Jev livre des décisions 40 à 200 fois plus vite qu'un LLM sans rédiger de texte, Google sort son équivalent
Un agent a souvent besoin non pas d'un texte, mais d'un choix rapide : quel outil appeler, ou si une action est dangereuse. TypeSafe AI a publié Jev : le modèle reçoit la description d'une situation et une liste de questions, puis renvoie en une seule passe des réponses accompagnées de probabilités, sans analyse de texte. Selon la société, il est 40 à 200 fois plus rapide que les LLM classiques sur ce type de tâches. En novembre, Google a répondu avec Gemini Decision 1 : pour les décisions rapides dans les agents, ces modèles méritent donc d'être suivis.
Traité par IA depuis Хабр: NLP ; édité par Hamidun News
Imaginez un agent de support qui reçoit le courrier d'un client. Il doit trancher trois points : rembourser, transmettre la demande à un humain ou simplement répondre, et déterminer si une vérification supplémentaire est nécessaire. Un LLM classique rédigera pour cela un paragraphe qu'il faudra ensuite analyser avec un parseur.
En septembre 2026, TypeSafe AI a proposé une autre voie : le modèle Jev ne génère pas de texte du tout. Il reçoit la description de la situation et une liste de questions assorties de réponses prédéfinies, puis renvoie immédiatement un choix accompagné d'une probabilité. Selon la société elle-même, sur les tâches d'automatisation adaptées, cela va 40 à 200 fois plus vite que les LLM traditionnels.
Le 11 novembre, Google a investi ce même créneau avec Gemini Decision 1. Voyons quels sont ces modèles et quelles autres alternatives aux GPT sont déjà sorties des laboratoires.
Des modèles qui n'écrivent pas de texte : Jev et Gemini Decision 1
Les LLM de type GPT ont deux caractéristiques marquantes : une architecture Transformer decoder-only et une génération autorégressive, où le token suivant est prédit à partir des précédents (comme T9, mais en beaucoup plus puissant). Ce sont deux propriétés indépendantes, et l'on peut remplacer chacune d'elles.
Jev renonce à la génération séquentielle là où l'application a besoin d'une réponse précise : choisir un outil, classer une requête, évaluer un risque, déterminer l'étape suivante. Les questions sont traitées en parallèle, et le résultat arrive structuré, avec ses probabilités. Le modèle est entraîné par la méthode Reinforcement Learning for Calibrated Decisions (RLCD). Elle apprend non seulement à choisir la bonne option, mais aussi à évaluer honnêtement sa confiance : si le modèle affirme être sûr à 90 %, cela doit se vérifier dans la réalité.
Le chiffre de 40 à 200 fois doit être lu avec prudence. Il s'agit d'une comparaison du fournisseur sur des scénarios spécifiques, et non d'une accélération universelle de l'IA. L'entreprise n'a pas encore dévoilé l'architecture interne de Jev, il est donc prématuré de le rattacher aux SSM ou à l'attention linéaire. Jev ne prétend d'ailleurs pas remplacer les LLM généralistes : un modèle peut écrire du code, tandis qu'un autre décide rapidement quel outil appeler.
Gemini Decision 1 fonctionne selon le même principe : en une seule passe, il évalue les options et renvoie des probabilités et des indicateurs de confiance. Mais il est multimodal : il comprend le texte, les images, l'audio, la vidéo et les PDF, gère un contexte allant jusqu'à 256 000 tokens et accepte jusqu'à 1000 questions indépendantes par requête. Google annonce une latence de 150 à 250 ms et un prix de 0,10 $ par million de tokens d'entrée, les tokens de sortie n'étant pas facturés.
D'après les tests de la société elle-même, le modèle devance Jev sur une partie des benchmarks, mais pas sur tous. Google l'utilise pour répartir les requêtes entre modèles et pour vérifier la sécurité des outils.
Réseaux récurrents, attention linéaire et hybrides
Les réseaux récurrents n'ont pas disparu, ils ont été reconçus. RWKV conserve un état récurrent lors de l'inférence, tout en s'entraînant en parallèle. Malgré les noms Key et Value, il n'y a pas de KV-cache croissant (la mémoire des anciennes clés et valeurs) dans ce modèle. xLSTM modernise la LSTM classique avec une porte exponentielle et une mémoire matricielle. L'équipe NXAI a entraîné un modèle de 7 milliards de paramètres et publié son code ainsi que ses poids. Mais des poids ouverts ne signifient pas qu'un modèle s'intégrera facilement à votre serveur d'inférence : il faut des kernels spécifiques, de la quantification et un batching correct, et sur ce plan le Transformer conserve un avantage considérable.
L'attention linéaire comprime l'historique dans un état compact, afin de ne pas stocker les clés et valeurs de chaque token. La question principale est de ne pas effacer ce qui est important. DeltaNet tient compte, avant écriture, de l'association déjà mémorisée et corrige la mémoire. Gated DeltaNet contrôle l'oubli, et Kimi Delta Attention (KDA) le fait canal par canal. En 2026, NVIDIA a proposé Gated DeltaNet-2, où l'effacement et l'écriture sont réglés séparément.
