1. Qu’est-ce que Jev de TypeSafe AI ?
2. Jev vs LLM : quelle différence avec ChatGPT ou Claude ?
3. Choice, Score et Noul : les trois questions de Jev
4. Jev peut-il halluciner ? Ce qui est vrai, ce qui l’est moins
5. Prix de Jev et clé API : comment y accéder ?
6. Jev pour le SEO : qualifier et prioriser des mots-clés
7. Les limites de Jev à connaître avant de l’utiliser
8. Créer une application Next.js avec Jev sans être développeur
9. La formation Jev de LearnyClub
10. FAQ sur Jev

Jev est un modèle d'IA lancé par TypeSafe AI le 15 septembre 2026 qui ne rédige aucun texte : il prend des décisions. Classer, noter, trier, valider : il renvoie une réponse choisie dans un cadre que vous avez défini, avec une probabilité, en quelques centaines de millisecondes.

Depuis son lancement, Jev fait beaucoup parler sur X et LinkedIn. Les uns y voient la brique qui manquait pour automatiser vraiment. Les autres rappellent que la plupart des chiffres viennent de TypeSafe lui-même.

Dans cet article, on fait le tri : ce qu'est Jev, ce qui le distingue de ChatGPT ou Claude, ce qu'il coûte, ses limites, et surtout comment l'utiliser concrètement en SEO, même sans être développeur.

Qu'est-ce que Jev de TypeSafe AI ?

Jev est le premier « modèle System One » de TypeSafe AI : une IA qui reçoit un contexte et des questions typées, et qui renvoie des décisions structurées avec des probabilités calibrées. Il répond à toutes les questions en un seul passage parallèle, là où un LLM écrit sa réponse mot après mot.

Le nom « System One » vient de Daniel Kahneman. Le système 1 est la pensée rapide et intuitive, le système 2 la pensée lente et réfléchie. Jev vise le premier : des jugements courts, fréquents et rapides à l'intérieur d'un logiciel.

Quelques repères :

• Éditeur : TypeSafe AI, start-up de San Francisco fondée en 2024 par Diogo Almeida, Erik Gafni et Sasha Sheng.
• Fondateur : Diogo Almeida, ex-OpenAI, présenté comme co-inventeur du RLHF et d'InstructGPT, les méthodes derrière ChatGPT.
• Financement : 40 millions de dollars en seed, menés par DCVC.
• Nom : un clin d'œil à l'économiste William Stanley Jevons. Son paradoxe dit que lorsqu'une ressource devient moins chère, on en consomme davantage. L'idée : quand une décision coûte presque rien, on peut en automatiser beaucoup plus.
• Version actuelle : jev-1.13.0, accessible via l'alias jev-latest.

Jev vs LLM : quelle différence avec ChatGPT ou Claude ?

Un LLM écrit, Jev décide. Jev n'est pas un modèle d'IA générative : il ne peut ni rédiger, ni résumer, ni expliquer sa décision. Il choisit une valeur dans un ensemble de réponses que vous avez fixé à l'avance.

	LLM (ChatGPT, Claude, Gemini)	Jev (System One)
Ce qu'il produit	Du texte libre	Une décision typée + des probabilités
Génération	Mot après mot	Toutes les réponses en un passage parallèle
Temps de réponse	Quelques secondes, parfois plus	70 à 500 ms selon TypeSafe
Réponse hors cadre	Possible	Impossible : la sortie suit le schéma
Usage idéal	Rédiger, raisonner, coder	Classer, router, noter, vérifier

Les deux sont donc complémentaires. Le schéma qui revient le plus chez les développeurs : le LLM génère le contenu et gère le raisonnement, Jev tranche les décisions autour, et le code applique les règles métier et déclenche les actions.

Un exemple souvent cité : Vercel a remplacé un classifieur basé sur un LLM par Jev et annonce des résultats 5 à 18 fois plus rapides, et plus précis.

Choice, Score et Noul : les trois questions de Jev

Jev ne comprend que trois types de questions, que TypeSafe appelle des « primitives ». Tout le travail consiste à traduire votre décision dans l'une d'elles.

Primitive	Question posée	Ce que Jev renvoie	Exemple SEO
Choice	« Lequel de ces choix ? » (jusqu'à 255 options)	L'option retenue, la probabilité de chaque option, un score de confiance	Intention de recherche : informationnelle, commerciale, transactionnelle ou navigationnelle
Score	« À quel niveau sur cette échelle ? » (2 à 10 niveaux)	Un score, la probabilité de chaque niveau, un score de confiance	Pertinence d'une page pour une requête, de 1 à 5
Noul	« Cette affirmation est-elle vraie ? »	Une probabilité entre 0 et 1, sans score de confiance séparé	« Cette page répond-elle à la requête ? »

Une même requête peut combiner plusieurs questions des trois types. Jev les évalue en parallèle sur le même contexte, ce qui allonge à peine le temps de réponse.

