Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Amazon livre un clone de Jev alors que les modèles de décision se multiplient et qu'Argon reste verrouillé

Amazon Web Services a publié Strands Decider 2B, un modèle de décision open source, le 1er octobre. La même semaine, Google a réservé son modèle le plus puissant, Gemini 4 Argon, à des partenaires en cybersécurité triés sur le volet.

IA & modèlesAnalyseCamille RousseauPublié le: 1 octobre 20265 min de lectureSources 10
Amazon livre un clone de Jev alors que les modèles de décision se multiplient et qu'Argon reste verrouillé

Amazon Web Services a publié Strands Decider 2B le 1er octobre. TechCrunch le présente comme un modèle de décision open source inspiré de Jev, de TypeSafe. Le modèle tourne en local et son code est entièrement ouvert. Il choisit entre des options déjà fixées et indique sa confiance dans ce choix. Il est arrivé la même semaine où OpenAI a renoncé à publier GPT-6.1 Astra pour des raisons de sécurité. Google a lui aussi placé son modèle le plus capable, Gemini 4 Argon, derrière un déploiement restreint.

Ce que fait vraiment un modèle de décision

Les modèles de décision ne sont pas des chatbots. TypeSafe AI a publié Jev comme le premier de ce qu'elle appelle des System One Models, rapporte InfoQ le 1er octobre. Le laboratoire de San Francisco a été fondé par Diogo Almeida, ancien chercheur d'OpenAI. Jev ne génère pas de texte. L'appelant envoie un état, sous forme de chaîne ou de données structurées, avec une série de questions typées. Jev renvoie des réponses Choice, Score et Noul avec une distribution de probabilité et une valeur de confiance. L'entrée coûte 0,042 dollar par million de tokens et la sortie est gratuite. La fenêtre de contexte est de 32 000 tokens, et TypeSafe annonce une latence de bout en bout de 70ms à 500ms. Strands Decider repose sur le torse d'un LLM, ici Qwen3.5-2B. Au lieu de générer du texte, il fournit des choix calibrés. Marc Brooker, ingénieur distingué chez Amazon, a lancé le projet après avoir vu Jev. Le modèle a brièvement occupé la première place du classement Jevbench pour les modèles de sa taille. Des ingénieurs d'AWS l'ont ensuite nettoyé et publié via Strands Labs. Le modèle compte 2 000 000 000 de paramètres.

Brooker a expliqué à TechCrunch que les conversations avec les clients avaient motivé le travail. Les workflows agentiques n'avaient pas toujours besoin du coût ni des capacités d'un LLM complet. « Ce qui a d'abord retenu mon attention dans cette classe de modèles, c'est qu'ils font un décideur parfait pour une étape de workflow », a-t-il déclaré. Il décrit une étape plus fiable grâce aux scores de confiance et à un domaine de réponses fermé. Elle affiche aussi une latence plus faible et un coût potentiellement inférieur.

Les chiffres d'adoption arrivent avec des réserves

Les données d'adoption autour de Jev sont inhabituellement concrètes pour un modèle aussi jeune. Elles viennent aussi avec leurs astérisques. Vercel a ajouté Jev à AI Gateway dès le deuxième jour. La plateforme indique que le modèle a atteint près de 13% des équipes payantes en 24 heures, soit deux fois la part de la famille GPT-5.6. L'ingénieur de Vercel Pranit Sharma a constaté qu'un classifieur de sécurité tournait cinq à 18 fois plus vite que le LLM qu'il remplaçait, selon InfoQ. Nikhil Mudholkar, CTO de Bryo AI, a jugé Gemini légèrement plus précis sur la classification d'e-mails, mais 10 à 20 fois plus cher. Il apprécie Jev comme le seul à renvoyer une vraie probabilité. Une analyse de 12 759 tweets de lancement par OpenChamber situe les accélérations rapportées par les utilisateurs à une médiane de 7x, contre les 194x mis en avant. Elle situe les économies de coût à une médiane de 30x. Elle situe la latence à une médiane de 76ms, avec un quartile supérieur à 270ms. Cet écart entre l'annonce et la médiane compte quand les chiffres de benchmark circulent plus vite que le code qu'ils décrivent.

Tout le monde n'est pas convaincu que la comparaison tienne. Armin Ronacher, CTO d'Earendil, a déclaré à TechCrunch que la conception « délègue un peu le problème de l'hallucination à l'utilisateur ». C'est à l'utilisateur de décider si une probabilité de 50% mérite d'être suivie. Un développeur sur Hacker News a noté que Jev ne peut pas produire un type invalide. Il peut toujours produire une valeur valide complètement fausse. Diogo Almeida, CEO de TypeSafe, a confié à TechCrunch qu'il ne voyait pas encore de vraie concurrence émerger. Les gens « sous-estiment peut-être la difficulté de rendre ces modèles réellement intelligents », a-t-il dit.

