- Le 19 octobre 2026, VentureBeat a analysé l’essor des modèles d’IA dédiés à la prise de décision, en mettant notamment en avant Jev, développé par TypeSafe AI et lancé le 15 septembre 2026.
- Contrairement aux grands modèles de langage (LLM), qui génèrent du texte libre, les modèles décisionnels produisent des résultats structurés, tels que des étiquettes de classification, des scores d’évaluation ou des probabilités indiquant si une affirmation est vraie ou fausse, accompagnés d’indicateurs de confiance.
- Cette technologie vise les tâches nécessitant une évaluation sémantique de millions d’enregistrements, notamment la classification des commentaires clients, l’identification des demandes urgentes, le rapprochement d’identités et l’évaluation des risques.
- Databricks, Snowflake, MotherDuck et Astronomer ont annoncé des solutions permettant d’intégrer les modèles décisionnels à leurs plateformes de données. AWS, OpenAI et Cloudflare développent également des solutions similaires.
- Selon MotherDuck, Jev a classé 100 000 articles de presse en 40 secondes pour un coût de 0,50 dollar, avec un taux de précision de 89 %. Lors du test de l’entreprise, un modèle d’OpenAI a nécessité près de 32 minutes et 37,58 dollars, pour une précision de 88 %.
- Astronomer a testé Jev pour classer 4 000 intitulés de postes. L’opération a pris 66 secondes et coûté 0,16 dollar, contre un coût estimé entre 11 et 21 dollars avec Snowflake AI_CLASSIFY.
- Southbridge AI a utilisé Jev pour rapprocher les données des donateurs et des organisations figurant dans les registres de financement des campagnes électorales de l’Ohio. Par rapport à une solution reposant sur un modèle d’IA avancé, cette approche a réduit les coûts du modèle de 99,56 %.
- Le processus proposé combine trois outils : SQL pour appliquer des règles déterministes, les modèles décisionnels pour effectuer des évaluations sémantiques à grande échelle et les LLM pour traiter les cas complexes nécessitant plusieurs étapes de raisonnement.
- Les scores de confiance permettent aux systèmes de traiter automatiquement les cas évidents et de transmettre les situations incertaines à des personnes. Les entreprises doivent toutefois vérifier la fiabilité de ces scores à partir de données réelles.
- Les experts soulignent qu’il faut comparer les modèles décisionnels non seulement aux autres modèles d’IA, mais aussi à SQL et aux méthodes traditionnelles d’apprentissage automatique. Il est également essentiel de définir clairement les responsabilités liées à la conception des critères, à la surveillance et au contrôle des décisions automatisées.
📌 Les modèles décisionnels ouvrent une nouvelle voie vers la spécialisation de l’IA en entreprise : les grands modèles de langage ne sont pas nécessaires pour toutes les tâches. Dans le test publié par MotherDuck, Jev a traité 100 000 enregistrements pour 0,50 dollar, soit environ 48 fois plus rapidement et à un coût 75 fois inférieur à celui du modèle de comparaison. Ces résultats ont toutefois été communiqués par l’entreprise elle-même. La valeur réelle de cette technologie dépend de sa précision, de la possibilité de valider les probabilités prédites et des mécanismes de gouvernance encadrant les décisions dans chaque système.