La règle d'or de TypeSafe : une question = une décision simple. Une décision complexe se découpe en plusieurs questions, et c'est votre code qui combine les réponses, pas un prompt.

Astuce pratique : Choice désigne toujours un gagnant, même quand aucune option ne convient. Pour pouvoir répondre « aucune », ajoutez un Noul par option.

Jev peut-il halluciner ? Ce qui est vrai, ce qui l'est moins

Jev ne peut pas inventer une réponse hors du cadre que vous lui donnez, mais il peut se tromper. C'est la nuance que beaucoup de posts oublient.

Ce que TypeSafe affirme est exact au sens strict : la sortie est contrainte par le schéma. Si vous demandez de choisir entre trois services, Jev ne répondra jamais par un quatrième qui n'existe pas.

En revanche, plusieurs analyses rappellent qu'il peut choisir une option valide mais fausse. The Register juge d'ailleurs la comparaison avec les LLM peu équitable sur ce point. Une formulation plus juste serait : « type-safe, avec une confiance calibrée ».

En pratique, c'est la probabilité qui fait la différence. On fixe des seuils :

• Confiance élevée : la décision est appliquée automatiquement.
• Confiance moyenne : la décision est mise en file pour une vérification.
• Confiance faible : on renvoie vers un humain ou vers un LLM plus puissant.

TypeSafe le dit lui-même : la décision finale vous revient, et tout dépend des seuils que vous fixez.

Prix de Jev et clé API : comment y accéder ?

Jev coûte 0,042 $ par million de tokens en entrée, et la sortie est gratuite. Il est tarifé comme une brique d'infrastructure, pas comme un modèle haut de gamme, ce qui le rend adapté aux gros volumes : des milliers de mots-clés, de pages ou de tickets.

Côté accès, attention aux articles déjà dépassés. Au lancement, Jev était sur liste d'attente. Depuis le 20 septembre 2026, TypeSafe l'a ouvert à tous, sans liste d'attente.

Pour démarrer :

1. Créez un compte sur la console TypeSafe.
2. Testez Jev sans code dans le Playground, avec un cas réel.
3. Créez une clé dans l'onglet API Keys et stockez-la dans une variable d'environnement, jamais dans le code.
4. Faites votre premier appel : une requête POST vers l'API System One avec le modèle jev-latest.

Autre option sans compte TypeSafe : passer par le Vercel AI Gateway, où le modèle s'appelle typesafe-ai/jev.

Prix et conditions d'accès vérifiés le 9 octobre 2026.

Jev pour le SEO : qualifier et prioriser des mots-clés

Le SEO est rempli de petites décisions répétitives, exactement le terrain de Jev. Qualifier 5 000 mots-clés à la main prend des jours. Les envoyer à un LLM coûte cher, prend du temps et donne des réponses au format variable. Jev renvoie une réponse structurée par mot-clé, directement exploitable dans un tableur ou une application.

Étape 1 : réunir les données

On part des sources habituelles : Google Search Console pour les requêtes et les pages qui se positionnent déjà, Keyword Planner et DataForSEO pour élargir la liste et récupérer les volumes.

Étape 2 : poser les bonnes questions à Jev

Pour chaque mot-clé, une seule requête peut contenir plusieurs questions :

Question	Primitive	Réponses possibles
Quelle est l'intention de recherche ?	Choice	Informationnelle, commerciale, transactionnelle, navigationnelle
Ce mot-clé est-il pertinent pour notre activité ?	Score	1 (hors sujet) à 5 (cœur de cible)
La page fournie répond-elle à cette requête ?	Noul	Probabilité de 0 à 1
Quelle page du site doit porter ce mot-clé ?	Choice	La liste de vos URL principales

Étape 3 : laisser les calculs au code

Jev lit du texte et gère mieux les mots que les nombres. TypeSafe recommande de faire la logique mathématique dans le code. Ne lui demandez donc pas de comparer des volumes ou des positions : récupérez ses jugements, puis croisez-les avec vos métriques dans votre outil.

Étape 4 : construire les règles de priorité

Un exemple de règle : pertinence ≥ 4, intention commerciale ou transactionnelle, et probabilité de couverture < 0,3. Résultat : un mot-clé important, rentable et mal couvert. C'est une page à créer ou à renforcer en priorité.

Cette logique ne s'arrête pas au SEO. Le même schéma (Choice pour trier, Score pour noter, Noul pour vérifier) sert au routage de tickets, à la modération ou au contrôle qualité de contenus générés par un LLM.

Les limites de Jev à connaître avant de l'utiliser

Jev est rapide et peu cher, mais il ne sait faire qu'une chose : décider dans un cadre défini. TypeSafe publie d'ailleurs lui-même la liste de ses points faibles.

