OpenClawJev AI en français · démo gratuite
EnglishJev AI est le premier « modèle System One » de TypeSafe AI, présenté en septembre 2026. Il ne rédige aucun texte : il tranche des questions fermées dont les issues possibles sont fixées à l'avance (quelle option, oui ou non, quel niveau) et indique à quel point il est sûr de lui. Cette page explique son fonctionnement à partir de cas courants du service client et de l'e-commerce, avec une démo gratuite pour l'essayer tout de suite.
Décrivez le contexte, choisissez le type de réponse, définissez les options : vous verrez la réponse retenue et la probabilité de chaque option.
Résultat
Cliquez sur « Obtenir la décision » pour tester l'exemple, ou remplacez-le par un cas tiré de votre activité.
Cet outil sert à se familiariser avec les types de réponse, à s'entraîner à formuler des questions et à tester des idées. Utilisez des données fictives, et attendez que la question et les options soient bien rodées avant de vous en servir dans votre activité.
Les bases
Les grands modèles de langage (LLM) comme ChatGPT, Claude ou Gemini sont conçus pour prolonger un texte : vous posez une question, ils répondent par un paragraphe. C'est agréable à lire, mais dès qu'il faut transmettre le résultat à un programme, c'est là que le travail commence : extraire la conclusion du texte, vérifier le format, puis estimer si la réponse est fiable.
Jev AI prend le problème à l'envers. Vous définissez d'abord la question et les réponses autorisées ; Jev choisit uniquement parmi elles et renvoie une probabilité pour chacune. TypeSafe appelle ce type de modèle un « modèle System One ». L'expression renvoie à Daniel Kahneman qui, dans « Système 1 / Système 2 : les deux vitesses de la pensée », distingue la pensée rapide et intuitive (système 1) de la pensée lente et réfléchie (système 2). Jev joue le rôle du système 1. Quant au nom « Jev », il fait référence à l'économiste William Stanley Jevons, connu pour le paradoxe qui porte son nom.
Jev ne remplace donc pas un LLM. Il prend en charge ce qui serait trop lent et trop coûteux à confier à un LLM : les petites décisions bien cadrées qui se répètent des milliers de fois par jour. D'après TypeSafe, Jev est disponible en accès anticipé depuis le 15 septembre 2026, répond en 70 à 500 millisecondes et coûte 0,042 $ par million de tokens en entrée, la sortie étant gratuite.
Avant de rédiger la question, demandez-vous ce qu'il vous faut : un choix, un oui ou un non, ou un niveau. Le type de réponse détermine la forme du résultat, et donc ce que votre programme fera ensuite.
Idéal pour aiguiller et classer, par exemple pour envoyer une demande client vers « Retours et échanges », « Livraison », « Paiement » ou « Autre ». Vous obtenez l'option retenue et la probabilité de chacune.
choice = Retours et échanges (confiance : 0,91)
Parfait pour les contrôles et les validations, par exemple pour savoir si un e-mail est en réalité une demande de résiliation. Le modèle renvoie la probabilité du « oui » ; c'est à vous de fixer le seuil. « Noul » est le nom donné par TypeSafe : concrètement, il s'agit d'une question fermée assortie d'une probabilité.
P(oui) = 0,82
Utile pour mesurer l'urgence ou la priorité. Si vous évaluez une demande sur une échelle à quatre niveaux (« Faible », « Moyenne », « Élevée », « Critique »), vous obtenez la probabilité de chaque niveau et un score pondéré, pratique pour prioriser les demandes.
score = 2,2 / 3
Coller tout l'historique de la conversation ou la fiche client complète risque surtout de brouiller la décision. Gardez l'essentiel : l'état de la commande, les mots exacts du client, ce qui a déjà été fait.
« Livraison en retard » et « Colis non reçu » se recoupent trop : fusionnez-les ou précisez où passe la frontière entre les deux. Ajoutez aussi une option « Autre » ou « Impossible à déterminer » pour que le modèle ne soit pas obligé de choisir au hasard quand il hésite.
« Faut-il rembourser, et combien ? », ce sont en réalité deux questions. Si vous les posez séparément, chaque probabilité a un sens clair et, en cas d'erreur, vous voyez tout de suite quelle décision est en cause.
« Transférer au support de niveau 2 » est bien plus utile que « Transférer à la bonne personne ». La réponse peut alors être exploitée directement, sans table de correspondance.
