IA sans langage : l'invention d'un ancien de ChatGPT qui séduit les dé

Un ancien de ChatGPT crée une IA qui raisonne en probabilités plutôt qu'en mots. Découvrez pourquoi les développeurs adorent cette approche pour

Imaginez un instant que vous ayez construit l'un des outils les plus impressionnants de la décennie. Vous l'avez vu fasciner le monde entier, révolutionner la façon dont des millions de personnes écrivent, codent et réfléchissent. Et pourtant, vous rentrez chez vous avec une frustration tenace : ce truc ne fait pas vraiment le travail qu'il devrait faire.

C'est exactement ce qu'a vécu Diogo Almeida. Ce chercheur a participé à la construction de ChatGPT chez OpenAI, et il a même contribué à inventer le RLHF, cette technique d'entraînement qui a rendu les modèles de langage si agréables à utiliser. Mais pour lui, quelque chose clochait dès le départ. Il l'a confié à TechCrunch : « On a de la foudre en bouteille, et pourtant ça ne sert à rien. »

Le problème n'est pas la puissance, c'est la langue

Pendant des années, l'industrie entière a couru dans la même direction : rendre les modèles toujours meilleurs en langage humain. Plus fluides, plus nuancés, plus créatifs. Et sur ce terrain, les progrès ont été spectaculaires.

Sauf que, comme le résume Almeida, « on est super bons en langage humain depuis quatre ans, mais ce n'est pas utile pour l'automatisation, parce que les ordinateurs parlent une autre langue ». Voilà le nœud du problème. On a construit des outils formidables pour dialoguer avec nous, mais mal adaptés pour faire tourner des systèmes en coulisses, de façon fiable et prévisible.

Jev : une IA qui produit des décisions, pas des phrases

Deux ans après avoir quitté OpenAI, Almeida a lancé TypeSafe AI, une startup qui s'attaque frontalement à cette contradiction. Cette semaine, l'entreprise a dévoilé Jev, un modèle basé sur l'architecture transformer — mais qui n'est pas un grand modèle de langage.

La différence est simple à comprendre : Jev ne sort pas de texte. Il produit des probabilités, ce que l'entreprise appelle des « décisions calibrées ». Vous définissez à l'avance ce que le modèle doit retourner, et il retourne exactement ça, sous forme de scores et de choix.

Pourquoi ça change la donne

Abandonner le langage apporte plusieurs avantages très concrets :

• Le modèle devient extrêmement rapide et peu coûteux à faire tourner.
• Comme les sorties sont définies à l'avance, il ne peut pas halluciner.
• Les tokens de sortie sont gratuits, et les tokens d'entrée se facturent au milliard, pas au million.

Autrement dit, on passe d'un outil qui « discute » à un outil qui « tranche ». Et pour l'automatisation logicielle, c'est précisément ce qu'on attendait.

Les développeurs se ruent déjà dessus

L'accueil a été si enthousiaste que TypeSafe AI a brièvement perdu la capacité de servir ses utilisateurs via son API, submergée par la demande. Un problème de riche, mais un signal fort.

Les premiers retours viennent du terrain. Pranit Sharma, ingénieur logiciel chez Vercel, une entreprise spécialisée dans l'infrastructure d'agents, utilisait un modèle d'OpenAI pour faire tourner un classifieur chargé de vérifier la sécurité des commandes. En remplaçant ce modèle par Jev, son équipe a obtenu des résultats de cinq à dix-huit fois plus rapides, avec une meilleure précision.

Ce genre de gain ne relève pas du détail. Il transforme la façon dont on conçoit un produit : quand une brique d'intelligence devient quasi instantanée et fiable, on peut l'intégrer partout, sans se demander si elle va inventer n'importe quoi.

Repenser ce qu'on demande à une IA

L'histoire de Jev pose une question plus large, et peut-être plus dérangeante : et si on avait trop misé sur le langage ? Pendant des années, on a jugé un modèle à sa capacité à écrire comme nous. On a mesuré sa « compréhension » à sa fluidité.

Mais dans la vraie vie, une grande partie des tâches utiles n'a rien à voir avec la conversation. Trier, classer, décider, déclencher une action : voilà ce dont les logiciels ont besoin en permanence. Et pour ça, un modèle qui parle joliment n'est pas forcément le bon outil.

Ce n'est pas un rejet des grands modèles de langage. C'est plutôt une prise de conscience : il existe d'autres chemins vers l'intelligence artificielle utile, plus sobres, plus prévisibles, plus adaptés à des besoins précis.

Pourquoi c'est important

Parce que cette approche pourrait rendre l'IA réellement exploitable dans les automatisations du quotidien, là où la fiabilité compte plus que l'élégance. Pour vous, développeur ou curieux, cela signifie que l'intelligence artificielle n'est pas condamnée à être chère, lente et imprévisible. Et pour l'ensemble du secteur, c'est un rappel salutaire : la meilleure idée n'est pas toujours celle qui parle le plus fort, mais celle qui résout vraiment le problème.

Conclusion

Diogo Almeida a mis deux ans à transformer sa frustration en produit. Son pari est simple : arrêter de vouloir que les machines parlent notre langue, et leur donner plutôt les moyens de prendre de bonnes décisions. Les développeurs, eux, semblent déjà convaincus. Et si la prochaine grande avancée de l'IA ne consistait pas à écrire mieux, mais à se taire au bon moment ?

Points clés à retenir

• Jev, le nouveau modèle de TypeSafe AI, ne génère pas de texte mais des probabilités et des décisions calibrées.
• Abandonner le langage rend le modèle plus rapide, moins cher et incapable d'halluciner.
• Chez Vercel, remplacer un modèle d'OpenAI par Jev a donné des résultats cinq à dix-huit fois plus rapides.
• La demande a été si forte que l'API de TypeSafe AI a brièvement saturé.
• Cette approche invite à repenser ce qu'on attend vraiment d'une IA : pas seulement discuter, mais décider de façon fiable.