Data / IA
Comme attendu, les géants de la Tech cherchent à tuer Jev dans l’œuf
Par Laurent Delattre, publié le 06 octobre 2026
Il aura fallu moins de deux semaines au phénomène Jev pour transformer une intuition en nouvelle catégorie de l’IA… et voire ses concurrents bulldozers lui voler un marché qu’il n’avait même pas encore eu le temps de créer. Après OpenAI et sa Decisions API, AWS dégaine Strands Decider 2B, un modèle de décision open source qui reprend très directement les principes popularisés par TypeSafe AI avec Jev. Nous avions prévenu que le succès médiatique de son modèle ne tarderait pas à provoquer sa copie. Mais pas forcément aussi vite.
Le 15 septembre dernier, TypeSafe AI sortait de l’ombre avec Jev, un drôle de modèle qui ne sait ni rédiger un mail, ni écrire du code, ni tenir une conversation. Il sait en revanche décider. Très vite et pour presque rien.
Son principe consiste à abandonner la génération libre des LLM pour choisir entre des réponses déterminées à l’avance : fraude ou pas fraude, autoriser ou bloquer, router vers l’agent A ou B, transmettre à un humain ou poursuivre automatiquement. À chaque décision s’ajoute un score de confiance censé être suffisamment calibré pour permettre au logiciel de savoir quand agir seul.
Une idée assez simple pour soulever une question gênante au cœur du buzz qui a suivi le lancement de Jev : pourquoi mobiliser un gigantesque LLM chaque fois qu’un agent doit simplement choisir entre trois portes ?
Bonne question. Et la réponse est que le phénomène Jev a surtout créé une nouvelle tendance : les modèles de décision.
Le risque était écrit noir sur blanc
Lorsque nous avions analysé Jev quelques jours après son lancement, nous notions déjà que GPT, Claude ou Gemini savaient effectuer ces tâches et que « leurs fournisseurs peuvent progressivement optimiser cette fonction ». Et nous terminions surtout sur cette mise en garde : « Avec Jev, TypeSafe AI a identifié un besoin suffisamment important pour que toute l’industrie décide de le copier. »
Bingo !
À peine plus d’une semaine après cet article, deux géants avaient déjà dégainé leur solution concurrente.
Le 29 septembre, OpenAI profitait de son DevDay 2026 pour annoncer Decisions API, actuellement en preview limitée. Propulsée par GPT-6 Luna (son plus petit modèle et surtout son modèle le plus économique), cette API permet de définir une question et un ensemble fini de réponses afin de classifier un contenu, router une requête ou choisir la prochaine action d’un agent. Autrement dit, faire précisément le boulot qui a rendu Jev célèbre. Nous l’évoquions déjà dans notre décryptage des annonces du DevDay 2026.
Mais AWS va plus loin.
AWS transforme la copie en projet open source
Le 1er octobre, l’écosystème Strands a publié Strands Decider 2B. Et cette fois, difficile de masquer la filiation : AWS revendique explicitement l’émergence de cette nouvelle famille de « decision models » dans le sillage de Jev.
Strands Decider 2B reprend le même pari architectural. On part ici du « torse » du LLM Qwen3.5-2B, puis on lui retire sa tête de génération de langage pour la remplacer par un mécanisme chargé de noter les réponses proposées. Résultat : 2 milliards de paramètres seulement, des décisions en quelques dizaines de millisecondes et surtout un modèle suffisamment léger pour fonctionner localement sur CPU ou GPU. AWS mesure environ 115 ms de latence médiane sur RTX 3090 et 153 ms sur un MacBook M3 pour les petites tâches.
Surtout, face à Jev, AWS joue une carte maîtresse : l’open source. Le Code, les poids, les données d’entraînement et les scripts sont ici rendus publics. Le modèle peut donc être téléchargé, personnalisé, modifié, réentraîné avec les propres contextes de votre entreprise et exécuté hors du cloud AWS.
Ce n’est pas tout à fait un détail pour TypeSafe AI, qui garde au contraire secrets les poids et l’architecture de Jev (tout au moins jusqu’ici).
Et derrière Decider, il y a toute la machine Strands
Le nom Strands mérite d’ailleurs un peu d’explication. Il ne désigne pas un énième modèle Amazon mais tout un écosystème open source d’outillage agentique initié par AWS.
Première pierre de l’édifice lancée en 2025, Strands Agents SDK est d’abord un Kit de Dev permettant de construire des agents autour d’un modèle et d’outils sans coder manuellement toute leur orchestration. Depuis, AWS a empilé les briques agentiques : multi-agents, mémoire, évaluation, sandbox, sécurité, etc. Une étape clé a été franchie avec la publication de Strands Harness SDK, suivie peu de temps après d’un harness complet « Strands Harness » prêt à l’emploi. En février dernier, Strands Labs est venu compléter l’ensemble s’imposant comme un terrain d’expérimentation pour les technologies agentiques émergentes.
Strands Decider 2B est justement le fruit de ce laboratoire de R&D. L’agencement des briques est très naturel. Un agent Strands peut réserver un LLM puissant aux raisonnements complexes et déléguer à Strands Decider les micro-décisions répétitives : la sélection d’outil, le routage de modèles, le filtrage, les garde-fous, la gestion du contexte, la classification de politiques ou encore la validation d’un appel avant son exécution.
Dit autrement, AWS ne photocopie pas Jev. Il lui invente un écosystème tout autour. Et cela va forcément peser lourd dans la balance, notamment pour tous ceux qui ont déjà largement adopté l’écosystème IA d’AWS avec Bedrock.
Jev vient peut-être à la fois de gagner… et de perdre
En regardant les choses positivement, on peut estimé que ces annonces constituent effectivement une formidable validation de l’idée de TypeSafe AI. En quinze jours, cette inconnue startup a suffisamment secoué le marché pour pousser OpenAI et AWS à publiquement entrer sur son terrain de jeu. Mais le chrono tourne désormais beaucoup plus vite. Probablement même beaucoup trop vite pour cette startup.
Jev doit prouver que son architecture apporte suffisamment de performances, de calibration ou d’efficacité pour résister à une Decisions API directement accessible aux clients OpenAI et à un Strands Decider gratuit, ouvert et naturellement intégrable à l’écosystème AWS.
TypeSafe AI voulait créer une nouvelle catégorie. Mission accomplie. Le problème, c’est que lorsqu’une startup invente une catégorie que les hyperscalers jugent stratégique, elle découvre généralement très vite que le plus difficile n’était pas de l’inventer. C’était de réussir à la garder. Et quand elle le découvre il est malheureusement souvent « trop tard », à commencer pour ses investisseurs potentiels.
À LIRE AUSSI :
À LIRE AUSSI :
