Source primaire IAPost X·16 septembre 2026·5 min de lecture

Un co-inventeur de ChatGPT sort Jev, un modèle « optimisé pour les décisions »

Diogo Almeida sort de deux ans de stealth avec RLCD, une méthode d'entraînement inédite, et des promesses de vitesse et de coût qui demandent encore des preuves.

Source : Diogo Almeida (@CompleteSkeptic) · X (Twitter) · 15 septembre 2026Voir l'original ↗

En bref

Diogo Almeida, qui se présente comme co-inventeur de ChatGPT, annonce la sortie de Jev, un modèle frontier entraîné avec une méthode maison baptisée RLCD, après deux ans de développement en stealth. Il revendique un modèle 20 à 200 fois plus rapide, 40 à 400 fois moins cher, avec des output tokens gratuits, et une « intelligence composable » orientée vers la prise de décision plutôt que la conversation. L'annonce circule surtout parce qu'elle attaque un point sensible : pourquoi des modèles de chat surhumains n'ont-ils toujours pas produit d'AGI ?

🍺 Version comptoir

Donc un type qui se présente comme co-inventeur de ChatGPT ressort de deux ans de silence pour t'annoncer un modèle 20 à 200 fois plus rapide et 40 à 400 fois moins cher — une fourchette tellement large qu'on dirait une estimation de délai de livraison chez un fournisseur d'accès. Pas de benchmark, pas de détail sur sa méthode maison, juste le nom : RLCD, et l'idée que le vrai truc, ce n'est pas causer joliment mais décider vite et pour presque rien. Le plus intéressant, ce n'est même pas le produit, c'est la question qu'il pose : si les modèles de chat sont surhumains depuis trois ans, pourquoi on n'a toujours pas l'AGI — et venant de lui, ça pique un peu. Reste que les tokens de sortie gratuits, ça, c'est vérifiable en une après-midi : on saura vite si c'est une révolution ou un joli communiqué.

À retenir

1
Diogo Almeida (@CompleteSkeptic), qui revendique la co-invention de ChatGPT, annonce la sortie de Jev après deux ans passés en stealth.
2
Le modèle est entraîné avec une méthode inédite baptisée RLCD, présentée comme une alternative aux approches d'entraînement actuelles.
3
Les revendications chiffrées sont spectaculaires : 20 à 200x plus rapide, 40 à 400x moins cher, avec des output tokens facturés zéro.
4
Jev est décrit comme une « frontier composable intelligence » optimisée pour les décisions, et non pour la conversation.
5
Le point de départ intellectuel du projet est une question dérangeante : pourquoi des modèles de chat surhumains n'ont-ils pas mené à l'AGI ?
6
L'auteur y voit « le chemin le plus court » vers une révolution économique portée par l'IA — une formulation qu'il nuance lui-même d'un « AFAICT ».
7
Aucun benchmark, aucune méthodologie ni détail technique ne sont fournis dans l'annonce : tout reste à vérifier.

Une annonce construite sur une question, pas sur un benchmark

Le post ne commence pas par un chiffre ni par un classement, mais par une frustration. « Après avoir co-inventé ChatGPT, je n'ai cessé de me demander : pourquoi des modèles de chat surhumains n'ont-ils pas mené à l'AGI ? »

C'est un cadrage inhabituel dans un paysage où les annonces de modèles s'appuient d'abord sur des scores de benchmarks. Ici, le produit est présenté comme la réponse à un problème conceptuel : le format conversationnel serait une impasse partielle.

Diogo Almeida explique avoir passé les deux dernières années en stealth pour développer à la fois une nouvelle façon d'entraîner les modèles — qu'il nomme RLCD — et un nouveau type de modèle frontier, Jev, rendu public le jour de l'annonce.

À ce stade, le post ne détaille ni ce que signifie l'acronyme RLCD, ni l'architecture de Jev, ni les conditions de mesure des performances revendiquées.

Les chiffres revendiqués : vitesse, coût, et output tokens gratuits

Trois promesses sont mises en avant. Une vitesse 20 à 200 fois supérieure, un coût 40 à 400 fois inférieur, et des output tokens facturés gratuitement.