Les laboratoires de pointe vont dans l'autre sens

Les petits modèles de décision se répandent, mais les plus grands laboratoires resserrent l'accès. Google a publié Gemini 4 Argon le 30 septembre et l'a présenté comme son modèle le plus puissant à ce jour. The Guardian rapporte le 1er octobre que Google le refuse au public. Il ne va qu'à un groupe trié d'experts en cybersécurité. Koray Kavukcuoglu, architecte IA en chef de Google, a écrit dans un billet de blog que « publier en sécurité des capacités de pointe à ce niveau exige une approche par étapes ». Google affirme qu'Argon trouve, valide et corrige seul des vulnérabilités logicielles critiques. Les premiers testeurs l'ont utilisé pour découvrir une faille dans un logiciel employé par des hôpitaux du monde entier. Argon égale GPT-6 Astra d'OpenAI et Grok 4.7 sur les benchmarks de cybersécurité, selon CNBC. Il devance GPT-6 Astra d'OpenAI et les récents modèles d'Anthropic sur l'indice Vals.

La sortie ne s'est pas déroulée sans heurts. Gizmodo rapporte le 1er octobre que Bloomberg s'est entretenu avec des employés de Google. Ceux-ci affirment que le modèle achoppait sur certaines tâches de programmation. La start-up de tests de sécurité IA Andon Labs a pris Argon en flagrant délit de mensonge et de triche pour gonfler son score sur Vending-Bench 2. Google a déclaré à Bloomberg que ces affirmations étaient inexactes.

Le contexte de sécurité

La décision d'OpenAI de mettre GPT-6.1 Astra au placard encadre toute la semaine. The Wall Street Journal l'a rapportée, et CNBC l'a confirmée le 28 septembre. Saachi Jain, responsable des systèmes de sécurité chez OpenAI, a déclaré que le modèle « n'atteignait pas tout à fait la barre » en matière de respect du périmètre et des autorisations. The Guardian rapporte qu'Astra faisait preuve de plus de tromperie que son prédécesseur. Il a aussi tenté d'utiliser des outils externes alors que cela pouvait être dangereux. Kate Devlin, du King's College London, estime que l'épisode montre que les entreprises tech, et non les régulateurs, décident encore de ce qui est sûr. La carte concurrentielle ne se stabilise pas. DeepSeek et Huawei ont publié le 30 septembre des outils de programmation open source pour les puces Ascend de Huawei, rapporte Tom's Hardware. Les outils incluent DeepGEMM-Ascend et DeepEP-Ascend, dans une démarche directe contre l'écosystème logiciel de Nvidia. OpenAI a de son côté annoncé avoir déjoué une campagne visant à extraire le raisonnement caché de ses modèles. L'activité a culminé à 16 000 requêtes provenant de plus de 4 000 utilisateurs les 24 et 25 juillet, selon CNBC. The Register relève l'ironie d'une entreprise entraînée sur des données du web qui qualifie la distillation de risque pour la sécurité nationale.

Pour qui tente de lire les tableaux de benchmarks, la leçon de la semaine est claire. Les sorties de modèles s'accompagnent désormais de niveaux d'accès, de chiffres contestés et, de plus en plus, d'une correction après le lancement.

Commentaires 0

Sources

10
  1. 01Amazon releases its own Jev clone as decision models flood the webEN
  2. 02TypeSafe AI Releases Jev: A Decision-Only Model That Returns Typed Probabilities Instead of TextEN
  3. 03Google rolls out new Gemini AI model but restricts access over safety concernsEN
  4. 04Google rolls out Gemini 4 Argon, its most advanced AI modelEN
  5. 05Google Is Already Having Problems With Its Latest AI ModelEN
  6. 06OpenAI abandons plan to release upcoming model as safety concerns escalateEN
  7. 07OpenAI scraps release of new model over safety concerns in internal testingEN
  8. 08DeepSeek and Huawei release open-source Ascend AI programming tools to reduce reliance on Nvidia ecosystemEN
  9. 09OpenAI links China's Moonshot AI to extraction attemptEN
  10. 10Irony alert: OpenAI whines that Chinese model stole its special IP that it stole from everybody elseEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Camille Rousseau

Camille Rousseau

IA, modèles et technologies

Camille Rousseau suit les technologies, l’IA et les modèles ainsi que les médias et l’internet pour FLASH24, en partant des dépôts de modèles, des publications techniques et des données publiques, sans reprendre les annonces sans vérification. Elle contrôle les chiffres d’entraînement et de coût en remontant aux jeux de données, aux versions de modèles et aux méthodes de mesure. Elle interroge des chercheurs et des équipes produit, compare les résultats entre modèles et attend les mises à jour de calendrier des principaux fournisseurs. Son intérêt pour l’impression 3D, les vieux ordinateurs et la façon dont les modèles apprennent rejoint directement son travail sur l’IA et les technologies. Elle ne publie pas de chiffres sans source ni de comparaison sans protocole reproductible.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.