeev, en tant que modèle de classification, excelle, répondant rapidement et à moindre coût. Il n'a pas besoin d'une grande fenêtre de contexte ou de capacités de raisonnement complexes comme GPT-6 ou Fable, mais simplement de répondre vite et simplement. Pour tester Jeev, il faut utiliser son API. Il est possible de s'inscrire et d'accéder à leur console API. Si le site est saturé, des fournisseurs tiers comme Vercel ou OpenRouter proposent également Jeev. Le playground de Typesf AI offre des exemples, comme la classification d'un hot-dog comme sandwich (95% de probabilité). L'expérimentation personnelle a inclus plusieurs cas d'usage : 1. **Classification d'e-mails :** L'IA a été utilisée pour classifier et catégoriser des e-mails par priorité, catégorie (travail, personnel), et pertinence de réponse, ainsi que pour détecter les spams. Le traitement de 64 e-mails en lot a montré une classification rapide et pertinente, par exemple, un e-mail "Atelier IA pour votre équipe" classé en "travail" avec une priorité normale et 96% de probabilité de nécessiter une réponse. 24 e-mails ont été traités en 55 millisecondes pour un coût de 0,002 dollars. 2. **Jeu de dames :** Jeev a été intégré à un jeu de dames, recevant l'état du jeu en format JSON et répondant en 300 millisecondes avec le meilleur coup à jouer. 3. **Détection de contenu confidentiel dans des vidéos :** Un script a été créé pour découper une vidéo image par image, extraire le texte via OCR, et demander à Jeev si ce texte contient des informations confidentielles (adresses e-mail, numéros de téléphone, clés API, IBAN). Pour une vidéo de 27 minutes, Jeev a analysé le contenu en 1 minute 30, détectant et floutant automatiquement les informations sensibles, ce qui représente un gain de temps considérable pour les monteurs vidéo. 4. **Préqualification des propositions commerciales (inbound) :** Jeev a analysé 100 propositions commerciales pour identifier les "bad inbound" selon des critères prédéfinis (budget, calendrier, clarté du paiement). Chaque e-mail était traité en 200-300 millisecondes. Les LLM classiques seraient plus lents et plus coûteux pour cette tâche. 5. **Classification de SMS et avis clients :** Jeev a classifié des SMS comme douteux, arnaque ou légitime, et des avis clients comme mitigés, ravis ou furieux, avec une grande rapidité et précision. Malgré ses avantages, Jeev a des limites. Il peut échouer sur des tâches nécessitant un raisonnement complexe, comme compter le nombre de lettres "N" dans un mot long (59% de confiance pour "oui" au lieu de 90%) ou le nombre de mots dans une phrase (53% pour "oui" au lieu de 100%). Il peut également se tromper sur des faits calendaires, comme la détermination du jour de la semaine pour une date donnée. Il est conseillé de re-vérifier les réponses dont la probabilité est inférieure à 70-75%. Une comparaison de rapidité entre Jeev et GPT 5.4 Mini a montré que Jeev est nettement plus rapide, traitant les e-mails un par un en quelques millisecondes, tandis que GPT 5.4 Mini prend environ 7 secondes par e-mail en raison de son processus de raisonnement. En conclusion, Jeev est particulièrement utile pour les workflows d'automatisation et de gestion de données en grande quantité, où la rapidité et le coût sont des facteurs critiques. Il peut remplacer les modèles classiques lorsque des problèmes de budget ou de rapidité surviennent, notamment pour le traitement par lots. Il est recommandé de demander à votre IA habituelle (ChatGPT, etc.) quand il serait pertinent de passer à Jeev en fonction de votre historique d'utilisation. Des cas d'usage comme le traitement d'e-mails