Jeev est à utiliser en remplacement d'un LLM classique quand on a un problème de rapidité ou de budget, notamment pour le traitement de données en batch où on dépasse rapidement son quota de tokens ou son abonnement.
Pour les utilisateurs qui automatisent des workflows (emails, tickets, contenus), Jeev ne remplace pas systématiquement les LLM mais devient pertinent sur les tâches de classification à gros volume qui saturent les quotas ou ralentissent le pipeline. L'auteur suggère de demander à son assistant IA d'analyser son historique pour identifier ces cas.
D’après la vidéo
✅ À faire
L'auteur recommande de poser la question à son agent IA (Claude, ChatGPT) pour qu'il analyse l'historique d'utilisation et identifie les cas où basculer vers Jeev serait bénéfique. Il fournit un prompt en description.
Démo avecJeevChatGPT
« dans le cas où vous faites des workflow comme moi de gestion de mail dans lequel vous avez besoin de workflow d'automatisation, ce qui selon moi est le cas de beaucoup de gens, je pense qu'on va pouvoir remplacer par Jev. mais uniquement quand on a soit un souci de rapidité soit de budget parce que en fait pour beaucoup on a un abonnement cloud ou chat GPT qui généralement suffit pour la plupart de nos actions. Mais souvent quand on va faire du traitement de données en batch donc dans une grande quantité et bien vite on a plus assez de token ou alors ça vient manger sur notre abonnement classique. »
En comparaison directe sur la classification d'emails un par un, GPT-4o-mini prend 6-7 secondes par email contre 200-300 millisecondes pour Jeev, et GPT-4.5 est encore plus lent car il génère une chaîne de raisonnement complète.
Pour les workflows de classification où la génération de texte n'est pas nécessaire, Jeev permet un gain de temps considérable (de l'ordre de 20-30x) par rapport aux LLM classiques, même les plus légers comme GPT-4o-mini. Cela devient déterminant sur de gros volumes où le temps de traitement devient un bloquant, ou quand le quota de tokens d'un abonnement classique est dépassé.
D’après la vidéo
⚙ Comment ça marche
L'auteur a testé les mêmes emails en parallèle avec Jeev et GPT-4o-mini pour comparer la vitesse. GPT-4o-mini doit générer une réponse textuelle complète même pour une simple classification, ce qui prend plusieurs secondes, alors que Jeev retourne directement un score de probabilité.
Démo avecJeev
« J'ai pété 5.5 par email, il prend genre 6 secondes, 7 secondes, voilà, 7 secondes par email. Donc c'est pas du tout la même chose parce que lui, il fait tout un raisonnement, une chaîne de raisonnement, ce dont on a évidemment pas besoin sur JF. »
Jeev échoue sur certains pièges logiques (compter les lettres dans un mot, déterminer un jour de la semaine) avec des probabilités autour de 53-59% ; l'auteur recommande de recouper avec une autre IA quand la probabilité est inférieure à 70-75%.
Pour éviter les erreurs dans les automatisations critiques utilisant Jeev, il faut surveiller les scores de probabilité retournés et mettre en place une vérification par un LLM classique (GPT, Claude) sur les cas incertains. Cela permet de combiner la rapidité de Jeev pour dégrossir et la fiabilité d'un modèle de raisonnement pour confirmer les cas limites.
D’après la vidéo
⚙ Comment ça marche
L'auteur a testé Jeev sur des questions pièges : compter les occurrences d'une lettre (N dans anticonstitutionnellement), compter les mots d'une phrase, déterminer un jour de la semaine. Jeev a donné des probabilités autour de 53-59% sur ces cas, voire s'est complètement planté sur la date.
⚠ Ses réserves
L'auteur identifie clairement que Jeev a des limites sur les tâches nécessitant un raisonnement logique ou du comptage précis, et qu'il faut être vigilant sur les probabilités retournées.
Démo avecJeev
« Donc, il va falloir faire attention aux différentes probabilités. Quand on est sur une probabilité selon moi en dessous de 75 ou 70, bah peut-être rechecker avec une IA, une autre IA pour s'assurer que c'est le bon choix qu'on fait. »
L'auteur a codé un outil qui découpe une vidéo image par image, extrait le texte par OCR et demande à Jeev s'il contient du contenu confidentiel (emails, IBAN, clés API) ; une vidéo de 27 minutes a été analysée en 1 minute 30.
Pour les créateurs de contenu vidéo (tutoriels, démos) qui montrent leur écran, cela automatise la détection d'informations sensibles avant publication (adresses email, numéros de téléphone, clés API, IBAN). L'auteur précise que son équipe passait beaucoup de temps à vérifier manuellement frame par frame. Le système floute automatiquement les éléments détectés et les catégorise.
D’après la vidéo
⚙ Comment ça marche
Le système découpe la vidéo image par image, applique de l'OCR pour extraire tout le texte visible, puis soumet chaque image à Jeev qui évalue la probabilité de présence de contenu confidentiel. Quand Jeev détecte quelque chose, le système floute automatiquement la zone et catégorise le type de donnée (email, IBAN, clé, carte).
💬 Ce qu’en pense l’auteur
L'auteur est très enthousiaste, qualifie l'outil de 'génial' et 'magique', et estime qu'il va lui faire gagner beaucoup de temps par rapport à la vérification manuelle qu'il faisait avec son équipe.
