La start-up TypeSafe AI, qui entend automatiser des tâches en produisant des probabilités plutôt que du texte ou du code, a levé 870 millions de dollars. À l’issue de ce tour de financement, l’entreprise a été valorisée à 7,5 milliards de dollars. L’opération a été menée par Andreessen Horowitz, avec la participation de Sequoia et de l’investisseur historique DCVC.

Contexte

Le modèle Jev de TypeSafe AI a rapidement gagné en popularité quelques semaines après son lancement, le 15 septembre. L’entreprise affirme qu’un tiers des sociétés du Fortune 500 utilisent déjà Jev. Il s’agit de l’estimation de la société sur l’adoption du modèle par les entreprises ; elle ne précise pas ce qu’elle considère comme une « adoption ».

Jev repose sur une architecture Transformer (트랜스포머 아키텍처, structure d’un modèle d’IA qui traite les informations en entrée), mais ce n’est pas un grand modèle de langage (LLM, modèle entraîné sur de grandes quantités de données linguistiques et principalement utilisé pour traiter du texte). Jev produit des probabilités plutôt que du texte, une approche que TypeSafe AI qualifie de « décisions calibrées ». L’entreprise affirme que Jev est bien plus rapide qu’un LLM et utilise beaucoup moins de jetons (unités de texte traitées par le modèle).

Cette différence est liée à l’usage que TypeSafe AI met en avant. L’entreprise présente Jev comme une solution mieux adaptée à l’automatisation de tâches qu’à la génération de texte ou de code. Diogo Almeida, cofondateur de la société, a déclaré à TechCrunch que les ordinateurs utilisent un langage différent de celui des humains et que maîtriser le langage humain n’est donc pas utile à l’automatisation.

TypeSafe AI a été cofondée en 2024 par Sasha Sheng, ancien ingénieur de recherche chez Meta, et Eric Gaffney, ingénieur et entrepreneur. Almeida est également présenté comme cofondateur ; il a auparavant travaillé comme chercheur chez OpenAI. Les importantes levées de fonds de l’entreprise et ses affirmations sur l’adoption de Jev par des sociétés attirent l’attention sur l’orientation du modèle : automatiser des tâches professionnelles plutôt que générer du texte.

Ce que cette nouvelle signifie

Pour évaluer une IA destinée aux entreprises, il peut être important de considérer non seulement le naturel du texte qu’elle génère, mais aussi le type de sortie adapté à une tâche précise. Toutefois, une levée de fonds et une valorisation ne constituent pas une preuve indépendante des performances d’un modèle.

Par exemple, une entreprise qui envisage d’automatiser le classement de documents selon des catégories prédéfinies pourrait se demander si la génération de phrases est nécessaire et si une sortie sous forme de probabilités convient réellement à son activité. Il s’agit d’un exemple hypothétique ; l’article ne précise pas les résultats obtenus par Jev pour une tâche particulière.

La rapidité du modèle, sa faible consommation de jetons et son utilisation par un tiers des sociétés du Fortune 500 sont des affirmations de l’entreprise. L’article ne présente aucune vérification indépendante de ses performances ni aucun critère précis d’utilisation.

Ce qui est établi et ce qui reste inconnu

Faits établis

  • TypeSafe AI a développé Jev, levé 870 millions de dollars et été valorisée à 7,5 milliards de dollars.
  • Le tour de financement a été mené par Andreessen Horowitz, avec la participation de Sequoia et de l’investisseur historique DCVC.
  • Jev repose sur une architecture Transformer, mais n’est pas un LLM ; il produit des probabilités plutôt que du texte.
  • TypeSafe AI présente Jev comme un modèle mieux adapté à l’automatisation de tâches qu’à la génération de texte ou de code.

Ce qui reste inconnu

  • L’article n’indique pas à quoi l’entreprise prévoit d’employer les 870 millions de dollars levés.
  • Il n’est pas possible de confirmer l’existence de résultats indépendants vérifiant les affirmations de l’entreprise sur la rapidité de Jev et sa consommation de jetons.
  • On ignore quels critères d’utilisation et quel nombre d’entreprises sous-tendent l’affirmation selon laquelle un tiers des sociétés du Fortune 500 utilisent Jev.

Points à vérifier

  • Si vous envisagez d’adopter Jev, commencez par déterminer si la tâche nécessite la génération de texte ou se prête à une automatisation fondée sur des probabilités.
  • Pour évaluer les chiffres avancés par l’entreprise sur la rapidité et la consommation de jetons, vérifiez les éléments de comparaison, les conditions de mesure et l’existence d’une vérification indépendante.
  • Pour apprécier les exemples d’adoption par des entreprises, il est important de vérifier ce que recouvre le terme « utilisation » et quelle place le modèle occupe concrètement dans leur travail.