Laya, Jev, CUA-S1 : les modèles qui ne génèrent pas de texte

TL;DR — la catégorie en une minute

• Ce qui se passe : en dix jours, trois modèles avec la même idée — ne plus générer de texte, rendre directement une décision typée (un choix, un score, une probabilité calibrée).
• Les trois : Jev (TypeSafe AI, propriétaire, 15 septembre), Laya (Convai Innovations, Apache-2.0, 18 septembre, 17 000 étoiles en cinq jours), et CUA-S1 qui applique l’idée au pilotage d’interfaces.
• Laya en chiffres : ~421 millions de paramètres sur un squelette ModernBERT-large, poids ouverts, port Apple Core ML annoncé autour de 5 ms par décision sur le moteur neuronal d’un M3 Max.
• Ce qui n’est pas nouveau : un encodeur qui note des options, c’est l’héritage direct de BERT. La nouveauté est l’emballage.
• Notre verdict : à suivre — cinq jours d’existence, mesures auto-déclarées, zéro validation indépendante.

Il y a dix jours, cette catégorie n’existait pas. Le 15 septembre, TypeSafe AI sort Jev, un modèle propriétaire qui ne génère pas de texte. Le 18, Convai Innovations publie Laya en Apache-2.0 pour lui répondre — et prend 17 000 étoiles en cinq jours. Dans la foulée, CUA-S1 applique exactement le même principe au pilotage d’interfaces.

Trois arrivées en dix jours, ce n’est plus une coïncidence. C’est une catégorie qui naît. Reste à savoir si elle mérite ton attention — ou juste ta curiosité.

L’idée : rendre une décision, pas une phrase

Un grand modèle de langage fonctionne par génération : il produit sa réponse mot après mot, chacun conditionné par les précédents. C’est ce qui lui donne sa souplesse — et ce qui le rend lent et coûteux.

Or, dans énormément de cas réels, on ne veut pas de phrase. On veut :

• Ce message est-il une réclamation ? — oui ou non, avec une confiance.
• Vers lequel de ces quatre services l’orienter ? — un choix parmi quatre.
• Ce champ de formulaire attend-il une date ou un montant ? — un type.

Faire produire du texte à un modèle de plusieurs milliards de paramètres pour obtenir « oui », c’est mobiliser une chaîne de raisonnement complète pour un résultat qui n’a pas besoin de langage.

Ces nouveaux modèles prennent le problème autrement : tu fournis un état et des questions typées, ils renvoient un choix, un score ou une probabilité. Zéro jeton généré. Laya annonce environ 33 ms par question sur une carte graphique modeste, et son port Apple descend autour de 5 ms sur le moteur neuronal d’un Mac récent.

Ce qui est vraiment nouveau — et ce qui ne l’est pas

Soyons précis, parce que c’est là que l’enthousiasme dérape.

Ce qui n’est pas nouveau. Un encodeur qui lit un texte et note des options, c’est exactement ce que fait BERT depuis 2018. Laya repose d’ailleurs sur un squelette ModernBERT-large — une évolution de cette famille. Techniquement, un classifieur sophistiqué reste un classifieur. Quiconque a entraîné un modèle de classification ces dix dernières années reconnaîtra l’architecture.

Ce qui est nouveau, et c’est loin d’être négligeable :

• L’emballage. Une interface unifiée de « questions typées » qui remplace l’entraînement d’un classifieur sur mesure par cas d’usage. Tu poses ta question, tu obtiens une réponse structurée — sans constituer un jeu de données.
• Les probabilités calibrées. Un score dont la valeur veut dire quelque chose : 0,9 signifie réellement neuf fois sur dix. C’est ce qui permet de décider d’un seuil d’escalade vers un humain au lieu de subir la confiance mal étalonnée d’un grand modèle.
• La latence assumée comme argument produit. Quelques millisecondes, hors ligne, sur une machine locale. Ce n’est pas une prouesse scientifique, c’est un choix d’ingénierie — et il ouvre des usages que le cloud interdisait.

Le catch honnête, et il est lourd

• Cinq jours. Laya a cinq jours d’existence au moment où nous écrivons. Aucun recul, aucun retour de production, 133 tickets ouverts en une semaine. On ne construit pas un système sur une base de cinq jours.
• Les mesures sont auto-déclarées. Les 33 ms, les 5 ms sur le moteur neuronal, les gains d’énergie : tout vient des auteurs et du porteur, sans validation indépendante. Ce ne sont pas des mensonges, ce sont des chiffres non audités. La différence compte.
• La démonstration choisie est faible. Le port Apple met en avant un modèle qui joue à Snake. Sauf que la page précise elle-même que le jeu utilise des fonctions de planification explicites et une couche de sécurité anti-cycle. Autrement dit : du code classique guide la partie et empêche les morts. Impossible d’isoler ce que le modèle apporte. Et Snake se résout parfaitement sans aucune intelligence artificielle, par un simple cycle hamiltonien. Une démonstration spectaculaire qui ne démontre rien de mesurable.
• Ce n’est pas un remplaçant de modèle de langage. C’est un complément. Si ta tâche demande de rédiger, de résumer ou de raisonner sur plusieurs étapes, ces modèles ne servent à rien. Ils ne savent faire qu’une chose : trancher vite et bien sur une question fermée.