C'est tout l'intérêt des probabilités : vous savez non seulement ce qui a été choisi, mais aussi avec quel degré de certitude. Vous pouvez donc distinguer ce qui peut être traité automatiquement de ce qu'un membre de l'équipe doit vérifier.
Une demande mal aiguillée sera simplement réorientée : un seuil plus bas suffit. Pour un remboursement, une suppression de données ou un changement de droits d'accès, relevez-le nettement, ou faites valider systématiquement par un conseiller.
Pendant une à deux semaines, contentez-vous d'enregistrer les décisions du modèle et comparez-les à ce que votre équipe a réellement fait. Une fois le taux d'erreur connu pour chaque seuil, choisissez les cas à automatiser en premier.
Elle signifie seulement que le modèle est sûr de lui, pas qu'il a raison. Conservez le contexte, la question, les options, les probabilités et l'action exécutée : c'est ce qui vous permettra de comprendre une erreur après coup.
Voici leur format, dans les grandes lignes ; pour le nom exact des champs, reportez-vous à la documentation de l'API que vous utilisez. La réponse ne contient aucun texte rédigé : votre programme lit directement les champs.
{
"model": "jev-latest",
"state": "Client : « Mon aspirateur robot est arrivé hier, mais la brosse latérale est cassée et le carton était abîmé. Je voudrais un échange. »",
"questions": {
"service": {
"type": "choice",
"instructions": "Quel service doit traiter cette demande ?",
"criteria": {
"Retours et échanges": "Produit défectueux, demande de retour ou d'échange",
"Livraison": "Retard de livraison ou colis endommagé pendant le transport",
"Paiement": "Facturation, moyen de paiement ou avoir",
"Autre": "Aucune des catégories ci-dessus"
}
}
}
}{
"answers": {
"service": {
"type": "choice",
"choice": "Retours et échanges",
"probabilities": {
"Retours et échanges": 0.57,
"Livraison": 0.38,
"Paiement": 0.01,
"Autre": 0.04
},
"confidence": 0.57
}
}
}Les chiffres sont donnés à titre d'illustration. La brosse cassée peut venir aussi bien d'un défaut du produit que d'un choc pendant le transport, d'où deux probabilités assez proches : c'est typiquement le genre de demande qu'un conseiller devrait regarder avant tout aiguillage automatique.
Ce ne sont pas les mêmes outils. Les LLM comme ChatGPT ou Claude excellent à rédiger et à converser ; Jev se limite aux décisions dont les réponses sont fixées. En pratique, on les combine souvent : le LLM comprend et rédige, et aux embranchements où il faut trancher, un modèle comme Jev fournit une réponse assortie d'une probabilité.
La démo de cette page est gratuite et ne demande aucune inscription. Pour éviter les abus, chaque adresse IP est limitée à 8 requêtes par minute ; si vous atteignez la limite, patientez un instant avant de réessayer.
Oui. Le contexte, la question et les options peuvent être entièrement en français, comme dans les exemples de cette page. La réponse reprend exactement le libellé que vous avez donné à l'option.
Ce site n'enregistre pas le contenu que vous saisissez. Il s'agit toutefois d'une démo publique : n'y saisissez aucune donnée personnelle ou confidentielle (noms, numéros de téléphone, mots de passe, données clients).
Nous le déconseillons. L'endpoint public de la démo n'offre aucune garantie de disponibilité : il peut être lent après un démarrage à froid (cold start) ou temporairement saturé. Pour un usage en production, passez par l'API officielle de TypeSafe et prévoyez l'authentification, le rate limiting, les timeouts et la journalisation.
Après la décision, l'action
Jev indique quel chemin prendre. Pour le suivre concrètement (chercher des informations sur le web, classer des fichiers, répondre à des messages), il faut un agent capable d'agir. C'est précisément le rôle d'OpenClaw : un assistant IA dans le cloud à qui vous confiez des tâches comme à un collègue. Il pilote un navigateur, manipule des fichiers, utilise des outils et reste disponible en permanence sur sa propre instance cloud.
Pas besoin de construire un workflow : décrivez simplement le résultat attendu.
Confiez des tâches depuis Telegram et recevez les résultats dans la même conversation.
Nous gérons l'environnement cloud pour vous ; un navigateur suffit.
Aucune installation locale. Choisissez une offre et commencez directement depuis votre navigateur ou depuis Telegram.