IA · LLM · agents · automatisation — et si on arrêtait de demander à une IA d'écrire, pour lui demander de décider ? Ce soir : les modèles qui tranchent à la place. Imaginez : on paie des modèles de plusieurs centaines de milliards de paramètres pour… classer des emails. Cher, lent, et le format casse une fois sur dix. Et si on arrêtait de leur demander d'écrire, pour leur demander de décider ? Durant cette session, on plonge dans une nouvelle catégorie de modèles : les System One models. Premier représentant public : Jev, de TypeSafe AI, fondé par Diogo Almeida — co-inventeur du RLHF, ex-OpenAI. Jev ne génère aucun texte. Il rend des décisions typées assorties de probabilités calibrées, en 70–500 ms, pour environ 0,04 $ le million de tokens. De quoi router, classer, trier, juger — là où un LLM génératif est une hache pour ouvrir une lettre. Au programme : le hook (une extension Chrome qui fait disparaître les publicités d'une page, décidée par une IA, en direct) ; le problème (pourquoi demander à un modèle d'« écrire une réponse » est le mauvais choix pour une décision) ; System 1 / System 2 (le cadre de Kahneman appliqué au logiciel) ; TypeSafe AI & Jev (architecture à échantillonnage parallèle, 3 primitives : Choice, Score, Noul, la confiance calibrée) ; RLHF vs RLVR vs RLCD (comment on entraîne un modèle à avoir raison, plutôt qu'à sonner juste) ; démo live (le même aiguillage, deux moteurs : un modèle open-source local et JEV cloud) ; n8n (le tout branché dans un workflow qui route vers 5 chaînes) ; ressources (slides, code et liens, partagés en fin de séance). Ce que vous repartez avec : un modèle mental clair pour distinguer générer et décider ; le code (un client JEV, un template n8n, une extension Chrome, open-source) ; les chiffres réels (coût, latence, précision), mesurés en direct. Pour qui ? Audience tech : développeurs, data/ML, produit, fondateurs, curieux avertis. Pas besoin d'être expert. Prérequis : aucun. C'est une présentation avec démonstrations live — rien à installer, rien à préparer.