Pour qui ça vaudra le coup — plus tard

Le jour où cette catégorie aura mûri, elle visera des usages très précis :

• Le tri et l’aiguillage en volume. Classer des milliers de messages, de formulaires ou de demandes par jour. Là, passer de 500 ms à 5 ms par décision change l’économie du système, pas juste son confort.
• Les décisions locales et confidentielles. Un modèle de 421 millions de paramètres tourne sur un portable, hors ligne. Pour des données qui ne doivent pas sortir, c’est décisif.
• La couche rapide d’un agent. C’est exactement le pari de CUA-S1 : confier les gestes bornés à un petit modèle qui note, et réserver le grand modèle aux décisions qui méritent un raisonnement.

Jev : le pendant propriétaire, et son prix qui ne veut rien dire

Jev mérite son propre examen, parce que son modèle économique est aussi intéressant que sa technique.

Comment il fonctionne. C’est une API hébergée. Tu envoies un état — du texte libre ou l’état d’un programme — accompagné d’autant de questions typées que tu veux, et tu reçois toutes les réponses en un seul appel. Le design est malin : tu transmets le contexte une fois et tu l’amortis sur vingt questions.

Le tarif, et ce qu’il cache. Jev est facturé 0,042 dollar par million de jetons en entrée et zéro en sortie. Ce zéro n’est pas une promotion commerciale : il est structurel, puisque le modèle ne génère rien. Voilà pour la bonne nouvelle.

La mauvaise est écrite par l’éditeur lui-même : ce prix est subventionné et « devrait baisser avec le temps ». Un tarif subventionné en accès anticipé, c’est un tarif qui n’est pas le vrai prix. Bâtir une économie dessus, c’est signer pour une renégociation que tu ne maîtriseras pas — et historiquement, ces prix-là montent.

Les performances annoncées — à trois points des modèles frontière, vingt à deux cents fois plus rapide, quarante à quatre cents fois moins cher — proviennent des évaluations maison de l’éditeur, publiées dans son matériel de lancement. Ce ne sont pas des mensonges : ce sont des chiffres non audités. La nuance est décisive.

Point pratique : Jev est accessible via OpenRouter et la passerelle de Vercel, ce qui permet de le comparer aux autres modèles sans engagement.

Jev ou Laya : la question n’est pas la performance

Le départage ne se fera pas sur la milliseconde. Il se fera sur où vivent tes données.

Pour un métier régulé — santé, finance, assurance — un modèle qui tourne sur ta machine ne transfère rien à un tiers. Aucune API, si rapide soit-elle, ne peut offrir cette garantie. À l’inverse, si tes données n’ont aucune sensibilité et que tu veux zéro infrastructure, l’API fermée est plus simple à mettre en route.

Le test qui compte, et il ne concerne ni l’un ni l’autre

Avant de comparer Jev à Laya, compare-les à un classifieur classique entraîné sur tes propres données.

Pour une question comme « ce message est-il une réclamation ? », si tu disposes de quelques milliers d’exemples déjà étiquetés, une régression logistique coûte zéro, répond en microsecondes, s’audite ligne par ligne et ne dépend d’aucun fournisseur. Elle sera souvent meilleure qu’un modèle générique, parce qu’elle aura appris ton vocabulaire et tes cas limites.

Ces modèles de décision se justifient précisément là où ce classifieur n’est pas possible : quand tu n’as pas de données étiquetées, quand les questions changent tout le temps, ou quand tu dois couvrir des dizaines de types de décisions différentes sans entraîner un modèle pour chacune. C’est leur terrain, et il est plus étroit que le discours de lancement ne le laisse croire.

Notre verdict : à suivre

L’idée est juste, et elle répond à un vrai gâchis : on fait aujourd’hui générer du texte à des modèles énormes pour obtenir des réponses qui tiennent en un bit. Voir arriver trois modèles en dix jours sur ce créneau, dont un en Apache-2.0 avec un auteur identifié et un parcours de recherche vérifiable, confirme que le besoin’est réel.

Mais cinq jours, c’est cinq jours. Les mesures ne sont pas auditées, la démonstration phare ne prouve rien de mesurable, et personne n’a encore fait tourner ça en production sur plusieurs mois. Mettre cette catégorie sous surveillance : oui, franchement. Bâtir dessus aujourd’hui : non.

Le bon réflexe si le sujet te concerne : garde une tâche de classification réelle sous la main, et quand’une mesure indépendante sortira, compare-la à ton classifieur actuel. C’est le seul verdict qui comptera.

Points de vigilance

• Cinq jours d’existence : aucun recul, 133 tickets en une semaine. Surveiller, pas déployer.
• Chiffres auto-déclarés : latences et gains d’énergie annoncés par les auteurs, sans audit externe.
• Démonstration trompeuse : le Snake du port Apple s’appuie sur un planificateur explicite et une couche de sécurité — la part du modèle est indéterminable.
• Complément, pas remplaçant : inutile dès qu’il faut rédiger, résumer ou raisonner en plusieurs étapes.
• Prix Jev subventionné : l’éditeur annonce lui-même que le tarif d’accès anticipé n’est pas définitif — ne bâtis pas ton calcul dessus.
• Le bon réflexe : avant Jev ou Laya, teste un classifieur entraîné sur tes propres données étiquetées.