En pratique, ce sont surtout les hybrides qu'on rencontre. Qwen3-Next-80B-A3B compte 80 milliards de paramètres, dont environ 3 milliards sont actifs par token, et ses couches Gated DeltaNet alternent avec une attention globale. L'écart entre paramètres totaux et paramètres actifs tient au MoE, et non à une nouvelle architecture. Dans Kimi Linear 48B-A3B de Moonshot AI, chaque couche d'attention complète est précédée de trois couches KDA : les blocs peu coûteux traitent la majeure partie de la séquence, tandis que les couches globales conservent un accès direct au contexte. Le KV-cache subsiste pour ces couches globales, de sorte que les économies réelles dépendent du batch, de la longueur du texte et de la qualité des noyaux de calcul.
Convolutions et diffusion : LFM3, LLaDA, Mercury
Liquid AI a montré que les convolutions sont aussi adaptées au texte. Dans LFM2, des convolutions courtes sont combinées à quelques couches d'attention, et l'architecture a été conçue pour le matériel réel, y compris les processeurs mobiles. Le 27 octobre 2026 est sorti LFM3 pour le texte, la vision et l'audio. Dans le modèle textuel LFM3-1.7B, sur 24 couches, 13 sont convolutives, 5 à attention locale et 6 à attention globale. Il ne s'agit donc pas d'un modèle sans attention : celle-ci n'est simplement pas présente dans chaque couche. L'objectif est de faire tourner des agents en local sous de fortes contraintes de mémoire, d'énergie et de latence.
Les LLM à diffusion changent l'ordre de la génération. Le modèle part d'une séquence partiellement masquée et affine simultanément de nombreuses positions en plusieurs étapes. LLaDA a obtenu des résultats compétitifs sur plusieurs tâches à l'échelle de 6 à 10 milliards de paramètres, même si le cœur reste un Transformer : la différence tient uniquement à la génération non autorégressive.
Mercury, d'Inception Labs, a abouti à une API commerciale dédiée au code. L'affinage parallèle offre un haut débit dans les tests publiés, mais les itérations supplémentaires coûtent du calcul, si bien que le gain dépend de la longueur de la réponse et du matériel. Pour le code, l'idée est séduisante : les corrections sont souvent nécessaires au milieu d'un fichier.
Il faudra toutefois vérifier la qualité de cette édition sur de vrais diffs.
Que doit faire le développeur
Ne confondez pas MoE, quantification, speculative decoding et RAG avec de nouvelles architectures : ce sont des moyens de rendre les LLM moins coûteux, et non des substituts aux GPT. Le choix doit se faire selon la contrainte du produit : traitement en flux continu, modèles récurrents ; dépôts de code volumineux, hybrides ; assistants locaux, modèles compacts destinés au CPU ou au NPU ; décisions rapides au sein d'un agent, modèles comme Jev et Gemini Decision 1.
Pour l'heure, ni RWKV, ni l'attention linéaire, ni la diffusion n'ont universellement supplanté le Transformer, qui bénéficie d'une infrastructure mature et d'une montée en charge éprouvée. Mieux vaut se demander non pas quel modèle est le plus intelligent, mais quelle architecture, sur quel matériel et avec quel environnement agentique résout le mieux votre tâche. Tous les chiffres d'accélération cités ici proviennent des fournisseurs : vérifiez-les sur votre propre charge de travail.
- 21 nov. 2026Gemini 4 Neon a compressé le binaire de TS Rust de 47,44 à 7,97 Mo en moins de 10 heures
- 21 nov. 2026La capitaine d'une équipe de nageurs a confié trois tâches planifiées à ChatGPT et divisé sa charge de travail par plusieurs
- 21 nov. 2026Le réseau de neurones MIRA génère Rocket League à 20 images par seconde, mais le ping grimpe jusqu'à 460 ms
- 21 nov. 2026Google a construit une copie fermée d'internet avec de fausses banques pour entraîner les agents IA de Chrome
Questions clés sur cet article
Que sait-on sur Des modèles qui n'écrivent pas de texte : Jev et Gemini Decision 1 ?
Les LLM de type GPT ont deux caractéristiques marquantes : une architecture Transformer decoder-only et une génération autorégressive, où le token suivant est prédit à partir des précédents (comme T9, mais en beaucoup plus puissant). Ce sont deux propriétés indépendantes, et l'on peut remplacer chacune d'elles. Jev renonce à la génération séquentielle là où l'application a besoin d'une réponse précise : choisir un outil, classer une requête, évaluer un risque, déterminer l'étape suivante.
Que sait-on sur Réseaux récurrents, attention linéaire et hybrides ?
Les réseaux récurrents n'ont pas disparu, ils ont été reconçus. RWKV conserve un état récurrent lors de l'inférence, tout en s'entraînant en parallèle. Malgré les noms Key et Value, il n'y a pas de KV-cache croissant (la mémoire des anciennes clés et valeurs) dans ce modèle. xLSTM modernise la LSTM classique avec une porte exponentielle et une mémoire matricielle. L'équipe NXAI a entraîné un modèle de 7 milliards de paramètres et publié son code ainsi que ses poids.
Que sait-on sur Convolutions et diffusion : LFM3, LLaDA, Mercury ?
Liquid AI a montré que les convolutions sont aussi adaptées au texte. Dans LFM2, des convolutions courtes sont combinées à quelques couches d'attention, et l'architecture a été conçue pour le matériel réel, y compris les processeurs mobiles. Le 27 octobre 2026 est sorti LFM3 pour le texte, la vision et l'audio. Dans le modèle textuel LFM3-1.7B, sur 24 couches, 13 sont convolutives, 5 à attention locale et 6 à attention globale.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.