• Pas de texte : Jev ne rédige ni contenu, ni réponse client, ni explication.
• Pas de calcul : il ne compte pas, ne calcule pas de dates et gère mal les chiffres.
• Pas de raisonnement en plusieurs étapes : les problèmes complexes restent le travail d'un LLM.
• Un cadre limité : 255 options maximum par Choice. Au-delà, il faut deux étapes : un Choice sur des groupes, puis un Choice dans le groupe gagnant.
• Sensible au bruit : sa précision baisse quand le contexte contient des informations sans rapport avec la décision. Envoyez-lui uniquement ce qui sert.
• Moins précis en chinois, japonais et coréen, selon TypeSafe.
• Des chiffres encore peu vérifiés : les gains de vitesse et de coût viennent de workflows conçus par l'équipe de TypeSafe. Pas de papier de recherche, pas de poids publiés, peu d'évaluations indépendantes pour l'instant.

La bonne approche : tester Jev sur une décision étroite et répétitive, avec vos propres données, et comparer avec votre méthode actuelle avant de lui confier un workflow critique.

Créer une application Next.js avec Jev sans être développeur

Oui, c'est possible : un assistant IA de code écrit l'application, et vous la pilotez. Votre vraie valeur ajoutée n'est pas la syntaxe. C'est de savoir quelles questions poser à Jev, quelles réponses autoriser et quels seuils fixer.

L'écosystème facilite les choses. Vercel publie un guide qui part d'un projet Next.js avec App Router et appelle Jev via son AI Gateway. Il existe aussi un fournisseur TypeSafe pour le Vercel AI SDK, ainsi qu'un modèle d'application prêt à cloner qui route des formulaires avec Jev.

Le parcours type ressemble à ceci :

1. Décrire l'application à l'assistant IA : import des mots-clés, appel à Jev, affichage des résultats.
2. Faire générer le projet Next.js et l'interface.
3. Connecter l'API Jev avec votre clé, stockée dans un fichier d'environnement.
4. Définir les questions Choice, Score et Noul et leurs réponses possibles.
5. Tester sur un petit lot, lire les probabilités, ajuster les seuils.
6. Utiliser les réponses structurées directement dans l'application : filtres, tri, priorités.

Comprendre ce que fait un appel API reste indispensable : c'est ce qui vous permet de corriger l'assistant quand il se trompe.

La formation Jev de LearnyClub

La formation Jev de LearnyClub vous apprend à passer de la théorie à une application SEO qui fonctionne, sans prérequis en programmation. Elle s'adresse aux consultants SEO, entrepreneurs, chefs de projet et développeurs.

Partie 1 : comprendre

• Ce qu'est un modèle System One et ce qui le distingue d'un LLM.
• Le fonctionnement de Jev : questions typées, Choice, Score, Noul.
• Lire les probabilités et fixer des seuils de confiance.

Partie 2 : pratiquer

• Créer une application Next.js avec un assistant IA de code.
• Intégrer l'API Jev et exploiter ses réponses structurées.
• Cas pratique SEO à partir de Google Search Console, Keyword Planner et DataForSEO : intention de recherche, pertinence, couverture des pages, règles de priorisation.

À la fin, vous savez repérer dans vos propres workflows les décisions qu'un modèle comme Jev peut automatiser.

Découvrir la formation Jev →

FAQ sur Jev

Qui a créé Jev ? Jev a été créé par TypeSafe AI, une start-up de San Francisco fondée par Diogo Almeida, Erik Gafni et Sasha Sheng. Diogo Almeida est un ancien chercheur d'OpenAI, présenté comme co-inventeur du RLHF utilisé pour ChatGPT.

Jev peut-il remplacer ChatGPT ? Non. Jev ne génère pas de texte et ne raisonne pas en plusieurs étapes. Il remplace un LLM uniquement pour les décisions répétitives : classer, router, noter, vérifier. Pour rédiger ou raisonner, un LLM reste nécessaire.

Jev est-il open source ? Non. Jev est un modèle propriétaire, sans poids publiés. On l'utilise via l'API de TypeSafe ou via des plateformes partenaires comme le Vercel AI Gateway.

Quelle quantité de texte peut-on envoyer à Jev ? La version jev-1.13.0 accepte 64 000 tokens par requête, dont 32 000 pour le contexte et la question la plus longue. Mieux vaut pourtant envoyer peu : sa précision baisse quand le contexte contient des informations inutiles.

TypeSafe utilise-t-il mes données pour entraîner Jev ? Non. TypeSafe s'engage à ne pas entraîner ses modèles sur les requêtes de ses clients, et Jev n'est pas personnalisé avec vos données.

Peut-on tester Jev sans écrire de code ? Oui. La console TypeSafe propose un Playground : vous collez un cas réel, posez vos questions Choice, Score et Noul, et lisez les réponses et les probabilités.