Les fourchettes très larges (un facteur 10 entre la borne basse et la borne haute) suggèrent des gains fortement dépendants du cas d'usage. Sans point de comparaison explicite — par rapport à quel modèle, sur quelle tâche, avec quel matériel — ces ordres de grandeur restent des affirmations à qualifier.

La gratuité des output tokens est l'élément le plus intrigant sur le plan économique. Dans les API de LLM actuelles, la génération est précisément le poste le plus coûteux : l'inverser change la structure de prix de tout ce qu'on construit par-dessus.

Si cette économie tient à l'échelle, elle rend viables des usages aujourd'hui prohibitifs : boucles d'agents très verbeuses, génération massive de candidats, exploration exhaustive avant décision.

« Composable intelligence » : optimiser la décision plutôt que la conversation

Le troisième point du post est le plus stratégique : Jev est décrit comme une « frontier composable intelligence optimized for decisions ».

Le vocabulaire est délibérément différent de celui des assistants. On ne parle pas de réponses, de raisonnement ou de contexte, mais de composabilité et de décisions — autrement dit de briques qu'on assemble dans un système, plutôt que d'un interlocuteur auquel on parle.

Cela recoupe une intuition partagée par une partie de l'industrie : la valeur économique de l'IA se situe moins dans le dialogue que dans les milliers de micro-décisions qu'une organisation prend chaque jour.

Reste que la formule décrit une ambition davantage qu'une architecture. Sans documentation ni démonstration publique, « composable intelligence » relève pour l'instant du positionnement marketing autant que de la catégorie technique.

Pourquoi le post circule

Le principal moteur de viralité n'est pas le produit : c'est la signature. Revendiquer la co-invention de ChatGPT et affirmer ensuite que cette voie ne mène pas à l'AGI constitue une forme d'autocritique publique rare dans le milieu.

La phrase de conclusion fait le reste du travail : « le chemin le plus court vers une révolution économique basée sur l'IA ». L'auteur l'atténue lui-même d'un « AFAICT » (as far as I can tell), pseudo-précaution qui n'empêche pas l'affirmation d'être maximale.

S'ajoute l'effet de mise en scène du stealth : deux ans de silence, puis une sortie simultanée d'une méthode d'entraînement et d'un modèle. Le récit est parfaitement calibré pour X.

Il faut donc lire ce post pour ce qu'il est : une annonce de lancement, pas un papier. La vérification viendra des premiers utilisateurs, des évaluations indépendantes et de la tarification réelle.

“Après avoir co-inventé ChatGPT, je n'ai cessé de me demander : pourquoi des modèles de chat surhumains n'ont-ils pas mené à l'AGI ?”

“Frontier composable intelligence optimized for decisions”

“Pour autant que je puisse en juger, le chemin le plus court vers une révolution économique basée sur l'IA”

Pourquoi ça compte

L'intérêt de cette annonce tient moins à Jev qu'à la thèse qui le sous-tend : et si l'interface conversationnelle, qui a fait le succès planétaire de ChatGPT, avait aussi orienté toute une industrie vers un optimum local ? Entendre cet argument dans la bouche de quelqu'un qui revendique la co-invention de ChatGPT lui donne un poids particulier, au moment où le secteur s'interroge sur le rendement décroissant du scaling et se tourne massivement vers les agents. L'hypothèse défendue ici — que la valeur économique réelle réside dans des décisions rapides, bon marché et composables plutôt que dans des réponses éloquentes — est cohérente avec ce que constatent beaucoup d'entreprises : l'obstacle au déploiement n'est plus la qualité du texte, mais le coût et la latence à l'échelle. Cela dit, la prudence est de rigueur. Des fourchettes de performance aussi larges, sans baseline, sans benchmark, sans détail sur RLCD, relèvent pour l'instant de la revendication. La promesse d'output tokens gratuits est la plus vérifiable et sans doute la plus décisive : c'est là, et non dans le storytelling, que se jugera la solidité du projet dans les semaines qui viennent.

#ia #llm #agi #openai #startup

Source originale

After co-inventing ChatGPT, I kept asking myself: why have superhuman chat models not led to AGI?

Diogo Almeida (@CompleteSkeptic)

Source primaireL'auteur annonce lui-même son propre modèle Jev et sa méthode RLCD en développant sa thèse originale sur l'échec des modèles de chat à mener à l'AGI, il est donc la source directe de l'annonce.

Ouvrir le post ↗