Maison
Amazon lance son propre clone de Jev alors que les modèles décisionnels envahissent le Web

Amazon Web Services a lancé un modèle décisionnel open source inspiré de « Jev » de TypeSafe, alors que les développeurs en IA privilégient de plus en plus une intelligence optimisée pour l’automatisation informatique plutôt que les grands modèles linguistiques de pointe.
Sorti la même semaine où OpenAI a annoncé une offre similaire, Strands Decider 2B d’Amazon propose une méthode rapide et peu coûteuse pour trier des options prédéfinies, tout en fournissant des scores de confiance pour ses choix. Le modèle est entièrement open source, disponible immédiatement et suffisamment compact pour être exécuté en local.
Marc Brooker, ingénieur émérite chez Amazon, a lancé le projet après avoir observé Jev et tenté de construire un modèle similaire. Ce projet maison s’est avéré fructueux — se classant brièvement en tête du classement Jevbench compte tenu de sa taille —, ce qui a incité les ingénieurs d’Amazon à le perfectionner et à le publier via Strands Labs, une division spécialisée dans le développement d’outils et de protocoles pour le déploiement d’agents d’IA.
M. Brooker explique que la demande pour un tel outil est née de discussions avec des clients d’AWS, dont les workflows basés sur des agents ne nécessitent souvent pas, en permanence, les capacités ni le coût d’un LLM complet.
« Ce qui a initialement éveillé mon intérêt pour cette catégorie de modèles, c’est qu’ils constituent un décideur idéal pour une étape de flux de travail : “Quelle est la prochaine action que je dois effectuer ici, en fonction de l’étape où j’en suis ?” », a déclaré Brooker à TechCrunch. Il a souligné que cela offrait aux clients « une étape de workflow pouvant être structurée de manière plus fiable, grâce aux scores de confiance, au domaine fermé des réponses, [et présentant] une latence réduite, ainsi qu’un coût potentiellement moindre ».
À l’instar d’autres modèles décisionnels, Strands Decider repose sur le « tronc » d’un LLM, plus précisément Qwen3.5-2B, mais au lieu de générer du texte, il propose des choix calibrés. TypeSafe a baptisé son modèle « Jev » en hommage à l’économiste William Stanley Jevons, faisant ainsi référence à sa théorie selon laquelle la baisse du coût d’un bien – tel que l’intelligence artificielle – peut en réalité accroître la demande.
La prolifération de dizaines de modèles similaires développés par des chercheurs depuis les débuts de TypeSafe témoigne d’un intérêt généralisé, mais soulève des questions quant à leur valeur pratique. Brooker suggère que le principal défi réside dans l’optimisation de la rapidité de prise de décision du modèle sans compromettre son intelligence.
« Il faut trouver un équilibre très délicat : d’un côté, on souhaite améliorer ses performances en matière de précision et d’ajustement sur ce type de tâches, sans pour autant nuire à sa capacité à comprendre différentes langues ni à ses connaissances, qui font justement de ce modèle un outil polyvalent, intéressant et utile », a-t-il déclaré à TechCrunch.
Il ne s’attend toutefois pas nécessairement à ce que les laboratoires de pointe dominent ce créneau, d’autant plus que le coût de développement d’une solution pertinente sur des marchés plus restreints ne s’élève souvent qu’à quelques centaines ou milliers de dollars.
De leur côté, les dirigeants de TypeSafe s’attachent à affiner leur approche et à améliorer les futurs modèles.
« Je comprends que les gens pensent qu’il s’agit d’une ruée vers l’or, mais ils sous-estiment peut-être la difficulté de rendre ces modèles réellement intelligents », a déclaré à TechCrunch le PDG et fondateur Diogo Almeida, ajoutant qu’il ne voyait pas encore émerger de véritable concurrence pour son entreprise.
« La vague actuelle ressemble davantage à des spécialistes du ML désireux de mettre en œuvre une architecture sophistiquée qu’à une équipe profondément déterminée à rendre l’intelligence utile. »
Article connexe
Moins de 400 dollars : Hugging Face lance Microduck, un mini-robot bipède open source
Pollen Robotics, une start-up spécialisée dans la robotique open source soutenue par Hugging Face, a publié le code source de Microduck, un robot bipède compact. Mesurant à peine 25 cm et pesant 800 g
Google Gemini est profondément intégré à Google Photos pour la génération d’images par intelligence artificielle personnalisée.
Google a récemment déployé une mise à jour majeure de son assistant IA, Gemini, en l’intégrant profondément à Google Photos. Cette amélioration permet à Gemini d’accéder directement aux données visuelles de votre bibliothèque photo, facilitant la cré
Un chef-d'œuvre sur Reddit permet à Claude d'interagir avec vous en temps réel par l'écriture manuscrite, offrant une expérience d'apprentissage immersive tout simplement exceptionnelle.