Démo avecJeev
« là je viens de me coder un truc qui est juste génial, c'est que d'un côté je vais découper une vidéo comme ici 60 secondes image par image et après je vais faire de l'OCR, c'est-à-dire que je vais extraire tout le texte de cette image et je vais demander à Jeff si dans ce texte il y a du contenu confidentiel »
Jeev peut traiter 64 emails simultanément en batch et les classifier (catégorie, priorité, spam, besoin de réponse) en environ 2 secondes, pour un coût de 0,002 dollars par traitement.
Pour ceux qui traitent de gros volumes d'emails (support, commercial, veille), cela permet d'automatiser la priorisation et le tri initial sans exploser son budget API ni attendre. Le traitement par batch de 64 emails à la fois est la clé de la rapidité. Utile pour pré-filtrer avant une réponse humaine ou par LLM classique.
D’après la vidéo
⚙ Comment ça marche
L'auteur envoie ses emails à Jeev par batch de 64, et pour chacun Jeev retourne la catégorie (travail, personnel...), la priorité (normale, haute), le pourcentage de spam et la probabilité qu'une réponse soit nécessaire. Chaque email est traité en 200-300 millisecondes.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette vitesse de traitement impressionnante et souligne que GPT-4o mini prend beaucoup plus de temps pour la même tâche, ce qui rend Jeev imbattable pour cet usage.
Démo avecJeev
« Si j'étais sur 10 email là il me l'a répondu en 2 secondes. Il a répondu à 10 emails. Enfin il a classifié 10 email. Là, j'ai fait un autre exemple dans lequel je les prends un par un les emails. Il a traité 24 emails en 55 mise et ça a coûté en tout 0,002 dollars. »
Jeev est un modèle d'IA qui répond par des scores de probabilité sur des options données (comme un QCM) au lieu de générer du texte mot à mot, ce qui le rend 100 fois plus rapide et beaucoup moins cher pour trier de l'information.
Pour les automatisations et workflows nécessitant de classifier rapidement de grandes quantités de données (emails, tickets support, documents), Jeev permet de traiter des centaines d'items en quelques secondes pour quelques centimes, contre plusieurs secondes par item avec les LLM classiques. Cela change notamment le traitement par lots d'emails ou de contenus à modérer. À réserver aux cas où une classification suffit, pas aux tâches nécessitant génération de texte ou raisonnement complexe.
D’après la vidéo
⚙ Comment ça marche
Jeev donne un score de probabilité sur différentes options au lieu d'écrire une réponse mot à mot. Par exemple, pour savoir si une facture est vraie, il indique quelle option (vrai/faux) a la probabilité la plus haute, au lieu de rédiger une explication.
💬 Ce qu’en pense l’auteur
L'auteur trouve Jeev très utile pour ses cas d'usage de traitement de mails, de tickets support, de commentaires YouTube et pour détecter des données confidentielles dans ses montages vidéo. Il est enthousiaste et compte passer du temps à approfondir.
✅ À faire
L'auteur recommande de demander à son agent IA (Claude, ChatGPT) d'analyser son historique d'utilisation pour identifier les cas où switcher vers Jeev serait pertinent. Il propose un prompt qu'il met en description.
⚠ Ses réserves
Jeev se plante sur certains pièges logiques (compter les lettres, déterminer un jour de la semaine) et affiche des probabilités incertaines (59%, 53%) dans ces cas. L'auteur recommande de vérifier avec une autre IA quand la probabilité est inférieure à 70-75%.
Démo avecJeevChatGPT
Outil à testerJev (TypeSafe AI, « System One Model »)payant
Classifier rapidement de l'information par probabilité (emails, documents, images) pour des automatisations et workflows
Pourquoi il semble prometteur : 100 fois plus rapide et beaucoup moins cher que les LLM classiques pour le tri et la classification de données : traite par exemple 1700 emails pour 19 centimes en quelques secondes
Modèle en accès anticipé, utilisable par API (facturation à l'usage, tarif annoncé très bas côté entrée) : ce n'est pas un chatbot, il faut définir un schéma de questions typées dans son code pour l'essayer.
L’auteur l’a adopté
L'auteur est très enthousiaste, notamment pour classifier ses emails, détecter du contenu confidentiel dans ses montages vidéo et traiter des tickets support. Il estime que Jeev va lui faire gagner beaucoup de temps et qu'il est imbattable pour les usages de traitement en batch. Il recommande de l'utiliser quand on a un souci de rapidité ou de budget.
« Là où un modèle comme chat GPT, lui aurait regardé l'image, fait un petit raisonnement, se poser la question et puis à un moment donné, il aurait dit il semblerait que la personne qui est ici a un site bleu. Bon ça c'est un modèle de raisonnement. Un modèle comme Jeev, je veux lui donner, on va dire cinq options. Noir, bleu, rouge, blanc ou alors aucun. Et lui ce qu'il va me faire c'est il va me faire une probabilité pour cette option qui va être très grande là où la probabilité pour les autres va être très petite. »
L'auteur a testé les mêmes emails en parallèle avec Jeev et GPT-4o-mini pour comparer la vitesse. GPT-4o-mini doit générer une réponse textuelle complète même pour une simple classification, ce qui prend plusieurs secondes, alors que Jeev retourne directement un score de probabilité.