Le 15 septembre, TypeSafe a sorti Jev : un modèle qui ne rédige rien, répond à des questions fermées et rend une probabilité. En cinq jours, une dizaine de copies libres sont apparues. J'ai passé les briques de classification d'un projet réel dedans, puis comparé à un modèle génératif sur la même tâche. Voici ce que ça donne, y compris ce qui ne flatte pas le classifieur.
| Modèle | Nature | Latence | Coût par appel | Demandes pour 1 $ |
|---|---|---|---|---|
| Jev (jev-1.13.0) | classifieur | 295 ms | 0,000087 $ | 11 400 |
| Mistral Small | génératif, petit | 718 ms | 0,000104 $ | 9 600 |
| Mistral Medium | génératif, qualité | 734 ms | 0,001109 $ | 900 |
Mesuré le 20 septembre 2026, six appels par modèle. Ces temps valent pour onze champs à remplir : l'écart dépend entièrement du nombre de questions posées, et la courbe ci-dessous le montre de un à cinquante. Le protocole complet et ce qui joue contre ces chiffres sont en bas de page.
Même message, même consigne, un seul aller-retour. Seul change le nombre de questions posées.
1 question
10 questions
20 questions
50 questions
Cinquante questions au lieu d'une : 51 ms de plus pour le classifieur, 2,6 secondes de plus en face.
Le temps ne bouge presque pas, le prix si. Chaque définition de question repart à chaque appel : 457 jetons pour une, 8 359 pour cinquante. Le classifieur passe de 0,000019 $ à 0,000351 $, le modèle génératif de 0,000261 $ à 0,005012 $. « Ajouter des questions ne coûte presque rien » n'est vrai que pour le temps.
Et ces jetons sont ce qu'on achète. Chaque question décrit à quoi ressemble un oui et à quoi ressemble un non. Vider ces critères fait tomber l'appel de 996 à 623 jetons, et fait monter les fausses alertes de 8 à 32 sur 76 demandes. L'économie est réelle ; elle emporte exactement ce qui rend le classifieur utile.
Mesuré le 20 septembre 2026, dix appels par point et par modèle, en direct depuis la France. Les onze premières questions sont les vraies ; au-delà, les mêmes sont recopiées sous d'autres noms, pour ne mesurer que l'effet du nombre. La ligne du classifieur n'est pas parfaitement plate : son temps de travail annoncé passe de 104 à 152 ms, le reste est du réseau.
ça dépend
De 1,1 à 8,5 fois selon ce qu'on demande. Sur une seule question, aucun écart à montrer. Sur cinquante, le classifieur répond toujours en 340 ms quand le modèle génératif met 2,9 secondes. C'est une propriété de la tâche, pas du modèle.
ça tient
Le modèle génératif répond vrai ou faux. Le classifieur répond 0,86. Un seuil, une zone de doute, une manette : rien de tout ça n'existe avec une étiquette.
ça tombe
20 % d'écart sur onze champs, pas vingt fois. Et tout dépend de la question : la plus lourde des onze coûte le double des autres, au point de rendre le classifieur plus cher que mistral-small sur un seul appel.
ça tient
Treize fois moins cher. C'est la comparaison qui compte quand la décision a un enjeu.
Onze questions posées pendant que vous tapez, dans un seul appel.
Ce que ça prouve : Ce que la latence permet : une analyse qui suit la frappe.
Un seuil qu'on déplace, les cas ratés et les fausses alertes qui s'échangent.
Ce que ça prouve : Ce qu'un nombre permet et qu'une étiquette interdit.
Le classifieur tranche le gros du flux, le modèle de qualité ne voit que le doute.
Ce que ça prouve : Là où l'économie est réelle, et là où elle ne l'est pas.
Ce que je ne prétends pas : qu'un classifieur remplace un modèle génératif. Il ne rédige rien, il lit au pied de la lettre, et sur les deux gardes à enjeu du projet réel il n'a pas tenu les exigences fixées d'avance. La troisième démo montre l'arrangement qui en découle.
Quand, d'où, avec quoi
Tout est mesuré le 20 septembre 2026 depuis Quimper, en France. jev-1.13.0 contre mistral-medium-latest et mistral-small-latest, température 0 et sortie JSON imposée au modèle génératif, connexions gardées ouvertes des deux côtés. Un seul passage, un seul jour.
Ces démos tournent depuis Paris, et c'est un choix
Vercel place ses fonctions à Washington par défaut, et c'est ce qui s'est passé au premier déploiement. Mesuré : le trajet vers l'Oregon y tombe à 60 ms au lieu des 179 depuis la France, pendant que le modèle génératif, dont le calcul est en France, se retrouve à 9 000 km. La démonstration montrait donc l'inverse de ce qu'un utilisateur français constate, et elle flattait le classifieur : sur la même passe, la chaîne à deux étages passait de 0,93 fois le temps de l'autre à 0,51. Les routes sont maintenant épinglées sur Paris. Un visiteur français, un serveur français, un modèle américain : c'est le montage que ces mesures décrivent, et c'est le seul qui dise quelque chose d'utile à une PME d'ici.