Un développeur de Reddit a lancé une nouvelle application interactive d’écriture manuscrite qui permet aux utilisateurs de converser avec Claude AI en temps réel. En imitant l’échange magique et bidirectionnel du journal de Tom Riddle dans Harry Pott
Recommandations de sujets spéciaux liés
commentaires (0)

Amazon Web Services a lancé un modèle décisionnel open source inspiré de « Jev » de TypeSafe, alors que les développeurs en IA privilégient de plus en plus une intelligence optimisée pour l’automatisation informatique plutôt que les grands modèles linguistiques de pointe.
Sorti la même semaine où OpenAI a annoncé une offre similaire, Strands Decider 2B d’Amazon propose une méthode rapide et peu coûteuse pour trier des options prédéfinies, tout en fournissant des scores de confiance pour ses choix. Le modèle est entièrement open source, disponible immédiatement et suffisamment compact pour être exécuté en local.
Marc Brooker, ingénieur émérite chez Amazon, a lancé le projet après avoir observé Jev et tenté de construire un modèle similaire. Ce projet maison s’est avéré fructueux — se classant brièvement en tête du classement Jevbench compte tenu de sa taille —, ce qui a incité les ingénieurs d’Amazon à le perfectionner et à le publier via Strands Labs, une division spécialisée dans le développement d’outils et de protocoles pour le déploiement d’agents d’IA.
M. Brooker explique que la demande pour un tel outil est née de discussions avec des clients d’AWS, dont les workflows basés sur des agents ne nécessitent souvent pas, en permanence, les capacités ni le coût d’un LLM complet.
« Ce qui a initialement éveillé mon intérêt pour cette catégorie de modèles, c’est qu’ils constituent un décideur idéal pour une étape de flux de travail : “Quelle est la prochaine action que je dois effectuer ici, en fonction de l’étape où j’en suis ?” », a déclaré Brooker à TechCrunch. Il a souligné que cela offrait aux clients « une étape de workflow pouvant être structurée de manière plus fiable, grâce aux scores de confiance, au domaine fermé des réponses, [et présentant] une latence réduite, ainsi qu’un coût potentiellement moindre ».
À l’instar d’autres modèles décisionnels, Strands Decider repose sur le « tronc » d’un LLM, plus précisément Qwen3.5-2B, mais au lieu de générer du texte, il propose des choix calibrés. TypeSafe a baptisé son modèle « Jev » en hommage à l’économiste William Stanley Jevons, faisant ainsi référence à sa théorie selon laquelle la baisse du coût d’un bien – tel que l’intelligence artificielle – peut en réalité accroître la demande.
La prolifération de dizaines de modèles similaires développés par des chercheurs depuis les débuts de TypeSafe témoigne d’un intérêt généralisé, mais soulève des questions quant à leur valeur pratique. Brooker suggère que le principal défi réside dans l’optimisation de la rapidité de prise de décision du modèle sans compromettre son intelligence.
« Il faut trouver un équilibre très délicat : d’un côté, on souhaite améliorer ses performances en matière de précision et d’ajustement sur ce type de tâches, sans pour autant nuire à sa capacité à comprendre différentes langues ni à ses connaissances, qui font justement de ce modèle un outil polyvalent, intéressant et utile », a-t-il déclaré à TechCrunch.
Il ne s’attend toutefois pas nécessairement à ce que les laboratoires de pointe dominent ce créneau, d’autant plus que le coût de développement d’une solution pertinente sur des marchés plus restreints ne s’élève souvent qu’à quelques centaines ou milliers de dollars.
De leur côté, les dirigeants de TypeSafe s’attachent à affiner leur approche et à améliorer les futurs modèles.
« Je comprends que les gens pensent qu’il s’agit d’une ruée vers l’or, mais ils sous-estiment peut-être la difficulté de rendre ces modèles réellement intelligents », a déclaré à TechCrunch le PDG et fondateur Diogo Almeida, ajoutant qu’il ne voyait pas encore émerger de véritable concurrence pour son entreprise.
« La vague actuelle ressemble davantage à des spécialistes du ML désireux de mettre en œuvre une architecture sophistiquée qu’à une équipe profondément déterminée à rendre l’intelligence utile. »
Moins de 400 dollars : Hugging Face lance Microduck, un mini-robot bipède open source
Pollen Robotics, une start-up spécialisée dans la robotique open source soutenue par Hugging Face, a publié le code source de Microduck, un robot bipède compact. Mesurant à peine 25 cm et pesant 800 g
Google Gemini est profondément intégré à Google Photos pour la génération d’images par intelligence artificielle personnalisée.
Google a récemment déployé une mise à jour majeure de son assistant IA, Gemini, en l’intégrant profondément à Google Photos. Cette amélioration permet à Gemini d’accéder directement aux données visuelles de votre bibliothèque photo, facilitant la cré
Un chef-d'œuvre sur Reddit permet à Claude d'interagir avec vous en temps réel par l'écriture manuscrite, offrant une expérience d'apprentissage immersive tout simplement exceptionnelle.
Un développeur de Reddit a lancé une nouvelle application interactive d’écriture manuscrite qui permet aux utilisateurs de converser avec Claude AI en temps réel. En imitant l’échange magique et bidirectionnel du journal de Tom Riddle dans Harry Pott