Le classifieur est à 9 000 km, et ça se voit dans le chronomètre
api.typesafe.ai répond depuis un serveur AWS en Oregon : 179 ms d'aller-retour réseau mesurés (12 ouvertures de connexion, 179 à 188 ms), payés à chaque appel. api.mistral.ai répond en 14 ms, mais c'est un nœud Cloudflare proche de moi, pas le calcul : la suite du trajet reste invisible. Là où les pages séparent le travail du câble, ce n'est plus une estimation : Jev annonce son propre temps de travail dans chaque réponse, et la part de câble est la soustraction. Ce chiffre vient de lui, pas de moi. Mistral ne publiant pas l'équivalent, on ne peut pas faire la même soustraction de son côté, et les rapports affichés comparent donc deux totaux.
Pas de serveur européen pour Jev
TypeSafe indique que le service est hébergé aux États-Unis et s'appuie sur les clauses contractuelles types pour les transferts depuis l'Europe. Aucune région européenne n'est documentée. Passer par une passerelle (Cloudflare, Netlify) n'y change rien : le calcul repart chez le fournisseur, la passerelle ajoute un saut. Le modèle a été annoncé le 15 septembre 2026, cinq jours avant ces mesures. Une sortie existe déjà, mais elle ne passe pas par Jev : une dizaine de copies libres du même format (Laya, Von, kev…) sont apparues en une semaine et s'hébergent où l'on veut, donc en Europe. Je ne les ai pas mesurées.
La courbe va jusqu'à cinquante, mais onze questions seulement sont vraies
Les paliers à 1, 10, 20 et 50 questions sont pris EN DIRECT depuis la France, pas à travers les routes de ce site : leurs totaux ne se comparent donc pas à ceux de la démo des deux étages, qui passe par un serveur à Paris et y gagne une quarantaine de millisecondes côté classifieur. Les onze premières questions sont les vraies, celles de la démo du formulaire ; au-delà, les mêmes sont recopiées sous d'autres noms, pour ne mesurer que l'effet du nombre et jamais celui de la difficulté. Et le plus important : à cinquante questions je n'ai mesuré que le temps et le prix, pas la qualité des réponses. Empiler cinquante questions dans un seul appel pourrait très bien dégrader chaque jugement. Je n'en sais rien, donc je ne peux rien en dire.
L'écart de prix mesure ma prose autant que le modèle
Les 2 083 jetons envoyés à chaque appel sont mes propres définitions de questions, contre 259 pour un prompt compact côté génératif. L'écart de 20 % face à mistral-small vient de là. Resserrer les critères ferait baisser le prix, et pourrait dégrader le jugement : je ne l'ai pas mesuré, donc je ne peux pas le revendiquer. Sur UNE seule question, tout dépend de laquelle : les onze pèsent de 417 à 885 jetons, médiane 457. Sur la médiane le classifieur est 22 % moins cher que mistral-small, sur la plus lourde il est 50 % plus cher. Un chiffre unique n'existe pas.
Les critères pèsent 37 % des jetons, et c'est ce qu'on achète
Mesuré sur les 120 demandes fabriquées, seuil 0,50. Avec les critères complets : 996 jetons par appel, 0 demande prioritaire ratée sur 40, 8 fausses alertes sur 76. Critères vidés, mêmes questions : 623 jetons, toujours 0 ratée, mais 32 fausses alertes. Réécrites au plus court : 501 jetons, 1 ratée et 32 fausses alertes. Donc oui, la moitié des jetons peut disparaître, et le classifieur devient alarmiste, c'est-à-dire inutile. Ce qui pèse dans un appel n'est pas du gras : c'est la description qui rend la probabilité calibrée.
Les 120 demandes sont fabriquées
Écrites par trois modèles aveugles, interdits de lire le moindre fichier du projet. Elles sont plus propres et plus franches qu'un vrai flux de PME. Les étiquettes viennent de deux lecteurs automatiques, pas d'un chef d'entreprise. Aucune donnée réelle nulle part.
Le seuil honnête est 0,50, pas 0,77
0,50 est choisi d'avance, avant de regarder les résultats : 0 demande prioritaire ratée sur 40 et 7 fausses alertes sur 76. Le seuil de 0,77 qui donne 98 % est le meilleur trouvé après coup sur ce même jeu. Il est flatteur et ne vaut que pour lui.
Le détail complet du protocole et des résultats tient dans deux comptes rendus du dépôt : le jeu de demandes et son arbitrage, et la comparaison avec Mistral.